[发明专利]基于变加速度系数混沌粒子群的机组经济负荷分配方法

权利要求书

1.一种基于变加速度系数混沌粒子群的机组经济负荷分配方法，其特征在于，包括：

根据发电机组的煤耗特性参数拟合煤耗特性曲线并建立发电机组经济负荷分配模型，将总煤耗成本最小作为目标函数；

通过采用等概率负荷调整约束处理方法来处理经济负荷分配中的等式约束；

采用变加速度系数粒子群算法和混沌优化算法，将总发电功率分配给各台机组，最终得到各个单元机组最优的负荷分配结果，使得整个机组群的总煤耗成本最低；

所述的变加速度系数粒子群算法在粒子群算法的迭代过程中，动态线性调整速度更新公式中的加速度系数，增强了粒子群算法的全局寻优能力，避免陷入局部最优；

所述的变加速度系数粒子群算法具体为：

在粒子群算法的迭代过程中，动态线性调整速度更新公式(3)中的加速度系数C₁和C₂；同时，由于在迭代初期，将传统的粒子群算法的速度更新公式进行了改进，增加了项，改进后的速度更新公式如式(4)所示：

其中，和分别为粒子i在第k代和k+1代的速度向量；和分别为粒子i在第k代和第k+1代的位置向量；为粒子i迭代到第k代时自身找到的最优解的位置；为整个种群迭代到第k代时目前找到的最优解的位置；为整个种群在第k代找到的最优解的位置；和均为[0 1]之间的均匀分布的随机数；cω^k为混沌惯性权重；C₁、C₂和C₃为加速度系数；

随着迭代过程的不断推进，加速度系数C₁线性减小，而使C₂线性增大，如式(6)、(7)所示；

其中，C_1i、C_1f分别为加速度系数C₁的初值和终值；C_2i、C_2f分别为加速度系数C₂的初值和终值；K_max为最大迭代代数；k为当前迭代代数；

式(4)中加速度系数C₃的取值如式(8)所示：

。

2.根据权利要求1所述的方法，其特征在于，所述的等概率负荷调整约束处理方法具体为：

(1)在负荷上下限之间随机初始化每台机组的负荷，当机组负荷越限时，按式(1)进行处理，以满足不等式约束；

其中，P、P^min和P^max分别表示机组当前负荷、机组负荷下限和机组负荷上限，下标i表示第i个粒子，下标j为机组号，上标k表示当前迭代代数；

(2)计算所有机组当前所分配的负荷总和与电力总负荷P_demand的差值如果|δP^k|小于所给出的精度ε时，则转步骤(6)；否则，转步骤(3)，N表示参与负荷分配的机组数；

(3)从所有参与负荷分配的机组中随机选择一台至今负荷未被更新的机组，并将赋值给

(4)按式(2)更新步骤(3)中随机选择的机组的负荷值

其中，为更新后的第i个粒子第j台机组在第k次迭代的机组负荷值，rn_j为[0，1]之间的均匀分布的随机数；

(5)重新计算为更新后的负荷差值，如果小于ε，则转步骤(6)；否则，转步骤(3)；

(6)完成约束处理操作。

3.根据权利要求1所述的方法，其特征在于，所述的混沌优化算法采用变加速度系数粒子群算法解决机组经济负荷分配问题时，在传统的线性递减惯性权重中糅合了混沌序列，产生混沌惯性权重，有效地提高了粒子群算法的全局寻优能力。

4.根据权利要求1或3所述的方法，其特征在于，所述的混沌优化算法具体为：

在如式(9)所示的线性递减惯性权重中糅合了混沌序列，产生如式(11)所示的混沌惯性权重，同时在迭代后期，由于混沌惯性权重逐渐收敛，保证了粒子群算法的收敛性；

其中，ω^k为线性递减惯性权重，ω_max、ω_min分别为惯性权重上、下限，K_max为最大迭代代数；k为当前迭代代数；

采用Logistic映射产生的混沌变量z如式(10)所示：

其中，μ是控制变量，当μ＝4，时，Logistic完全处于混沌状态；

最终的混沌惯性权重如式(11)所示；

cω^k＝ω^k×z^k (11)。