[发明专利]一种多目标野花算法的动态环境经济调度方法

权利要求书

1.一种多目标野花算法的动态环境经济调度方法，其特征在于，包括以下步骤：

S1.以燃料费用最小和污染排放最小为目标函数，考虑等式约束和不等式约束，建立电力系统动态环境经济调度模型；

S2.结合动态环境经济调度模型，初始化种群和算法迭代数据，计算粒子适应度；

S3.执行约束支配策略选出非劣解集；

S4.执行野花算法更新种群，具体包括：

1)执行正态扩散和趋养进化机制；

2)执行配对繁殖机制；

3)执行染色体突变机制；

更新非劣解集；

S5.终止条件：若非劣解个数达到预定值，执行密集度机制对非劣解进行升级维护；否则，转S4；

S6.执行模糊决策选取最优折中解；

在所述步骤S1中，电力系统动态环境经济调度模型包括目标函数和约束条件，目标函数为燃料费用和污染排放，约束条件包括等式约束和不等式约束；

以燃料费用最小为目标函数的具体形式为：

其中，n为发电机组总数；P_i为第i台发电机的有功出力；a_i、b_i、c_i为第i台发电机的燃料费用系数；

考虑阀点效应，燃料费用函数可表示为：

以污染排放最小为目标函数的具体形式为：

其中，α_i、β_i、γ_i为第i台发电机的污染气体排放系数；

等式约束为：

1)功率平衡约束：

其中，P_D为总负荷需求，P_L为传输网损；

系统传输网损可用下式表示：

其中，B_ij、B_oi、B_oo为发电机的网损系数；

2)不等式约束为：

机组运行约束：

P_imin≤P_i≤P_imax

其中，P_imin为机组i的有功出力下限，P_imax为机组i的有功出力上限；

在所述步骤S2中，结合动态环境经济调度模型，初始化种群和算法迭代数据具体为：

设定种群规模最大值和初始总群N_max、N，控制变量数D，D为维数，为每台发电机的有功出力值，非劣解集最大粒子数MaxIter；在D维问题的收索空间内随机初始化种群X，其中，第i个个体为X_i＝[X_i1，X_i2，...X_iD]，i＝1、2......N；初始化变量取值的下限和上限X_min、X_max，父代粒子产生的后代个数的最小值和最大值S_min、S_max，标准差初始值和最终值σ_init、σ_final，富养半径R；

种群X的初始化过程为：采用混沌Logistic方程产生混沌变量

x_i+1＝λ·x_i·(1-x_i)

式中，x_i∈[o，1]，x_i≠0.25、0.5、0.75，λ为控制参数，取值0～4，当完全处于混沌状态时，λ＝4；取任意初始点x₀，可得[0，1]上的遍历的点集x_i，i＝1、2......N；

将得到的混沌变量x_i转化为初始种群

X_i＝X_min+α(X_max-X_min)(1-x_i)x_i

式中，α＝4为混沌吸引子。

2.根据权利要求1所述的多目标野花算法的动态环境经济调度方法，其特征在于：在所述步骤S5中，执行密集度机制对非劣解进行升级维护具体为：

密集度机制为：

式中，O为邻域中心；f_i(A)，f_i(B)，f_i(C)和f_i(O)分别为粒子A、B、C和领域中心O的第i个目标函数；保留密集度大的MaxIter个个体。