[发明专利]一种发电机机组优化的方法

权利要求书

1.一种发电机机组优化的方法，其特征在于，该方法步骤如下：

步骤(1).确定机组组合优化问题数学模型的目标函数

式中：T为总时段数，N为机组数，u_it为机组i在时段t的状态，u_it的值为0表示关机，u_it的值为1表示开机，P_it为机组i在时段t的出力，F_i(P_it)为机组i在时段t的发电费用，F_si(t)为机组i在时段t的启动费用，计算公式如下：

式中：a_i,b_i,c_i为机组i的运行费用参数，S_0,i,S_1,i,τ_i为机组i的启动费用参数，为机组i在时段t的已停机时间；目标函数的约束条件如下：

P_imin≤P_it≤P_imax

-R_DRi≤P_it-P_i,t-1≤R_URi

式中：P_Dt为t时段机组的负荷备用，P_Rt为t时段机组的旋转备用；P_imin为机组i的最小发出功率，P_imax为机组i的最小和最大发出功率，R_DRi为机组i爬升率的上限，R_URi为机组i爬升率的下限，不包括机组启停；为机组i启动后必须保持运行状态的最短时间，为机组i停机后必须保持停机状态的最短时间，为机组i在t时段的连续运行时间，为机组i在t时段的停机时间；

将启动费用设为常数，简化后的模型为：

P_imin≤P_it≤P_imax

-R_DRi≤P_it-P_i,t-1≤R_URi

步骤(2).获取模型的各类参数；

所述的各类参数包括预测好的负荷量、发电机损耗特性系数、发电机发出功率的上限与下限、发电机爬坡约束；

步骤(3).设定遗传算法参数；

定义遗传算法种群个数、个体编码维度、最大进化次数，产生满足约束条件二的个群个体，采用单时间段逐步生成个体的方式，对于单时段不满足约束的编码，要重新随机生成，所述的约束条件二包括最大功率、保持运行状态的最短时间、保持停机状态的最短时间；发电机在各时段的启停情况和出力作为优化变量，发电机的出力要满足功率平衡约束和发电机出力的上下限约束；

步骤(4).设定适应度函数；

通过如下公式对目标函数进行变换，将变换后的值作为适应度函数的适应值；

N为种群中的个体数目

步骤(5).通过适应度函数进行个体选择；

个体选择策略基于旋轮法，即适应度值大的有更大的概率被保留并进化到下一代，并将优秀基因传给下一代；

步骤(6).对保留下来的个体采用两点交叉方法进行交叉操作，与变异操作；

因为采用0，1编码，传统的两点交叉方法波动性大，算法运行不稳定，所以采用改进后的两点交叉方法进行交叉操作；所述的改进的两点交叉方法，先随机确定一个交叉点的位置，以该点的位置为均值，以16为方差，利用高斯分布选取另一个交叉点，对选取的另一个交叉点进行四舍五入，确定选取的另一个交叉点；进行交叉操作后，若不满足约束条件二，则进行反交叉操作，然后重新进行交叉操作，直到满足约束条件二为止；

然后进行变异遗传操作，采用按位变异，进行变异操作后，若不满足约束条件二，则进行反变异操作，然后重新进行变异操作，直到满足约束条件二为止；

步骤(7).通过二次规划优化机组出力；

将二次规划的结果作为优化目标函数，将二次规划和遗传算法融合进优化目标函数，通过改进后的优化目标函数协同优化机组启停状态与机组出力；使遗传算法种群个体一代一代进化，在满足负荷需求的情况下，使总能耗达到最小；

步骤(8).判断运行次数是否达到设定的最大进化次数，若未达到设定的最大进化次数，则返回步骤(5)继续运行；若达到设定的最大进化次数，则终止计算并输出结果，输出的结果即为各发电机的最优启停状态、发出功率大小以及能耗大小。