[发明专利]基于群体经验人工蜂群算法的电力系统静态经济调度方法

摘要

本发明提出一种基于群体经验人工蜂群算法的电力系统静态经济调度方法，针对雇佣蜂和观察蜂本身的特点设计合理的搜索策略，根据不断更新的选择概率采用不同的搜索策略来对当前食物源进行更新，实现平衡全局搜索和局部寻优。采用本方法对电力系统静态经济调度进行求解，能够在满足相关约束的条件下，获得优化后的各机组各时段的出力水平和最小发电成本。

主权项

基于群体经验人工蜂群算法的电力系统静态经济调度方法，其特征在于，包括以下步骤：步骤1：设置人工蜂群的参数，包括控制因子F、选择概率P、物源规模NP、最大迭代次数Gmax，根据电力系统静态经济调度的约束构造目标函数，所述约束包括：机组功率平衡约束、机组出力上下限约束、机组爬坡约束、机组禁止操作区约束；电力系统静态经济调度的约束构造目标函数为：f=Σi=1NG(ai·Pi2+biPi+ci)+|eisin(fi(Pimin-Pi))|+λ1PPB+λ2PCL+λ3PRL+λ4Ppoz]]>其中，为发电成本，ai、bi、ci分别表示成本系统的系数，|eisin(fi(Pimin‑Pi))|为加载阀点效应，ei、fi为耗量系数，λ1PPB、λ2PCL、λ3PRL、λ4Ppoz分别为机组功率平衡约束、机组出力上下限约束、机组爬坡约束、机组禁止操作区约束的惩罚项，λ1、λ2、λ3、λ4为相应的惩罚因子，Pimin为第i台机组出力的下限，Pi为第i台机组的出力，NG为机组数，i＝1,2,...NG；步骤2：生成初始食物源，并计算其目标函数值和适应值；步骤3：更新选择概率，雇佣蜂根据选择概率来选择第一搜索策略或第二搜索策略，产生新的食物源位置，其中，第一搜索策略为：Vi,j＝Pr1,j+F(Pr2,j‑Pr3,j)，第二搜索策略为：Vi,j表示新的食物源位置，Pi,j表示当前的食物源位置，为随机产生，Pr1,j、Pr2,j、Pr3,j为三个随机选择的食物源，且r1≠r2≠r3≠i，i＝1,2,…,NP，j表示当前列数；步骤4：采用贪婪原则对当前食物源位置进行更新；步骤5：观察蜂根据轮盘赌原则所确定的概率选择食物源并在其附近精细搜索，搜索策略为：其中，Pr4,j、Pr5,j为两个随机选择的食物源，且r4≠r5≠i，gbesti,j为适应值最大的食物源；步骤6：采用贪婪原则对当前食物源位置进行更新；步骤7：判断迭代次数是否达到最大迭代次数，若是，则停止迭代，输出最优食物源的位置和目标函数值，所述最优食物源的位置即为电力系统各机组的出力水平，目标函数值即为对应的最小发电成本；若否，则转到步骤3。