一種基于改進(jìn)型粒子群算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配方法，涉及電力系統(tǒng)技術(shù)領(lǐng)域，所解決的是對(duì)電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配進(jìn)行優(yōu)化的技術(shù)問(wèn)題。該方法將群體管理規(guī)則引入到粒子群優(yōu)化算法中形成基于有效群體利用策略的粒子群算法，通過(guò)群體的全局最優(yōu)值變化來(lái)有效改變粒子的數(shù)目，改進(jìn)后的算法收斂速度快，收斂精度高，本發(fā)明專利技術(shù)提供的方法，應(yīng)用于包含不同機(jī)組的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配中，實(shí)現(xiàn)了電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配的性能提升，并取得了良好的優(yōu)化效果。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)設(shè)及電力系統(tǒng)技術(shù)，特別是設(shè)及一種基于改進(jìn)型粒子群算法的電力系統(tǒng)經(jīng) 濟(jì)負(fù)荷分配方法的技術(shù)。
技術(shù)介紹
電力系統(tǒng)的經(jīng)濟(jì)負(fù)荷分配(economic load dispatch,化D)是電力系統(tǒng)負(fù)荷規(guī)劃 和運(yùn)行調(diào)度中的典型優(yōu)化問(wèn)題之一，解決好此類優(yōu)化問(wèn)題可有效提高電力系統(tǒng)運(yùn)行的經(jīng)濟(jì) 性W及可靠性。 通過(guò)對(duì)電力系統(tǒng)進(jìn)行相關(guān)針對(duì)性的研究發(fā)現(xiàn)：由于發(fā)電機(jī)組閥點(diǎn)效應(yīng)的影響，機(jī) 組輸出特性曲線往往呈現(xiàn)出非線性、非凸、不可導(dǎo)的特點(diǎn)；由于存在配電網(wǎng)輸送能力限制和 系統(tǒng)穩(wěn)定性要求等電力系統(tǒng)運(yùn)行條件的約束，故對(duì)應(yīng)的問(wèn)題函數(shù)呈現(xiàn)出不可微不可導(dǎo)的特 點(diǎn)；另外考慮到配網(wǎng)系統(tǒng)中機(jī)組數(shù)量較多，故對(duì)應(yīng)的發(fā)電機(jī)組輸入輸出特性具有維數(shù)較高 并且大量存在局部極值的特點(diǎn)。因此在對(duì)維數(shù)和精度的高要求下，經(jīng)典的分配優(yōu)化算法對(duì) 電力系統(tǒng)的經(jīng)濟(jì)負(fù)荷分配優(yōu)化效果較差，無(wú)法解決ELD優(yōu)化問(wèn)題，對(duì)電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配 性能提升有限。
技術(shù)實(shí)現(xiàn)思路
針對(duì)上述現(xiàn)有技術(shù)中存在的缺陷，本專利技術(shù)所要解決的技術(shù)問(wèn)題是提供一種能對(duì)電 力系統(tǒng)的經(jīng)濟(jì)負(fù)荷分配進(jìn)行優(yōu)化，且優(yōu)化效果好，能提升電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配性能的基 于改進(jìn)型粒子群算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配方法。 為了解決上述技術(shù)問(wèn)題，本專利技術(shù)所提供的一種基于改進(jìn)型粒子群算法的電力系統(tǒng) 經(jīng)濟(jì)負(fù)荷分配方法，其特征在于，具體步驟如下： 1)為電力系統(tǒng)建立一個(gè)粒子群，該粒子群W電力系統(tǒng)中的負(fù)荷作為粒子，并W電 力系統(tǒng)中的負(fù)荷分配點(diǎn)作為粒子位置，W系統(tǒng)發(fā)電總費(fèi)用作為目標(biāo)函數(shù)； 2)為粒子群設(shè)定最大迭代次數(shù)、初始粒子數(shù)目、最大粒子數(shù)目、當(dāng)前粒子數(shù)目、維 度和解空間范圍；[000引3)將當(dāng)前迭代次數(shù)設(shè)定為1; 4)采用粒子群算法對(duì)粒子群的粒子位置進(jìn)行更新； 5)判斷當(dāng)前迭代次數(shù)，如果當(dāng)前迭代次數(shù)等于最大迭代次數(shù)，則將全局最優(yōu)粒子 的位置作為最優(yōu)負(fù)荷分配點(diǎn)，反之則將當(dāng)前迭代次數(shù)加1，并將粒子群中的當(dāng)前粒子位置作 為粒子的初始位置，再返回步驟4。 進(jìn)一步的，步驟4中采用粒子群算法對(duì)粒子群的粒子位置進(jìn)行更新的步驟如下： 4.1)采用捜索范圍共享策略、解共享策略更新粒子群中的粒子的位置和速度，如 果粒子群算式中的隨機(jī)數(shù)大于激活概率，則采用捜索范圍共享策略，反之則采用解共享策 略，激活概率的計(jì)算公式為： 其中，Pr(S)為激活概率，S為當(dāng)前迭代次數(shù)，iteration為最大迭代次數(shù)； 4.2)計(jì)算粒子群中所有粒子的適應(yīng)度值，并更新粒子群中的粒子的個(gè)體最優(yōu)解的 適應(yīng)度值和全局最優(yōu)解的適應(yīng)度值； 4.3)對(duì)粒子群中粒子的數(shù)目進(jìn)行更新； 如果粒子群中的粒子的全局最優(yōu)解的適應(yīng)度值在連續(xù)兩次迭代中均得到了更新， 則表明粒子群中的粒子的數(shù)目已經(jīng)足夠，則從粒子群中去除一個(gè)適應(yīng)度值最差的粒子； 如果粒子群中的粒子的全局最優(yōu)解的適應(yīng)度值在連續(xù)兩次迭代中均未更新，且粒 子群中的現(xiàn)有粒子數(shù)目小于所設(shè)定的最大粒子數(shù)目，則直接在粒子群中新增一個(gè)粒子； 如果粒子群中的粒子的全局最優(yōu)解的適應(yīng)度值在連續(xù)兩次迭代中均未更新，且粒 子群中的現(xiàn)有粒子數(shù)目等于所設(shè)定的最大粒子數(shù)目，則先從粒子群中去除一個(gè)適應(yīng)度值最 差的粒子，再在粒子群中增加一個(gè)粒子； 在粒子群中新增的粒子的位置為： 其中，X為新增粒子的位置，ai、a2為從現(xiàn)有群體中隨機(jī)抽取的兩個(gè)粒子的序號(hào)， Pbest (ai)為序號(hào)為ai的粒子的個(gè)體最優(yōu)解，Pbest (曰2)為序號(hào)為曰2的粒子的個(gè)體最優(yōu)解。 進(jìn)一步的，步驟4.1)中，解共享策略的計(jì)算公式如下：其中，V為粒子的速度，i為粒子的序號(hào)，j為粒子的維度，S為當(dāng)前迭代次數(shù)，CO為慣 性權(quán)重，C為學(xué)習(xí)因子，r為0到1之間的隨機(jī)數(shù)，Pbest為所有粒子的個(gè)體最優(yōu)解，Gbest為當(dāng) 前迭代次數(shù)下的全局最優(yōu)粒子的位置，X為粒子的位置，a為粒子群中隨機(jī)抽取的一個(gè)粒子 的序號(hào)，rand為0到1之間的隨機(jī)數(shù)； Psi的計(jì)算公式為： 其中，D為粒子的維度。 本專利技術(shù)提供的，通過(guò)群體的 全局最優(yōu)值變化來(lái)有效改變粒子的數(shù)目，具有全局收斂性，使粒子不易陷入局部最優(yōu)，具有 收斂速度快，收斂精度高的特點(diǎn)，能對(duì)電力系統(tǒng)的經(jīng)濟(jì)負(fù)荷分配進(jìn)行優(yōu)化，且優(yōu)化效果好， 能提升電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配性能。【附圖說(shuō)明】 圖1是本專利技術(shù)實(shí)施例的的流 程圖； 圖2是采用IE邸討幾組系統(tǒng)進(jìn)行仿真對(duì)比實(shí)驗(yàn)的收斂比較圖； 圖3是采用IE邸13機(jī)組系統(tǒng)進(jìn)行仿真對(duì)比實(shí)驗(yàn)的收斂比較圖； 圖4是采用IE邸40機(jī)組系統(tǒng)進(jìn)行仿真對(duì)比實(shí)驗(yàn)的收斂比較圖。【具體實(shí)施方式】 W下結(jié)合【附圖說(shuō)明】對(duì)本專利技術(shù)的實(shí)施例作進(jìn)一步詳細(xì)描述，但本實(shí)施例并不用于限 制本專利技術(shù)，凡是采用本專利技術(shù)的相似結(jié)構(gòu)及其相似變化，均應(yīng)列入本專利技術(shù)的保護(hù)范圍，本專利技術(shù) 中的頓號(hào)均表示和的關(guān)系。 如圖1所示，本專利技術(shù)實(shí)施例所提供的一種基于改進(jìn)型粒子群算法的電力系統(tǒng)經(jīng)濟(jì) 負(fù)荷分配方法，其特征在于，具體步驟如下： 1)為電力系統(tǒng)建立一個(gè)粒子群，該粒子群W電力系統(tǒng)中的負(fù)荷作為粒子，并W電 力系統(tǒng)中的負(fù)荷分配點(diǎn)作為粒子位置，W系統(tǒng)發(fā)電總費(fèi)用作為目標(biāo)函數(shù)f(x); 2)為粒子群設(shè)定最大迭代次數(shù)、初始粒子數(shù)目、最大粒子數(shù)目、當(dāng)前粒子數(shù)目、維 度和解空間范圍； 其中，最大迭代次數(shù)記為iteration，初始粒子數(shù)目等于1，最大粒子數(shù)目記為max， 當(dāng)前粒子數(shù)目記為N，總維度記為D，當(dāng)前維度記為d，解空間范圍記為(xmin，xmax)，當(dāng)前迭 代次數(shù)下的全局最優(yōu)粒子的位置記為加 est，第i個(gè)粒子的個(gè)體最優(yōu)值記為pbesti，減少粒 子的計(jì)數(shù)符記為Cd，增加粒子的計(jì)數(shù)符記為Cl; 3)將當(dāng)前迭代次數(shù)S設(shè)定為1; 4)采用粒子群算法對(duì)粒子群的粒子位置進(jìn)行更新； 5)判斷當(dāng)前迭代次數(shù)，如果當(dāng)前迭代次數(shù)等于最大迭代次數(shù)，則將全局最優(yōu)粒子 的位置作為最優(yōu)負(fù)荷分配點(diǎn)，反之則將當(dāng)前迭代次數(shù)加1，并將粒子群中的當(dāng)前粒子位置作 為粒子的初始位置，再返回步驟4。 本專利技術(shù)實(shí)施例的步驟4中采用粒子群算法對(duì)粒子群的粒子位置進(jìn)行更新的步驟如 下： 4.1)采用捜索范圍共享策略、解共享策略更新粒子群中的粒子的位置和速度，W 防止粒子過(guò)早的陷入局部最優(yōu)，如果粒子群算式中的隨機(jī)數(shù)rand大于激活概率Pr(S),則采 用捜索范圍共享策略，反之則采用解共享策略，激活概率的計(jì)算公式為： 其中，Pr(S)為激活概率，S為當(dāng)前迭代次數(shù)，iteration為最大迭代次數(shù)； 捜索范圍共享策略是將單個(gè)粒子的所有維度在某一特定的解空間內(nèi)重新設(shè)定，由 解空間捜索范圍的不同分為全局模式和局部模式，粒子捜索的范圍在全局模式下就是粒子 的初始設(shè)定范圍（xmin，xmax)，粒子捜索的范圍在局部模式下則從所有粒子的個(gè)體最優(yōu)解 饑est中選出最大值饑estmax和最小值饑estmin，組成(Pbestmin,饑estmax)，作為粒子位 置重新的解空間； 解共享策略的設(shè)定改變了原有粒子速度更新的單一性，其計(jì)算公式如下：其中，V為粒子的速度，i為粒子的序號(hào)，j為粒子的維度，S為當(dāng)前迭代次數(shù)，CO為慣 性權(quán)重，C為學(xué)習(xí)因子，r為0到1之間的隨機(jī)數(shù)，Pbest為所有粒子的個(gè)體最優(yōu)解，Gbest為當(dāng) 前迭代次數(shù)下的全局最優(yōu)粒子的位置，X為粒子的位置，a為粒子群中隨機(jī)抽取的一個(gè)粒子 的序號(hào)，rand為0到1之間的隨機(jī)數(shù)；Psi的計(jì)算公式為： 其中，D為粒本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種基于改進(jìn)型粒子群算法的電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配方法，其特征在于，具體步驟如下：1)為電力系統(tǒng)建立一個(gè)粒子群，該粒子群以電力系統(tǒng)中的負(fù)荷作為粒子，并以電力系統(tǒng)中的負(fù)荷分配點(diǎn)作為粒子位置,以系統(tǒng)發(fā)電總費(fèi)用作為目標(biāo)函數(shù)；2)為粒子群設(shè)定最大迭代次數(shù)、初始粒子數(shù)目、最大粒子數(shù)目、當(dāng)前粒子數(shù)目、維度和解空間范圍；3)將當(dāng)前迭代次數(shù)設(shè)定為1；4)采用粒子群算法對(duì)粒子群的粒子位置進(jìn)行更新；5)判斷當(dāng)前迭代次數(shù)，如果當(dāng)前迭代次數(shù)等于最大迭代次數(shù)，則將全局最優(yōu)粒子的位置作為最優(yōu)負(fù)荷分配點(diǎn)，反之則將當(dāng)前迭代次數(shù)加1，并將粒子群中的當(dāng)前粒子位置作為粒子的初始位置，再返回步驟4。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳辰斌，李海明，劉棟，吳正陽(yáng)，武蕾，
申請(qǐng)(專利權(quán))人：上海電力學(xué)院，
類型：發(fā)明
國(guó)別省市：上海;31
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。