一种基于分布式非凸优化算法的电力系统经济调度方法专利检索-遗传算法进化算法人工智能专利检索查询-专利查询网

一种基于分布式非凸优化 算法的电力系统经济调度方法

阅读：842发布：2020-05-08

专利汇可以提供一种基于分布式非凸优化算法的电力系统经济调度方法专利检索，专利查询，专利分析的服务。并且一种基于分布式非凸优化算法的电力系统经济调度方法，先获取电网的发电参数，以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数；随机建立特定规模的初始种群，组成不同的经济调度方案，计算各个组合个体的适应度，将组合个体切割为真正的个体，每个个体拥有对应种群；执行选择操作选择相对优良的个体添加到新的种群中，执行交叉操作；执行模拟退火变异操作；调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束，循环执行后选取循环中记录下的最佳组合个体作为最佳经济调度方案。本发明有效满足分布式电力系统经济调度要求。，下面是一种基于分布式非凸优化算法的电力系统经济调度方法专利的具体信息内容。

权利要求

1.一种基于分布式非凸优化算法的电力系统经济调度方法,其特征在于，所述方法包括以下步骤：
1)获取电网系统的发电参数，其中包括系统中各发电机的发电代价函数和发电机负载上下限；
2)以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数；
3)随机建立特定规模的初始种群，组成不同的经济调度方案；
4)计算各个组合个体的适应度；
5)将组合个体切割为真正的个体，每个个体拥有对应种群；
6)根据4)中计算好的组合个体适应度，利用轮盘赌法执行选择操作，选择相对优良的个体添加到新的种群中；
7)根据指定的交叉概率pc，对6)得到的新种群中的相邻个体执行交叉操作，再次形成新种群；
8)根据指定的变异概率pm，对7)得到的新种群执行模拟退火变异操作，再次形成新种群；
9)调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束；
10)返回4)，循环执行共n次，并记录n次循环中的最佳组合个体；
11)将10)中的最佳组合个体作为最佳的经济调度方案。
2.根据权利要求1所述的基于分布式非凸优化算法的电力系统经济调度方法,其特征在于，所述步骤5)的过程如下：
5.1)区别于传统遗传算法直接使用电力系统内所有发电机的发电组合作为个体，将单个发电机的发电量作为个体；
5.2)将单个发电机的发电量作为个体后，个体自然继承了组合个体的种群对应的分量，将此分量作为个体的种群。
3.根据权利要求1或2所述的基于分布式非凸优化算法的电力系统经济调度方法,其特征在于，所述步骤8)的过程如下：
8.1)根据指定的变异概率pm，暂存变异结果；
8.2)计算变异后新的适应度与变异前适应度的差值δ：
δ＝Fm-F (1)
其中Fm是变异后的适应度值，F是变异前的适应度值；
8.3)若变异后适应度更大，则直接接受变异；若变异后适应度变小，则以一定的退火概率ps执行变异：
其中，T0是初始温度，g是当前迭代次数。

说明书全文

一种基于分布式非凸优化算法的电力系统经济调度方法

技术领域

[0001] 本发明属于电网优化领域，具体提供一种基于分布式非凸优化算法的电力系统经济调度方法，它能利用分布式系统相对更高的经济性、安全性、灵活性、扩展性等优点，计算不同功率需求下的电力系统经济调度策略，提高电力系统的服务效能。

背景技术

[0002] 电力系统的运行与控制是一类重要的优化问题。其本质在于满足供需功率平衡、线路潮流和发电机功率上下限等约束条件的前提下，最大程度提高电网系统的经济性和实时性，降低发电过程中各环节带来的损耗。近年来，电力来源急剧增多，电网规模急剧膨胀，集中式电力调度系统的压力骤增。如果中央服务器无法承受运算高压而崩溃，或是遭遇黑客攻击，都将宣告整个调度系统的瘫痪并可能导致巨大的经济损失。因此，分布式电力调度系统应运而生。

[0003] 在大型的、复杂的电力调度问题中，非凸优化问题一直困扰着业界的众多学者。遗传算法作为一种新型的随机优化方法，已成功解决了工业、商业等众多领域的非凸优化问题。然而，传统遗传算法虽然在计算结果上表现良好，然而其算法本身却是典型的集中式算法。因此传统遗传算法只能运行在集中式的电力系统经济调度框架下，无法实现更加经济、安全、灵活的分布式调度功能。

发明内容

[0004] 为了克服现有技术难以满足分布式电力系统经济调度要求的不足，本发明一种基于分布式非凸优化算法的电力系统经济调度方法，有效满足分布式电力系统经济调度要求。

[0005] 本发明为解决上述技术问题提供了如下技术方案：

[0006] 一种基于分布式非凸优化算法的电力系统经济调度方法，包括以下步骤：

[0007] 步骤1)，获取电网系统的发电参数，其中包括系统中各发电机的发电代价函数和发电机负载上下限；

[0008] 步骤2)，以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数；

[0009] 步骤3),随机建立特定规模的初始种群，组成不同的经济调度方案；

[0010] 步骤4)，计算各个组合个体的适应度；

[0011] 步骤5)，将组合个体切割为真正的个体，每个个体拥有对应种群；

[0012] 步骤6)，根据4)中计算好的组合个体适应度，利用轮盘赌法执行选择操作，选择相对优良的个体添加到新的种群中；

[0013] 步骤7)，根据指定的交叉概率pc，对6)得到的新种群中的相邻个体执行交叉操作，再次形成新种群；

[0014] 步骤8)，根据指定的变异概率pm，对7)得到的新种群执行模拟退火变异操作，再次形成新种群；

[0015] 步骤9)，调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束；

[0016] 步骤10)，返回4)，循环执行共n次，并记录n次循环中的最佳组合个体；

[0017] 步骤11)，将10)中的最佳组合个体作为最佳的经济调度方案。

[0018] 进一步，所述步骤5)的过程如下：

[0019] 5.1)区别于传统遗传算法直接使用电力系统内所有发电机的发电组合作为个体，将单个发电机的发电量作为个体；

[0020] 5.2)将单个发电机的发电量作为个体后，个体自然继承了组合个体的种群对应的分量，将此分量作为个体的种群。

[0021] 再进一步，所述步骤8)的过程如下：

[0022] 8.1)根据指定的变异概率pm，暂存变异结果；

[0023] 8.2)计算变异后新的适应度与变异前适应度的差值δ：

[0024] δ＝Fm-F (1)

[0025] 其中Fm是变异后的适应度值，F是变异前的适应度值；

[0026] 8.3)若变异后适应度更大，则直接接受变异；若变异后适应度变小，则以一定的退火概率ps执行变异：

[0027]

[0028] 其中，T0是初始温度，g是当前迭代次数。

[0029] 本发明的技术构思为：先获取电网的发电参数，以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数。随机建立特定规模的初始种群，组成不同的经济调度方案，计算各个组合个体的适应度，将组合个体切割为真正的个体，每个个体拥有对应种群。利用轮盘赌法执行选择操作，选择相对优良的个体添加到新的种群中，根据指定的交叉概率执行交叉操作，再次形成新种群；根据指定的变异概率执行模拟退火变异操作，再次形成新种群。调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束，循环执行后选取循环中记录下的最佳组合个体作为最佳经济调度方案。

[0030] 本发明的有益效果为：有效满足分布式电力系统经济调度要求。附图说明

[0031] 图1是本发明基于分布式非凸优化算法的电力系统经济调度方法50次实验对比图。

[0032] 图2是本发明基于分布式非凸优化算法的电力系统经济调度方法最优解对比图。

[0033] 图3是基于分布式非凸优化算法的电力系统经济调度方法的流程图。

具体实施方式

[0034] 为使本发明的目的、技术方案和优点更加清晰，下面结合附图和实际实验对本发明的技术方案作进一步描述。

[0035] 参照图1～图3，一种基于分布式非凸优化算法的电力系统经济调度方法，先获取电网的发电参数，以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数；随机建立特定规模的初始种群，组成不同的经济调度方案，计算各个组合个体的适应度，将组合个体切割为真正的个体，每个个体拥有对应种群。利用轮盘赌法执行选择操作，选择相对优良的个体添加到新的种群中，根据指定的交叉概率执行交叉操作，再次形成新种群；根据指定的变异概率执行模拟退火变异操作，再次形成新种群；调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束，循环执行后选取循环中记录下的最佳组合个体作为最佳经济调度方案。

[0036] 一种基于分布式非凸优化算法的电力系统经济调度方法,所述方法包括以下步骤：

[0037] 1)获取电网系统的发电参数，其中包括系统中各发电机的发电代价函数和发电机负载上下限；

[0038] 2)以提升发电效率，降低总发电代价为目标，将每个发电机的发电功率看作个体，将系统中各发电机的组合看作组合个体，设计面向组合个体的适应度函数；

[0039] 3)随机建立特定规模的初始种群，组成不同的经济调度方案；

[0040] 4)计算各个组合个体的适应度；

[0041] 5)将组合个体切割为真正的个体，每个个体拥有对应种群；

[0042] 6)根据4)中计算好的组合个体适应度，利用轮盘赌法执行选择操作，选择相对优良的个体添加到新的种群中；

[0043] 7)根据指定的交叉概率pc，对6)得到的新种群中的相邻个体执行交叉操作，再次形成新种群；

[0044] 8)根据指定的变异概率pm，对7)得到的新种群执行模拟退火变异操作，再次形成新种群；

[0045] 9)调整个体，使个体满足发电上下限约束且组合个体满足发电等式约束；

[0046] 10)返回4)，循环执行共n次，并记录n次循环中的最佳组合个体；

[0047] 11)将10)中的最佳组合个体作为最佳的经济调度方案。

[0048] 所述步骤5)的过程如下：

[0049] 5.1)区别于传统遗传算法直接使用电力系统内所有发电机的发电组合作为个体，将单个发电机的发电量作为个体；

[0050] 5.2)将单个发电机的发电量作为个体后，个体自然继承了组合个体的种群对应的分量，将此分量作为个体的种群.

[0051] 所述步骤8)的过程如下：

[0052] 8.1)根据指定的变异概率pm，暂存变异结果；

[0053] 8.2)计算变异后新的适应度与变异前适应度的差值δ：

[0054] δ＝Fm-F (1)

[0055] 其中Fm是变异后的适应度值，F是变异前的适应度值；

[0056] 8.3)若变异后适应度更大，则直接接受变异；若变异后适应度变小，则以一定的退火概率ps执行变异：

[0057]

[0058] 其中，T0是初始温度，g是当前迭代次数。

[0059] 从实验结果(图1)可以看出，本发明利用分布式非凸优化算法的电力系统经济调度方法代替传统集中式遗传算法，降低计算资源占用，降低信息泄露风险，其结果可以满足实际应用经济性、安全性、灵活性要求。

[0060] 以上结合附图详细说明和陈述了本发明的实施方式，但并不局限于上述方式。在本领域的技术人员所具备的知识范围内，只要以本发明的构思为基础，还可以做出多种变化和改进。

标题	发布/更新时间	阅读量
基于遗传算法优化支持向量机多分类器的台区低电压风险识别方法	2020-05-08	479
一种基于BP神经网络电力负荷预测的虚拟坐席系统及其控制方法	2020-05-08	683
基于自由能模型的GMM-FBG交流电流传感器	2020-05-11	34
一种大规模柔性作业车间调度优化方法	2020-05-11	455
一种基于云自适应遗传算法的大型高速回转装备不平衡量的双目标优化方法	2020-05-08	480
并联机构旋转空间最大化的设计方法和装置	2020-05-11	139
一种通过调整轴承标高控制联合循环机组振动的优化方法	2020-05-11	599
基于形心矢量和极小化的大型高速回转装备多级零部件不平衡量堆叠装配方法和装置	2020-05-11	506
车联网环境下基于IGA-BP神经网络的车辆碰撞预警系统及方法	2020-05-08	639
信息审核方法及装置	2020-05-08	714

一种基于分布式非凸优化算法的电力系统经济调度方法

一种基于分布式非凸优化算法的电力系统经济调度方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：