【技术实现步骤摘要】
一种基于改进差分进化算法的电力系统动态调度方法
本专利技术涉及电力系统动态调度
,尤其是涉及一种基于精英化岛屿种群改进型差分进化算法的电力系统动态调度方法。
技术介绍
差分进化算法通过模仿生物进化的过程在解空间内迭代搜索最优解,广泛应用于解决现实世界中的各类优化问题,效果明显,因此人们对于差分进化算法优化精度和收敛速率提升的研究始终未曾停止。目前,主要的改进方法集中在四个方面:一是对算法控制参数的改进,例如jDE算法,通过给每个个体分配不同的变异、交叉概率,并根据两个指定的阈值对其进行动态调整,使算法自适应的平衡全局搜索与局部搜索能力。二是对算法变异策略的改进,例如SaDE算法在每次变异时,从多种变异策略中自适应地选择一种适合的策略执行,增强寻优能力。三是对种群结构进行改进,例如岛屿模型将全种群划分为多个子种群(岛屿),利用岛屿间的基因隔离,增加种群多样性,从而提升优化精度。四是结合方向一二三中的几种改进方法的综合改进方法。例如iDE算法在岛屿模型的基础上将调整岛屿大小,并给岛屿分配不同的控制参数,实现全局搜索与局部搜索并重。电力系统动态经济调度(DynamicEconomicDispatch,DED)问题是在某一特定调度周期内满足系统运行约束条件下优化发电机组间功率分配,使系统发电燃料费用最小化的问题。DED是一类复杂时变的优化问题,优化DED除了寻找系统的最小发电燃料费用,还需满足系统运行约束,以便得到的解是可行的。现在已有使用差分进化算法对电力系统进行动态调度进行优化,但是由于差分进化算法并不能保 ...
【技术保护点】
1.一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的动态调度方法包括以下步骤:/n步骤1:根据需要进行动态调度的电力系统的信息,对基于精英化岛屿种群的差分进化算法进行编码,同时初始化种群;/n步骤2:将步骤1的种群划分为若干个岛屿种群,按照适应度值对岛屿种群进行分类;/n步骤3:对各类别的岛屿分别执行变异、交叉操作得到变异子岛屿,并计算变异子岛屿个体适应度;/n步骤4:对变异子岛屿中每个个体进行约束性判断,若满足约束,则执行选择操作;/n步骤5:判断执行间隔,并执行移民和个体迁移操作;/n步骤6:根据适应度值对岛屿进行再次分类;/n步骤7:判断是否满足迭代停止条件,若是,则执行步骤8,否则,返回步骤3;/n步骤8:输出最优解,得到电力负载要求下,燃料费用最低时各发电机组的输出功率;/n步骤9:根据步骤8的输出值对电力系统进行动态调控。/n
【技术特征摘要】
1.一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的动态调度方法包括以下步骤:
步骤1:根据需要进行动态调度的电力系统的信息,对基于精英化岛屿种群的差分进化算法进行编码,同时初始化种群;
步骤2:将步骤1的种群划分为若干个岛屿种群,按照适应度值对岛屿种群进行分类;
步骤3:对各类别的岛屿分别执行变异、交叉操作得到变异子岛屿,并计算变异子岛屿个体适应度;
步骤4:对变异子岛屿中每个个体进行约束性判断,若满足约束,则执行选择操作;
步骤5:判断执行间隔,并执行移民和个体迁移操作;
步骤6:根据适应度值对岛屿进行再次分类;
步骤7:判断是否满足迭代停止条件,若是,则执行步骤8,否则,返回步骤3;
步骤8:输出最优解,得到电力负载要求下,燃料费用最低时各发电机组的输出功率;
步骤9:根据步骤8的输出值对电力系统进行动态调控。
2.根据权利要求1所述的一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的步骤1具体为:
首先根据要进行电力系统进行动态调度的发电系统信息编码解空间,而后初始化个体并平均的随机划分到多个岛屿中。
3.根据权利要求2所述的一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的初始化种群个体需要获取的参数包括最大迭代数G、岛屿数量N、岛屿种群个体数NPi、普通岛屿变异算子F、交叉算子CR、精英岛屿变异算子上界和下界Fu和Fl、精英岛屿交叉算子上界和下界CRu和CRl、根据发电机组数量设立的个体维度D、根据各发电机可工作范围初始化的各维度初始范围上下限集合xMax和xMin、执行移民和个体迁移的间隔代数I、迁移比例R以及收敛误差阈值ε。
4.根据权利要求3所述的一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的步骤2具体为:
根据参数xMax和xMin初始化N个岛屿种群Pi,计算每个Pi中所有个体的适应度值fl以及每个岛屿的适应度均值然后求出每个岛屿内的最佳个体的适应度均值而后与每个岛屿内的最佳个体适应度值bestFitnessn比较,对岛屿进行分类,获得岛屿类型typen。
5.根据权利要求4所述的一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述对岛屿进行分类的方法具体为:
将当前岛屿内最佳个体适应度值bestFitnessn与最佳个体的适应度均值进行比较,若该岛屿内bestFitnessn大于则将该岛屿分类为精英岛屿,将其他岛屿分类为普通岛屿;
精英岛屿中岛屿内的最佳个体适应度值bestFitnessn最好的岛屿分类为最佳岛屿;普通岛屿中岛屿内的最佳个体适应度值bestFitnessn最差的岛屿分类为最差岛屿。
6.根据权利要求5所述的一种基于改进差分进化算法的电力系统动态调度方法,其特征在于,所述的步骤3具体为:...
【专利技术属性】
技术研发人员:曾国荪,丁春玲,钱峥远,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。