基于鸽群算法和BP费用预测网络的有功调度求解方法技术

本发明专利技术属于电力系统优化调度技术领域，涉及潮流计算、智能算法改进及神经网络应用等技术领域，具体涉及一种基于鸽群算法和BP费用预测网络的有功调度求解方法；所述方法中通过基于劣势解更新策略和非线性权重系数改进了基本鸽群算法求解电网多目标有功调度问题的性能，成功获得均匀分布的帕累托非劣解集，并求得最优折衷调度方案。本发明专利技术还构建了一个基于BP神经网络的燃料费用预测网络，将折衷调度方案输入到BP神经网络中，能够以较小的时间成本确定出多个高质量的电网多目标有功调度方案。本发明专利技术能有效降低电网运行的燃料费用、功率损耗和废气排放等目标，从而满足决策者的多样需求。求。求。

【技术实现步骤摘要】
基于鸽群算法和BP费用预测网络的有功调度求解方法


[0001]本专利技术属于电力系统优化调度
，涉及潮流计算、智能算法改进及神经网络应用等
，具体涉及一种基于鸽群算法和BP费用预测网络的有功调度求解方法。

技术介绍

[0002]传统电力系统优化运行的研究重点是实现发电机功率的合理分配使得发电成本或燃料消耗尽可能地减小，注重于提高电力系统运行的经济性。然而，随着研究的深入，电力研究者意识到除经济性能外，提高电力系统的安全性、稳定性也是十分必要的；而电力系统有功调度问题的研究对实现电力系统的经济、安全运行意义重大。
[0003]因此，较为完善的单目标有功调度模型应运而生；单目标有功调度问题研究旨在通过在有效范围内调整发电机节点电压、无功补偿量、发电机有功功率和变压器变比等可调变量，分别实现电力系统功率损耗或者燃料成本的最小化。但单目标有功调度仅考虑了实现单一目标的最优化，具有一定的局限性，不能满足用户的多样需求。基于此，多目标有功调度问题考虑两个及以上目标的同时优化，涉及到燃料费用最小化、功率损耗最小化、氮硫化物等有害气体排放量最小化等目标，能够更综合、更全面地对电力系统工作状态进行评估。
[0004]然而，目标之间的不同量纲和竞争关系使得线性规划等传统方法求解多目标有功调度问题更加困难。此外，多目标有功调度问题同时具有连续型和离散型控制变量，这也是传统方法不适用于求解此问题的重要原因。因此，诸如智能算法、神经网络等日益成熟的计算机技术为求解具有非凸、非线性和高维特征的多目标有功调度问题提供了更便捷的工具。本专利技术中改进鸽群算法和基于BP的费用预测网络能够较好地解决传统方法求解有功调度问题时易陷入局部最优以及无法处理不可导目标函数的不足，同时能够以较小的时间成本获得多个高质量有功调度方案，更符合决策者的多样需求。

技术实现思路

[0005]基于现有技术存在的问题，本专利技术旨在求解电力系统多目标有功调度问题，提出了一种整合了劣势解更新策略和非线性权重系数的改进鸽群算法、构建了一个基于BP神经网络的基本燃料费用预测模型，从而确定了多个满足系统约束、降低了电力系统燃料费用、功率损耗和废气排放的高质量调度方案。本专利技术的技术方案如下：
[0006]一种基于鸽群算法和BP费用预测网络的有功调度求解方法，所述方法包括：
[0007]根据电力系统中燃料费用、功率损耗以及废气排放的需求，建立出电力系统多目标有功调度模型；
[0008]根据电力系统结构和电力器件的有效运行范围，采用多目标鸽群算法求解电力系统多目标有功调度问题，在有效运行范围内随机产生N个初始调度方案；
[0009]对N个初始调度方案进行潮流计算，确定出每个初始调度方案的m个目标函数值和违反约束值；
[0010]执行多目标鸽群算法的地图搜索和地标搜索，根据整合非线性权重系数的速度公式和位置公式更新N个初始调度方案；
[0011]将更新前后的2N个调度方案进行整合，删除其中的重复调度方案，得到Nt个候选潮流调度方案；
[0012]采用基于m个目标函数值、违反约束值的非劣全排序方法，从Nt个候选潮流调度方案筛选出帕累托非劣解集的N个暂定调度方案；
[0013]当满足多目标鸽群算法的迭代终止条件时，对暂定调度方案进行劣势解再更新操作，根据有效占优策略确定出帕累托非劣解集的N个最终调度方案；
[0014]基于模糊满意隶属度从所述帕累托非劣解集的N个最终调度方案中确定出一个相对最优的折衷调度方案；
[0015]根据折衷调度方案对应的发电机节点有功出力、发电机节点电压、有载调压变压器和无功补偿投切确定精英调度方案的有效搜索范围，在有效搜索范围内随机产生Np个调度方案；
[0016]采用基于BP的燃料费用预测网络预测所述Np个调度方案的燃料费用值，从Np个调度方案中筛选出预测费用小于折衷调度方案费用的Ne个优势调度方案；
[0017]对Ne个优势调度方案进行潮流计算，确定出每个优势调度方案的m个目标函数值和违反约束值，并从Ne个优势调度方案中确定出违反约束值为0且m个目标函数值均小于折衷调度方案目标函数值的电力系统多目标有功调度的精英调度方案。
[0018]本专利技术的有益效果：
[0019]1、本专利技术采用基本鸽群算法求解电力系统多目标有功调度问题时，由于种群多样性不佳易陷入局部最优解，使得求得的帕累托非劣解集分布均匀性也有较大的改进空间。更进一步的，本专利技术在鸽群算法的地图搜索模型中的速度更新公式中整合非线性权重系数，按照改进后的速度更新公式更新调度方案，能够提高解集多样性、避免由于多样性不佳导致的过早收敛。另外，本专利技术还在鸽群算法中进行结合了有效占优策略的劣势解再更新操作，从而进一步提高了候选调度方案的性能，同时避免了优势方案的流失。求解电力系统多目标有功调度问题时，本专利技术中的改进鸽群算法获得了分布均匀的、多样性良好的帕累托前端，比传统的鸽群算法相比竞争优势明显。
[0020]2、本专利技术将状态变量不等式约束的约束违反值纳入帕累托占优规则，为满足所有系统约束的候选调度方案分配了更高的采用优先级。在实现零约束违反的前提下，再降低m个优化目标值。本专利技术中约束优先的不等式约束处理方法在不同规模的电力系统中均能实现POS解集中每个调度方案的零约束违反。
[0021]3、本专利技术构建基于BP神经网络的燃料费用预测网络，在改进鸽群算法确定的最优折衷方案BCS附近的小范围内发掘多个采用优先级更高的精英调度方案WES。WES方案实现了零约束违反，且对应的m个优化目标均小于BCS方案。适用于电力系统多目标有功调度问题的BP费用预测网络模型简单、预测精度高、时间成本小，能够成功地为电力决策者提供多个高质量的调度运行方案。
附图说明
[0022]图1是本专利技术实施例中一种电力系统有功调度的求解架构图；
[0023]图2是本专利技术实施例中基于改进鸽群算法和BP费用预测网络的电网有功调度求解方法流程图；
[0024]图3是本专利技术实施例中采用多目标鸽群算法求解电力系统多目标有功调度问题的主要流程图；
[0025]图4是本专利技术实施例中基本和改进鸽群算法求解IEEE30节点系统上双目标有功调度问题获得的帕累托前端仿真结果图；
[0026]图5是本专利技术实施例中改进鸽群算法同时优化IEEE30节点系统上燃料费用和废气排放目标获得的POS解集和BCS方案仿真结果图；
[0027]图6是基本和改进鸽群算法求解IEEE30节点系统上三目标有功调度问题获得的帕累托前端仿真结果图；
[0028]图7是改进鸽群算法同时优化IEEE30节点系统上费用、网损和排放目标获得的POS解集和BCS方案仿真结果图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鸽群算法和BP费用预测网络的有功调度求解方法，其特征在于，所述方法包括：根据电力系统中燃料费用，以及功率损耗或/和废气排放的需求，建立出电力系统多目标有功调度模型；根据电力系统结构和电力器件的有效运行范围，采用多目标鸽群算法求解电力系统多目标有功调度问题，在有效运行范围内随机产生N个初始调度方案；对N个初始调度方案进行潮流计算，确定出每个初始调度方案的m个目标函数值和违反约束值；执行多目标鸽群算法的地图搜索和地标搜索，根据整合非线性权重系数的速度公式和位置公式更新N个初始调度方案；将更新前后的2N个调度方案进行整合，删除其中的重复调度方案，得到Nt个候选潮流调度方案；采用基于m个目标函数值、违反约束值的非劣全排序方法，从Nt个候选潮流调度方案筛选出帕累托非劣解集的N个暂定调度方案；当满足多目标鸽群算法的迭代终止条件时，对帕累托非劣解集的暂定调度方案进行劣势解再更新操作，根据有效占优策略确定出帕累托非劣解集的N个最终调度方案；基于模糊满意隶属度从所述帕累托非劣解集的N个最终调度方案中确定出一个相对最优的折衷调度方案；根据折衷调度方案对应的发电机节点有功出力、发电机节点电压、有载调压变压器和无功补偿投切确定精英调度方案的有效搜索范围，在有效搜索范围内随机产生Np个调度方案；采用基于BP的燃料费用预测网络预测出所述Np个调度方案的燃料费用值，从Np个调度方案中筛选出预测费用小于折衷调度方案费用的Ne个优势调度方案；对Ne个优势调度方案进行潮流计算，确定出每个优势调度方案的m个目标函数值和违反约束值，并从Ne个优势调度方案中确定出违反约束值为0且m个目标函数值均小于折衷调度方案目标函数值的电力系统多目标有功调度的精英调度方案。2.根据权利要求1所述的一种基于鸽群算法和BP费用预测网络的有功调度求解方法，其特征在于，所述电力系统多目标有功调度模型包括：min F＝(f1(x),f2(x),
…
,f
m
(x))s.t.C1：C2：C3：C4：C5：T
imin
≤T
i
≤T
imax
,i∈N
T
C6：
C7：C8：C9：C10：其中，F表示电力系统多目标有功调度的优化目标，包括燃料费用、功率损耗或/和废气排放，m(m≥2)是同时优化的目标数量；C1表示电力系统的有功功率平衡的等式约束，P
Gi
表示第i台发电机的有功功率，P
Di
表示第i个负荷节点的有功功率，V
i
表示第i个节点的电压值，V
j
表示第j个节点的电压值，N
i
表示与节点i相连的节点数，G
ij
表示节点i、j的互电导，δ
ij
表示节点i、j之间的相角差，B
ij
表示节点i、j的互电纳，N
n
表示除平衡节点外的节点数；C2表示电力系统的无功功率平衡的等式约束，Q
Di
表示第i个负荷节点的无功功率，N
PQ
表示负荷节点数目；C3表示发电机节点有功功率的不等式约束，表示第i台发电机的最小有功功率，表示第i台发电机的最大有功功率，N
G
表示发电机数量；C4表示发电机电压的不等式约束，表示第i台发电机的最小电压值，V
Gi
表示第i台发电机的电压值，表示第i台发电机的最大电压值；C5表示变压器抽头设置的不等式约束，T
i
表示第i台变压器抽头，T
imin
表示第i台变压器的最小抽头，T
imax
表示第i台变压器的最大抽头，N
T
表示变压器抽头数量；C6表示无功补偿投切的不等式约束，Q
Ci
表示第i台无功补偿器的无功功率，表示第i台无功补偿器的最小无功功率，表示第i台无功补偿器的最大无功功率，N
C
表示无功补偿器数量；C7表示平衡节点的有功功率的不等式约束，P
G1
表示平衡节点的有功功率，表示平衡节点的最小有功功率，表示平衡节点的最大有功功率；C8表示负荷节点电压的不等式约束，V
Li
表示第i个负荷节点的电压值，表示第i个负荷节点的最小电压值，表示第i个负荷节点的最大电压值；C9表示发电机无功输出的不等式约束，Q
Gi
表示第i台发电机的无功功率，表示第i台发电机的最小无功功率，表示第i台发电机的最大无功功率；C10表示线路视在功率的不等式约束，表示第l条线路的最大视在功率，S
l
表示第l条线路的视在功率，N
L
表示线路条数。3.根据权利要求2所述的一种基于鸽群算法和BP费用预测网络的有功调度求解方法，其特征在于，对不满足约束C3～C6所对应的控制变量不等式约束进行规范，表示为：其中，和分别为第i组控制变量的有效上限和下限，第i组控制变量依次为约束C3～C6的控制变量，基于每组控制变量计算相应的状态变量，对状态变量不满足约束C7～C10的调度方案删除；也即是将...

【专利技术属性】
技术研发人员：钱洁，王平，蒲宬亘，彭小利，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：