【技术实现步骤摘要】
本申请涉及水电发电，尤其涉及一种基于遗传算法的水电站发电机组有功出力优化分配方法。
技术介绍
1、随着全球能源需求的持续增长和能源结构转型的加速推进，水电作为清洁、可再生的能源形式，在能源供应体系中扮演着日益重要的角色。水电站作为水电能源的主要转换设施，其运行效率和经济性直接关系到整个能源系统的稳定性和可持续发展。国内外大量资料表明，实行水电站厂内经济运行可提高经济效益1％～3％，因此系统负荷在运行机组间的恰当分配，对实现水电站的最优运行以获得最大的经济效益有着非常重要的意义。
2、目前水电机组出力优化分配问题的求解方法主要包括传统优化算法和智能算法两类。传统优化算法结构较为简单，但无法适应当前非线性高维优化求解问题。而智能算法在求解过程中依赖于初始解和搜索策略，当搜索空间中存在多个局部最优解时，算法可能过早地收敛到其中一个局部最优解，从而错过了全局最优解。同时智能算法的性能往往受到其参数设置的影响。例如，遗传算法中的交叉概率、变异概率，粒子群算法中的惯性权重、学习因子等参数的设置都会直接影响算法的搜索效率和求解质量，不恰当的参数设置可能导致算法性能下降，甚至无法找到满意解。
技术实现思路
1、为实现上述目的，本申请提供如下技术方案：
2、根据本专利技术第一方面，本专利技术请求保护一种基于遗传算法的水电站发电机组有功出力优化分配方法，包括：
3、s1，获取水电站不同类型发电机组发电流量特性曲线、水头损失曲线、稳定运行曲线、下游水位流量关系曲线基础
4、s2，按照给定的水电站发电分厂发电计划确定不同的发电分厂开机组合方式；
5、s3，在不同的发电分厂开机组合方式下，以水电站各发电分厂发电计划和上游水位、下游电站水库水位作为输入条件，以发电机组有功出力作为状态变量，综合考虑发电机组出力稳定运行限制、电网安全稳定控制系统对发电机组出力限制作为运行约束条件，安排每台水轮发电机组有功出力，进行目标函数寻优求解所述水电站的最小发电流量；
6、s4，随机分配所述水电站的各发电分厂的前n-1台发电机组的有功出力，第n台发电机组的有功出力由发电分厂的发电计划和前n-1台发电机组的有功出力确定，各发电分厂的前n-1台发电机组有功出力对应的二进制编码作为初始种群；
7、s5，根据所述运行约束条件和发电流量计算公式，结合惩罚函数，构建水电站发电机组有功出力优化分配数学模型，计算种群中各染色体的适应度；
8、s6，依照轮盘算法对所述种群染色体进行交叉，并对交叉染色体的后代进行变异操作；
9、s7，依据优胜略汰，淘汰新一代和上一代群体中适应度低的染色体，保留适应度高的染色体作为新一代群体；
10、s8，重复s3-s7，直至群体迭代达到指定次数。
11、进一步地，所述s2中，还包括：
12、根据水电站各发电分厂的发电计划，以发电机组额定出力为单台发电机组出力上限，采用公式(1)初步确定发电分厂最小开机台数：
13、
14、式中：nk，min为水电站第k个发电分厂最小开机台数；cpk为发电分厂发电计划；dpk，max为发电机组额定出力；
15、以稳定运行区最小水头对应的最小出力作为单台发电机组出力下限，采用公式(2)初步确定分厂的最大开机台数：
16、
17、式中：nk，max为发电分厂最大开机台数；dpk，min为机组稳定运行区最小水头对应的最小出力；bk为发电分厂装机台数。
18、进一步地，所述s4，还包括：
19、前(n-1)台发电机组的有功出力按照σk离散，则每台发电机组有功出力pk，i共有zk＝(dpk，max-dpk，min)/σk+1个解：
20、pk，i∈(dpk，min，dpk，min+σk,dpk，min+2σk，…,dpk,max) (3)。
21、进一步地，所述s4，还包括：
22、分别给前(n-1)台发电机组取一个小于等于zk的整数ik，i，则第i台发电机组有功出力为：
23、pk，i＝dpk,min+ik，i×σk (4)
24、最后一台发电机组有功出力pk，n为发电分厂发电计划与前(n-1)台发电机组有功出力之差为：
25、
26、若最后一台发电机组有功出力满足最大最小出力限制约束，则发电机组序列(i1，i2，…，in-1)对应的二进制编码可作为水电站发电分厂染色体。
27、进一步地，所述s4，还包括：
28、将所有发电分厂的染色体组合形成一条完整染色体，每条染色体共包含基因数量为：
29、
30、式中：jk为zk对应的二进制编码长度。
31、进一步地，所述s5，还包括：
32、使用适应度f来度量群体中各个染色体在优化计算中找到最优解的优良程度；
33、适应度高的染色体遗传到下一代的概率大，适应度低的染色体遗传到下一代的概率就小；
34、为寻找水电站的发电流量最小值，对目标函数进行相应线性转换，适应度函数为：
35、
36、式中：const1、const2为常量；c1为水电站发电机组稳定运行要求出力惩罚因子；f1(pk，i)为水电站发电机组稳定运行要求出力松弛变量；c2为电网安全稳定控制系统要求出力惩罚因子；f2(pk，i)为电网安全稳定控制系统要求出力松弛变量；c3为水电站发电机组最大最小要求出力惩罚因子；f3(pk，i)为水电站发电机组最大最小要求出力松弛变量。
37、进一步地，所述s6，还包括：
38、将选择操作产生的染色体两两配对，按照均匀交叉原则进行基因交叉操作：
39、随机生成大于等于0且小于1浮点数，若小于交叉概率pc则互换基因，将优良基因遗传给下一代，产生新的优秀染色体。
40、交叉概率pc设置的越大，新染色体产生的速度就越快，同时遗传模式被破坏的可能性也越大，破坏优秀的基因组合；
41、交叉概率pc设置的过小，搜索过程变得缓慢；
42、在染色体交叉时采用自适应交叉概率，增大种群中适应度低的染色体的交叉概率，加快收敛速度；
43、对于种群中适应度高的染色体，减小交叉概率，保护种群中优秀染色体不被破坏，交叉概率设置如下：
44、
45、式中：pc1、pc2为常量；f′为两个被选择进行交叉的染色体中较大的适应度值；favg为种群中所有染色体适应度平均值；fmax为种群中所有染色体适应度最大值。
46、若交叉后下一代染色体对应的发电机组有功出力不满足小于等于发电机组额定出力和大于等于稳定运行区最小水头对应的最小出力要求，则重新进行交叉操作直至满足最大最小出力要求。
47、进一步地，所述s6，还包括：
48、为了防止遗传算法在优化过本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S2中，还包括：
3.根据权利要求2所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S4，还包括：
4.根据权利要求3所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S4，还包括：
5.根据权利要求4所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S4，还包括：
6.根据权利要求5所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S5，还包括：
7.根据权利要求6所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S6，还包括：
8.根据权利要求7所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述S6，还包括：
9.根据权利要求1所述的一种基于遗传算法的水电站
10.根据权利要求1所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，还包括：
...【技术特征摘要】
1.一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述s2中，还包括：
3.根据权利要求2所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述s4，还包括：
4.根据权利要求3所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述s4，还包括：
5.根据权利要求4所述的一种基于遗传算法的水电站发电机组有功出力优化分配方法，其特征在于，所述s4，还包括：
6....
【专利技术属性】
技术研发人员：段尧彬，贾亚，栾俊，李魏龙，郑林祥，陈平，黄飞，卢克勤，吕成，李大领，刘邓，满翰林，许利文，王仲昌，赵传辉，罗杭，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：
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。