【技术实现步骤摘要】
本专利技术属于经济调度优化，尤其是涉及一种基于动态子空间搜索的动态经济调度优化方法。
技术介绍
1、在我们的日常生活中，电力有着不可或缺的作用。在我国的电力供应组成中，火力发电一直占着最高的比例，这可以看出煤炭资源的重要性。同时，在发电机组发电的过程中，不可避免的产生大量的污染排放，比如co2、so2和nox等。然而，随着经济的发展和人口的增加，对电力的需求持续增长，碳排放量也逐渐增长，环境污染和温室效应也越来越严重。为了最大程度减少环境污染对人们生活的影响。基于此，研究人员对电力系统动态环境经济调度优化问题(dynamic economic emission dispatching，deed)也逐渐重视起来，在考虑发电成本的同时尽力使污染物的排放量达到最小。由于一天内不同时间段对电力的需求不同，这要求电力系统必须有效且灵活地管理和调度发电资源，以满足不断变化的负荷需求。
2、在deed中，在满足供需平衡，发电机组爬坡约束等各类约束条件内，根据每个时刻的电力需求，合理的调度各个发电机组的电力输出。由于发电机组需要满足供需平衡，且包含各类输出限制等造成其具有复杂的约束条件；并且，由于发电机组的运行特性以及阀点效应的存在，造成其目标存在非线性特性；此外，由于包含多个发电机组，且需要对每个发电机的每个时刻进行调度，造成了变量存在大规模特性。这些困难使得现有方法难以提供更有的解决方案。
技术实现思路
1、本专利技术目的是提供一种基于动态子空间搜索的动态经济调度优化方法，为dee
2、本专利技术采用的技术方案为：基于动态子空间搜索的动态经济调度优化方法，包括以下步骤：
3、s1，建立模型，基于发电机组的物理特性以及电力需求建立优化目标和约束条件；
4、s11，将最小化燃料消耗和最小化污染排放量作为模型的优化目标；
5、s12，根据发电机组的物理特性，将电平衡约束、电力输出限制约束和发电机爬坡约束作为需要满足的约束条件；
6、s2，利用基于动态子空间搜索的优化方法对优化目标和约束条件执行操作。
7、进一步，所述最小化燃料消耗：
8、
9、式中：t代表调度周期，n是发电机的数量，pi,t是第i个发电机在第t个时刻的输出功率，pi,min表示第i个发电机的最低输出功率，ai、bi、ci、di和ei是第i个发电机的成本系数；
10、所述最小化污染排放量：
11、
12、式中，αi、ηi、γi、ζi和是第i个发电机的排放成本系数。
13、进一步，所述约束条件包括电平衡约束、电力输出限制约束和发电机爬坡约束；
14、所述电平衡约束
15、
16、式中：pd,t代表t时刻的所需总功率负荷，pl,t是t时刻的电力传输损耗，其具体计算公式如下：
17、
18、式中：bi,j、bi,0和b0,0是电力系统的传输损耗系数；
19、所述电力输出限制约束
20、pi,min≤pi,t≤pi,max (5)
21、式中：pi,min和pi,max分别为第i个发电机的最低和最大输出功率；
22、所述发电机爬坡约束
23、pi,t-pi,t-1≤ur,i
24、pi,t-1-pi,t≤lr,i (6)
25、式中：ur,i和lr,i是第i个发电机的上升和下降速率限制。
26、进一步，步骤s2包括以下步骤：
27、s21，初始化大小为np的种群p；
28、s22，记录所使用的计算资源fe＝np；
29、s23，执行考虑角度和长度信息的决策变量分析方法，其使用的计算资源为ns*d*ndv；
30、s24，设置最大计算资源maxfe＝maxfe-ns*d*ndv；
31、式中，ns表示用于决策变量分析的解的数量，d是问题的决策变量数目，ndv是每个决策变量被扰动的次数；
32、s25，执行基于概率的子代生成策略，产生子代种群o；
33、s26，设置p＝p∪o；
34、s27，执行改进的epsilon环境选择方法，选择np个个体组成新的种群p；
35、s28，设置fe＝fe+np；
36、s29，判断是否达到最大计算资源，若达到，则输出种群p，反之，则跳至s25。
37、进一步，s23的具体步骤包括：
38、s231，对每一个决策变量d，从种群p中随机选择ns个个体用于决策变量分析；
39、s232，对每一个选择的个体k，将其第d个决策变量随机扰动ndv次，将新产生的个体存储到临时种群temp；
40、s233，计算每个temp中所有个体的目标值，并拟合为一条线段，计算其长度ld,k；
41、s234，计算拟合的线段与f1+…+fm＝1的法线之间的角度αd,k；
42、s235，判断是否每一个选择的个体都被扰动，若是，则跳至s236；反之则跳至s232；
43、s236，计算角度矩阵ɑd,k的平均值ɑd，以及长度矩阵ld,k的平均值ld；
44、s237，判断是否对每一个决策变量都进行了扰动，若是，则调至s238；反之则跳至s231；
45、s238，归一化矩阵ɑd和ld；
46、s239，计算结合角度和长度信息的指标r＝ɑ-l；
47、s2310，基于指标r将决策变量进行排序，得到排序向量r_dv。
48、进一步，s25的具体步骤包括：
49、s251，基于排序向量r_dv设置每个决策变量的初始优化概率ipd，最小为0，最大为1；
50、s252，对每个决策变量进行变异操作，其中每个决策变量进行变异的概率为ipd；
51、s253，更新决策变量的优化概率opd＝(1-ipd)*tanh(g*fe/maxfe)+ipd；
52、s254，将变异后的决策变量作为子代o进行输出。
53、本专利技术所具有的有益效果为：
54、(1)本专利技术通过设置决策变量优化概率，降低决策变量维度；
55、(2)本专利技术通过优先搜索贡献度高的决策变量组成的搜索子空间，提升算法的收敛速度；
56、(3)本专利技术鲁棒性强，可适用于不同场景下的电力调度。
本文档来自技高网...【技术保护点】
1.基于动态子空间搜索的动态经济调度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于：所述最小化燃料消耗：
3.根据权利要求1所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于：所述约束条件包括电平衡约束、电力输出限制约束和发电机爬坡约束；所述电平衡约束
4.根据权利要求1所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于：步骤S2包括以下步骤：
5.根据权利要求4所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于，S23的具体步骤包括：
6.根据权利要求4所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于，S25的具体步骤包括：
【技术特征摘要】
1.基于动态子空间搜索的动态经济调度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于：所述最小化燃料消耗：
3.根据权利要求1所述的基于动态子空间搜索的动态经济调度优化方法，其特征在于：所述约束条件包括电平衡约束、电力输出限制约束和发电机爬坡约束；所述电平衡...
【专利技术属性】
技术研发人员：班旋旋，梁静，乔康加，于坤杰，岳彩通，
申请(专利权)人：郑州大学，
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。