基于混合粒子群算法的水火电短期优化调度的研究

【摘要】： 随着国民经济发展对电力需求量的增大及环保的要求,大力发展水电势在必行。电力系统运营市场化机制的实施,以及我国对梯级水电站的大力开发,探讨电力市场模式下的梯级水电站的运营及水库调度工作问题具有重要意义。 电力市场中水火电的短期优化运行是指在某一调度周期内,在满足电力系统约束及水火电机组的约束条件的前提下,最大限度地降低购电费用。从理论上讲,含有梯级水电站的水火电混合电力系统的短期有功负荷调度是一个具有复杂约束条件的动态、有时滞的非线性优化问题,很难找出理论上的最优解,通过一种有效的算法解决该问题,可以在保证系统稳定性及充分考虑各种约束条件的前提下,充分利用水资源,减少整个系统的购电费用。因此解决算法的效率和精度问题是水火电优化调度的一个重要研究方向。 本文的主要研究内容为:以电力市场中全天购电费用最小为数学模型,根据近代数学的随机优化原理,针对基本粒子群算法的两个局限性,将基本粒子群算法与遗传算法、进化规划算法相结合,提出了改进的混合粒子群求解算法。首先针对基本粒子群算法前期精度低,易发散,后期收敛速度较慢的局限性,本文提出了对个体极值加入满足高斯分布的随机变量来扩大邻域搜索,即对寻找到的每一个个体极值用高斯算子做局部搜索,来提高粒子群算法前期的精度及后期的速度;然后针对粒子群算法易陷入局部最优的局限性,采取在基本粒子群基础上结合遗传算法的交叉操作,对将要与当前最优位置重叠的个体引入交叉操作增加种群的多样性,开拓新的搜索空间,逃离局部最优点。从而求得速度和精度都较令人满意的解。 为了验证算法的性能,本文采用改进的混合粒子群算法及基本粒子群算法对国内外普遍使用的测试函数Rastrigin和Rosenbrock进行结果比较,数据表明改进的算法比基本粒子群算法具有更好的全局收敛能力。并将改进的混合粒子群算法应用到水火电的短期优化调度中,计算中充分考虑了系统负荷平衡约束、水量平衡约束、机组的旋转备用约束等条件。通过与基本粒子群算法的结果比较,验证了提出的混合粒子群算法速度和精度有所提高,并具有更好的全局收敛性。