差分進(jìn)化算法及其在電力系統(tǒng)隨機(jī)最優(yōu)潮流中的應(yīng)用研究.pdf

1、差分進(jìn)化算法在處理連續(xù)域、非凸、不確定性和全局優(yōu)化問題時(shí)具有優(yōu)勢(shì)，已在包括電力系統(tǒng)最優(yōu)潮流在內(nèi)的諸多領(lǐng)域得到廣泛應(yīng)用。電力系統(tǒng)最優(yōu)潮流是一個(gè)復(fù)雜的非線性優(yōu)化問題，要求在滿足特定的電力系統(tǒng)運(yùn)行安全約束條件下，通過調(diào)整系統(tǒng)中的控制手段實(shí)現(xiàn)預(yù)定目標(biāo)最優(yōu)的系統(tǒng)穩(wěn)定運(yùn)行狀態(tài)，其已經(jīng)成為電力系統(tǒng)規(guī)劃、經(jīng)濟(jì)調(diào)度和市場(chǎng)交易等領(lǐng)域的基礎(chǔ)性工具。實(shí)際上，電力系統(tǒng)運(yùn)行中客觀上存在諸多不確定因素，尤其是近年來隨著大量新能源接入和負(fù)荷成份日益復(fù)雜，與電力系統(tǒng)運(yùn)行

2、決策密切相關(guān)的短期負(fù)荷預(yù)測(cè)和最優(yōu)潮流問題不確定特征日趨突出。為此，本文以差分進(jìn)化算法及其在電力系統(tǒng)隨機(jī)最優(yōu)潮流中的應(yīng)用研究為題展開研究。結(jié)合電力系統(tǒng)負(fù)荷不確定性及其隨機(jī)最優(yōu)潮流的工程特點(diǎn)，對(duì)基于差分進(jìn)化粗糙集決策連續(xù)屬性的模糊離散化方法和模糊粗糙集屬性的簡(jiǎn)約方法進(jìn)行了算法創(chuàng)新研究;研究了基于差分進(jìn)化算法的電力系統(tǒng)短期負(fù)荷不確定性預(yù)測(cè)方法，以獲得負(fù)荷概率分布特征，研究了基于差分進(jìn)化算法的考慮負(fù)荷不確定性的隨機(jī)最優(yōu)潮流求解問題。本文旨在通過

3、差分進(jìn)化算法及其應(yīng)用的創(chuàng)新研究，為電力系統(tǒng)短期負(fù)荷不確定性預(yù)測(cè)和隨機(jī)最優(yōu)潮流問題求解提供新的方法，從而為電力系統(tǒng)分析和決策提供更加豐富的信息。該研究具有重要的科學(xué)和工程意義。
　　 影響電力系統(tǒng)短期負(fù)荷的因素如用電規(guī)律、溫度、風(fēng)速等因素具有隨機(jī)、粗糙、模糊等不確定特征，短期負(fù)荷預(yù)測(cè)中屬性一般是真實(shí)、連續(xù)和模糊的。雖然傳統(tǒng)粗糙集理論在處理上述不確定問題上具有優(yōu)勢(shì)，但其只能直接處理離散屬性。為此，本文進(jìn)行了基于差分進(jìn)化的連續(xù)屬性模糊

4、離散化算法設(shè)計(jì)的創(chuàng)新研究。算法設(shè)計(jì)采用二進(jìn)制離散編碼，種群個(gè)體采用實(shí)數(shù)串表示，增強(qiáng)對(duì)局部最優(yōu)點(diǎn)的搜索;設(shè)計(jì)了模糊隸屬度函數(shù)與適應(yīng)度函數(shù)，適應(yīng)度函數(shù)由離散的斷點(diǎn)數(shù)與等價(jià)類共同確定。由此提出了一種基于差分進(jìn)化算法的粗糙集理論中處理連續(xù)性和模糊性問題的新算法。算例仿真表明了算法的有效性，為處理影響短期負(fù)荷的連續(xù)和模糊屬性因素提供了更加可靠的離散化處理方法。
　　 在基于差分進(jìn)化的連續(xù)屬性模糊離散化基礎(chǔ)上，考慮粗糙集決策表屬性存在重要性

5、、相關(guān)性、冗余的差異且具有模糊性的實(shí)際特點(diǎn)，研究了模糊粗糙集的屬性簡(jiǎn)約問題，提出了一種基于差分進(jìn)化的模糊粗糙集屬性簡(jiǎn)約新算法。算法通過二進(jìn)制離散編碼和適應(yīng)值函數(shù)的設(shè)計(jì)，控制個(gè)體向最小的屬性簡(jiǎn)約的方向進(jìn)化，引入模糊正域下的決策屬性對(duì)條件屬性的依賴度來定義適應(yīng)值函數(shù)。仿真實(shí)驗(yàn)表明，本文所提出的基于差分進(jìn)化的模糊粗糙集屬性簡(jiǎn)約新算法不但能正確而快速地搜索到最小的屬性簡(jiǎn)約，而且當(dāng)數(shù)據(jù)規(guī)模較大時(shí)，更能節(jié)省運(yùn)算時(shí)間。與基于遺傳算法的屬性簡(jiǎn)約方法相比

6、，其收斂速度快而種群規(guī)模小。應(yīng)用實(shí)例表明，該新算法可方便而高效、可靠地用于處理電力系統(tǒng)短期負(fù)荷不確定性預(yù)測(cè)屬性問題。
　　 針對(duì)影響電力系統(tǒng)短期負(fù)荷因素屬性的不確定性和差異性實(shí)際，本文進(jìn)一步提出了一種基于差分進(jìn)化模糊粗糙集屬性簡(jiǎn)約和支持向量機(jī)的短期負(fù)荷不確定性預(yù)測(cè)新算法。一方面將算法應(yīng)用于電力系統(tǒng)短期負(fù)荷不確定性預(yù)測(cè)，實(shí)現(xiàn)基于差分進(jìn)化算法對(duì)負(fù)荷預(yù)測(cè)的歷史樣本進(jìn)行連續(xù)屬性模糊離散化，通過對(duì)負(fù)荷預(yù)測(cè)的歷史樣本進(jìn)行模糊粗糙集屬性動(dòng)態(tài)簡(jiǎn)

7、約，從而挖掘出與電力負(fù)荷屬性取值關(guān)系最緊密的簡(jiǎn)約屬性集，運(yùn)用改進(jìn)后的模糊C均值算法對(duì)模糊粗糙集簡(jiǎn)約得到的主要屬性進(jìn)行聚類，基于蒙特卡羅方法和最小二乘支持向量基方法進(jìn)行電力系統(tǒng)短期負(fù)荷不確定性預(yù)測(cè)。算例結(jié)果表明:與傳統(tǒng)支持向量基算法相比，文中提出的方法具有預(yù)測(cè)平均相對(duì)誤差小、算法運(yùn)行時(shí)間短、預(yù)測(cè)的不合格點(diǎn)的個(gè)數(shù)少等優(yōu)點(diǎn)。另一方面將算法用于含分布式電源的母線凈負(fù)荷不確定性預(yù)測(cè)研究，算例結(jié)果也驗(yàn)證了所提算法的有效性。上述算法可獲得負(fù)荷概率分布

8、特征，從而為隨機(jī)最優(yōu)潮流問題中提供準(zhǔn)確的負(fù)荷不確定性描述模型。
　　 在應(yīng)用差分進(jìn)化算法獲得電力系統(tǒng)負(fù)荷不確定性分布特征的基礎(chǔ)上，借鑒基于差分進(jìn)化算法對(duì)確定性最優(yōu)潮流求解方法，針對(duì)考慮負(fù)荷不確定性的隨機(jī)最優(yōu)潮流求解問題，提出了一種基于改進(jìn)差分進(jìn)化和蒙特卡羅方法的隨機(jī)最優(yōu)潮流求解新算法。改進(jìn)差分進(jìn)化算法通過采用自適應(yīng)的比例因子以提高隨機(jī)最優(yōu)潮流求解收斂速度，算法種群中引入隨機(jī)擾動(dòng)，跳出局部最優(yōu)，防止算法陷入早熟。通過改進(jìn)差分進(jìn)化算

9、法和蒙特卡羅方法的結(jié)合，可獲取隨機(jī)最優(yōu)潮流問題目標(biāo)函數(shù)、發(fā)電機(jī)出力、系統(tǒng)潮流等概率分布特征。IEEE30節(jié)點(diǎn)標(biāo)準(zhǔn)測(cè)試系統(tǒng)算例仿真結(jié)果表明:與遺傳算法、PSO優(yōu)化算法等隨機(jī)優(yōu)化算法比較，該算法在同樣的蒙特卡羅抽樣次數(shù)下運(yùn)行速度快且能獲得更好的最優(yōu)解均值。
　　 綜上所述，本文針對(duì)差分進(jìn)化算法及其在電力系統(tǒng)隨機(jī)最優(yōu)潮流中的應(yīng)用科學(xué)問題進(jìn)行研究，在提出基于差分進(jìn)化算法的模糊粗糙集屬性離散化新算法和模糊粗糙集屬性簡(jiǎn)約新方法基礎(chǔ)上，提出了