基于粒子群優(yōu)化算法的機(jī)組組合問(wèn)題的研究.pdf

1、機(jī)組組合的任務(wù)是對(duì)機(jī)組的啟停狀態(tài)及負(fù)荷分配進(jìn)行合理安排，以便在發(fā)電機(jī)組和系統(tǒng)約束的前提下，滿足調(diào)度周期內(nèi)的負(fù)荷需求，并達(dá)到發(fā)電成本最低。近年來(lái)，污染物排放造成的氣候變化問(wèn)題引起了廣泛的關(guān)注，這對(duì)傳統(tǒng)機(jī)組組合提出了新的挑戰(zhàn)。隨著新能源的大力研發(fā)和投入使用，尤其是風(fēng)能發(fā)電技術(shù)的日趨成熟，迫切需要研究能夠更好滿足新能源特點(diǎn)的模型和方法。現(xiàn)有的方法在約束條件的全面考慮、節(jié)能和減排多目標(biāo)優(yōu)化及新能源并網(wǎng)等方面還存在很多問(wèn)題。因此，本文鑒于智能算法

2、的特點(diǎn)和優(yōu)勢(shì)，針對(duì)機(jī)組組合問(wèn)題在不同階段的數(shù)學(xué)模型的演變，對(duì)傳統(tǒng)機(jī)組組合問(wèn)題、節(jié)能減排的電力系統(tǒng)優(yōu)化調(diào)度，以及風(fēng)電并網(wǎng)后的隨機(jī)規(guī)劃求解，分別進(jìn)行了深入的研究，提出了新的改進(jìn)求解方法，并使用典型案例進(jìn)行仿真，驗(yàn)證了新算法的優(yōu)越性。主要研究?jī)?nèi)容包括:
　　1.針對(duì)傳統(tǒng)機(jī)組組合問(wèn)題求解中存在的諸如啟停時(shí)間約束考慮滯后等不足，本文在分析其數(shù)學(xué)模型并比較各算法性能的基礎(chǔ)上，提出一種改進(jìn)的雙重粒子群算法，主要包含離散粒子群和連續(xù)粒子群兩個(gè)層次

3、。外層的離散粒子群算法分時(shí)段優(yōu)化機(jī)組的啟停狀態(tài)，其中用臨界算子保證粒子的多樣性，對(duì)可行解給出了更嚴(yán)格的判別條件;不同時(shí)段間，考慮機(jī)組啟停時(shí)間的向前繼承和向后約束。內(nèi)層連續(xù)粒子群算法用于計(jì)算機(jī)組的經(jīng)濟(jì)分配，以便為外層算法的進(jìn)化提供導(dǎo)向。另對(duì)算法實(shí)施多項(xiàng)改進(jìn)以便收斂到全局最優(yōu)解。兩個(gè)算例的實(shí)驗(yàn)結(jié)果證明了新算法的有效性。
　　2.隨著對(duì)環(huán)境保護(hù)日益增長(zhǎng)的關(guān)注，機(jī)組組合問(wèn)題在考慮“節(jié)能”的同時(shí)，“減排”也成為必不可少的目標(biāo)之一，顯然，其演

4、變?yōu)槎嗄繕?biāo)優(yōu)化的問(wèn)題。本文在定義目標(biāo)權(quán)重因子的基礎(chǔ)上，提出一種目標(biāo)權(quán)重導(dǎo)向的多目標(biāo)粒子群算法。算法在粒子進(jìn)化的向?qū)нx取上以目標(biāo)權(quán)重的接近程度作為重要指標(biāo)之一，更好地保持了種群的多樣性。對(duì)典型的測(cè)試函數(shù)進(jìn)行仿真并比較其優(yōu)化性能，證明了新方法的有效性。本文方法不僅能批量計(jì)算出各種目標(biāo)權(quán)重下的Pareto最優(yōu)解，還給出了更加均勻分布的Pareto前沿，為決策者提供了廣闊的選擇空間。在此基礎(chǔ)上，對(duì)標(biāo)準(zhǔn)IEEE-30測(cè)試系統(tǒng)同時(shí)考慮節(jié)能和減排兩個(gè)

5、目標(biāo)進(jìn)行仿真，從實(shí)驗(yàn)結(jié)果可以得出，無(wú)論是否考慮網(wǎng)損，均在經(jīng)濟(jì)性和環(huán)保方面取得了滿意的效果。
　　3.由于風(fēng)電的波動(dòng)性和隨機(jī)性特點(diǎn)，傳統(tǒng)的確定性經(jīng)濟(jì)調(diào)度模型不適合含風(fēng)電場(chǎng)的混合電力系統(tǒng)。本文采用機(jī)會(huì)約束規(guī)劃的理論對(duì)風(fēng)電-火電并網(wǎng)的優(yōu)化調(diào)度進(jìn)行建模。問(wèn)題求解方面，將量子計(jì)算與粒子群算法結(jié)合，提出了一種量子雙重粒子群算法。在一定的置信度下滿足負(fù)荷需求和約束條件，考慮了機(jī)組的約束條件處理過(guò)程中的耦合關(guān)系。采取了機(jī)組按優(yōu)劣性能排序、在不同情