细菌群体趋药性算法在计及ATC的发电机经济调度的应用.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 细菌群体趋药性算法在计及 ATC 的发电机经济调度的应用 [1 [2] [2] 廖海亮 邓博 赵亮 （1.东北电力大学 吉林 吉林 132012 2.西安理工大学 陕西 西安 710048） 摘要：本文采用 BCC 算法求解基于最优潮流的可用输电能力的计算模型，并利用求出的购电区负荷最优分配结果求解不同 负荷水平下的发电机经济调度模型。针对 n维变量寻优问题，提出将n 维空间的求解问题化简为（n-1）个二维空间求解，并给 出新的求解此二维空间的表达式；针对细菌个体与群体的搜索特点，引入自适应步长，对细菌每次移动过程中的移动步长和方 向进行自适应调整；在细菌寻优过程中加入公告板，使细菌寻优时到达的最优值不被随机抛弃。这些策略提高了算法运算速度， 同时保证算法全局搜索的能力。对IEEE30 节点测试达到比较理想效果。 关键词：可用输电能力；细菌群体趋药性；最优潮流；经济分配 1 引言 可用输电能力（Available Transfer Capability,简称 ATC）是指在两区域间已使用的电能传输能力的 基础上欲进一步交易的剩余可用容量[1]。ATC是衡量系统运行点离安全稳定运行的量度。然而，系统在大部分 情况下并不在极限状态下运行，同时，由于不同发电机的发电成本不同，所以在未达到极限运行点运行时， 合理分配发电机出力，使购电费用达到最小能够提高企业经济利益。 细菌趋药性算法[2] (Bacter Colony，简称 BC)是一种从生物行为中获得灵感的优化方法。2005 年，我国 学者李威武等人在此基础上提出细菌群体趋药性算法[3] (Bacter Colony Chemotaxis，简称 BCC)。该算法中， 细菌不仅继承了 BC算法中使用自己的运动位置信息进行函数优化，同时也利用其他细菌的位置信息进行函数 优化。在一些问题上的优化速度和精度也超过其他一些常见的群体优化算法。目前，BCC 算法已在电力系统无 [4]-[5] 功优化上运用并且取得比较理想的结果 。 基于 BCC 算法寻优上的优点，本文拟采用该法求解计及 ATC 的发电机经济调度问题。首先求解基态下 ATC 及购电区各节点负荷最优分配情况，然后利用购电区各节点负荷分配限值同其基态值做差，引入负荷水平因 子 k，根据售电区不同发电机的报价曲线及 k值对发电机出力进行经济分配，达到减少够电费用的目的。最后 对 IEEE30节点算例测试，验证算法的可行性。 2 BCC 算法简介[2] 2.1 单个细菌移动描述 细菌在营养剂或引诱剂环境下，会进行相应的反应活动。收集信息，进行移动，在移动中不断修正方向 和步长，找到环境中最有营养的位置。本文简单介绍单个细菌寻优过程，详细寻优方法参考文献[2]。 假设细菌群体所处的环境是一个n维空间，则细菌移动步骤如下： 步骤1 选择移动方向 当细菌个体移动时，用移动步长和移动方向，即一个半径r 和(n-1)个角度(? ,? , L,? )表示细菌在n个 1 2 n 维度中相邻维度两两组合所构成的平面内的移动角度，即把细菌的n维移动转化成(n-1)个二维移动，这(n-1) 个移动角度综合叠加结果就使细菌完成了在整个n维空间中的移动方向选择。一旦?i 确定后,可以得到一个新 r 的单位矢量nu ,为了获得这个矢量，我们把新确定的角(? ,? , L,? ) 与以前的移动角求和。