人工神经网络与动态搜索的机组组合算法.pdfVIP

维普资讯 2006年 10月 重庆大学学报(自然科学版) 0ct．2006 第29卷第 10期 JournalofChongqingUniversity(NaturalScienceEdition) V01．29 No．10 文章编号 ：1000—582X(2006)l0—0029一o4 人工神经网络与动态搜索的机组组合算法 关 仲 ，陈 刚 ，张 忠 静 ，朱 小 军 ，谢 松 (1．重庆大学 电气工程学院 高电压与电工新技术教育部重点实验室，重庆 400030； 2．重庆市电力公司 杨家坪供 电局 ，重庆 400050) 摘 要：为了使机组达到最优组合，减少运行成本，研究了基于修正BP人工神经网络与 动态搜索的快速算法在机组组合 中的运用．采用修正Levenberg—Marquardt算法训练BP神经网 络，并针对该算法 占用 内存大的缺点，提出了减少 内存 占用量的修正．由此，根据 负荷预测 曲 线，应用修正BP人工神经网络产生机组的预开停计划，在此基础之上，针对预计划 中某些机 组状态不确定的阶段，应用动态规划法进行全局调整以确定机组的状态组合．实验数据表明， 所提出的算法与传统的动态规划算法相比，可以在有效地减少时间与内存的占用量的前提下， 有效地避免动态规划法中的维数灾的问题． 关键词：机组组合；修正Levenberg—Marquardt算法；动态搜索 中图分类号：TM732 文献标识码 ：A 在电力系统的机组组合问题中，动态规划法已应 的输入层共包括M个神经元．在 日计划时段 内，共有 用多年 ¨ J，最广泛应用的动态规划法是截窗 口动态 24个小时，故M等于24，代表下一 日的24个时段． 规划 (DP—TC) J．通过多个阶段的规划 ，DP—TC生成可 输出层的神经元形成预调度表 ，为一个 n×m的 供选择的组合状态，可以满足系统负荷需求与系统的 矩阵，n对应于被调度的机组数，m代表该机组在每个 可靠性要求．针对各种组合策略，DP—TC可评估其累积 时段的开停机状态．一个机组组合的预调度表代表某 的费用，在最后的阶段通过反溯其最小费用的策略来 调度时间段内所有机组在每小时的开／停状态．中问层 得到最优的组合状态． 为隐层，共含有24个神经元，神经网络如图1所示． 在实际中，对短期的机组组合所应用的算法应能 一 了 lll …_、 2l} 够快速地适应系统的变化并且减少机组组合计划的错 A一 一 … d !曰(1} 曰(2}} l 误．动态规划法可以成功地求解小规模与中等规模的 机组组合问题，但作为一种严格的规划方法，存在着需 图1 机组组合BP神经网络模型 要大量的运算的弊端 J，因此动态规划法并不是效率 设下一 日各时段负荷为A =[o ，o ，… ，o ]， 最高的算法．考虑到 日常机组组合的特性，可以发现预 机组组合的期望输出为Tk=[t] ，t取0或 1(0代 测负荷曲线经常遵循一些基本的模式．所以，如果有效 表关机，1代表开机)．根据神经元模型原理，中问层各 地利用已知的机组组合信息，可以节约大量的运算时 神经元的激活值为： 问．由于耦合的时问约束、系统中发电机组的起动成本 = 。o 。 一 ， 与发电曲线的多样性 ，因此在神经网络产生初步组合 信息后，仍要进行全局的动态搜索以达到机组组