基于蜜蜂进化型遗传算法机组组合探究.docVIP

基于蜜蜂进化型遗传算法机组组合探究摘要：如何在满足负荷要求的基础上，最大程度地实现总运行成本最低是节能发电调度亟待解决的问题。目前，标准遗传算法（SGA）是优化机组组合采用较多的方法之一，但在较高计算精度的要下，会使其计算速度下降，而蜜蜂进化型遗传算法（BEGA）具有求解精度高、收敛速度快的优势。本文采用此方法对机组的总运行成本进行了研究，得出10台机组算例的优化结果，表明了该算法的可行性和有效性。 关键词：蜜蜂进化型遗传算法 机组组合 节能调度 中图分类号：TH112.1 文献标识码：A 文章编号：1007-9416（2013）02-0113-01 1 引言 从传统电力体制到市场体制下，机组优化组合一直是电力系统研究的热点问题。机组组合优化是在某时段调度周期内和考虑系统容量以及机组最小开停机时间等约束条件下，合理的安排机组组合和机组负荷分配，达到总运行成本最低。它是一个包含整型变量和连续变量的、多维的混合整数非线性规划问题，使得其在数学上难以求的最优解。迄今为止，几乎全部的优化方法都被运用过求解机组组合，如优先顺序法、动态规划法、拉格朗日松弛（LR）法、粒子群优化算法、人工神经网络法、遗传算法等。优先顺序法根据参与调度的机组的某项经济特性做出事先的排序，依次投切机组直到满足负荷变化的要求，但结果很难满足众多的约束条件。动态规划法随着机组数量的增加，容易造成“维数灾”，且难以考虑与机组的爬坡速率等条件限制。LR法是求解机组组合问题的经典方法，在大型电力系统中，它便于处理网络安全约束、发电功率约束等约束条件。粒子群优化算法和人工神经网络法需要与其他智能算法结合使用才能避免因早熟而收敛于局部极值点。GA具有极强的搜索能力和鲁棒性，不需要其他的辅助内容，只需知道影响搜索方向的目标函数和相对应适应度来找到最优解或次最优解。文献[1]采用将GA算法和模拟退火算法结合，与单纯的遗传算法相比计算速度有较大的提高，但随着机组数量的增加，仍会存在过早收敛的问题。蜜蜂进化型遗传算法是基于蜂王独特的繁殖原理改进GA的选择过程以提高寻优能力。 2 机组组合的数学模型 设机组组合调度周期共有T个时段，可参与运行的机组数为N，每个时段的系统负荷为PD，把一个周期内的总的煤耗量最小作为机组组合问题模型的目标函数为： 式中，i为机组的序号；F为n台机组的总煤耗；为t时段机组i的运行状态，只设0，1两个值。1代表运行，0代表停机； 机组组合优化问题模型求解需要受约束条件的限制，本文模型考虑了以下约束：（1）系统的总负荷平衡约束。（2）机组出力约束。（3）旋转备用约束。（4）最小启停时间约束。（5）机组启停次数约束。（6）机组爬坡速率约束。 3 算法描述 完整的一个蜂群通常是包含蜂王、雄蜂和工蜂三种。蜂王是蜂群中唯一具有繁殖能力的蜜蜂，个体是最大的，体重是工蜂的2倍，蜂王通过自身分泌激素控制性能力，保证蜂群中不会出现两只蜂王，每个蜂群仅仅只有一只蜂王。蜂王和雄蜂交配生子，当蜂王死亡或者不能在生育时，蜂群就需要产生新一代的蜂王，这时潜在的蜂王会彼此竞争，最终保留一位优胜者作为蜂群的新蜂王。蜂王生育的后代包括两类：一类是受精卵，而另一类是未受精的。受精卵能够生长成为工蜂，它不具有生殖能力，是蜂群中数量最大的种类，主要从事筑巢、采集食物等活动，对整个蜂群进行照顾和保护免受侵害的工作；雄蜂是由未受精卵发育的，蜂群中数量是第二多的雄蜂，他们的职责仅仅是与蜂王交配，不进行其他的任何工作，蜂群中和蜂王进行交配的雄峰越是强壮越容易获得交配机会，在交配完成时雄峰就会死亡，对于蜂群中不够强壮的雄峰始终不会具有交配的可能，最终会被蜂群抛弃。蜂王的交配并不是在蜂群内部而是在野外，所以会吸引其他种群的雄蜂参与交配，有利于避免近亲繁殖的发生。 蜂王需要进行交配时，会在巢外飞舞，其身后会有大量雄蜂跟随，不够强壮的雄蜂会因为长时间的跟随体力不支而掉落地面，最强壮的一只雄蜂会在空中与蜂王交配，雄蜂因为分开时交接器的拔断而死亡。蜂王也会与其他蜂群交配避免近亲繁殖的发生。一个蜂群有且只有一只蜂王，若存在多只则会在相遇时激烈的斗争到仅剩一直蜂王为止。由以上论述可以发现在蜜蜂繁殖进化阶段蜂王起着决定性的作用，通过激烈的竞争后，存活下来的最强壮雄蜂才能和蜂王有交配的可能，工蜂不会对蜜蜂的繁衍过程产生任何影响。 将蜜蜂特殊的繁衍方式引入遗传算法中的目的是为了提高算法的性能，保证快速求出问题的最优解。因此对进化过程需要进行适当的取舍，剔除冗余信息。 （1）繁殖过程由于没有工蜂的直接参与，且对繁殖不会产生任何影响，所以不把工蜂纳入其中，仅保留蜂王和雄蜂。 （2）引入外来蜂群使染色体更具有多样性。蜂王之间的斗争，失败的一方将会以普