基于改进遗传算法的环境经济负荷调度研究.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 基于改进遗传算法的环境/经济负荷调度 程海艳 1 1 2 3 蒋再新 王雁 张海利 （1.东北电力大学电气工程学院 吉林省 吉林市 132012； 2.山西省晋城供电分公司 山西省 晋城市 048000； 3.宁夏中卫供电局 宁夏 中卫市755000） 摘要：环境/经济负荷调度主要由在调度周期内的最优机组组合和负荷分配组成，需同时考虑环境要求、发电费用等多 个目标。本文提出了一种改进遗传算法，通过适应度函数定标技术有效的控制了适应度差异变化，同时采用自适应交叉变异 算子提高解的多样性，防止算法早熟收敛，提高算法的寻优速度。 关键词：环境/经济负荷调度；改进遗传算法 1 引言 传统的电力系统经济调度主要是研究在满足负荷平衡的等式约束条件以及发电机出力等不等式约束 [1] 条件的前提下，如何使发电费用最低的问题 。近年来，人们越来越意识到环保问题的重要性，许多国家 制定了限制火电厂对有害气体排放的规定，环境/经济调度问题成为热点研究问题[2] 。 处理环境/经济调度问题有多种方法，早期的方法是把排放指标作为经济调度的约束条件，把问题转 化为单目标的优化问题[3] 。这种方法最大的缺点是无法得到排放量与燃料费用之间的折衷关系。文献[4]采 用线性规划的方法，每次优化仅针对其中的一个目标进行。然而环境/经济调度问题是一个高度复杂的非 线性优化问题，因此，采用传统的数学方法很难收敛到全局最优解。随着多目标算法应用的日益广泛，最 近的研究方法将多个互相制约的目标同时加以考虑，文献[5]采用一种模糊多目标优化策略来解决环境/经 济调度问题。然而，这种方法不能获得方便调度员选择运行的帕累托（Pareto ）解集。近年来，许多新的 优化算法相继出现并应用于环境经济调度问题，如免疫算法、蚁群算法、混沌模拟退火神经网络等，取得 了较好的效果。 遗传算法也是近年来出现的一种人工智能算法，具有良好的优化性能。但是，与其他的启发式随机搜 索算法一样，简单遗传算法也具有早熟、易陷入局部最优解等缺陷[6] 。 针对以上问题，本文采用改进自适应遗传算法，通过个体最大适应度和最小适应度之比为一确定数值 K 的方法来对适应度函数进行定标，使得个体的适应度差异变化得到了控制，并采用自适应的交叉率 Pc 和变异率 P ，其P 和 P 是基于个体适应度值自适应地进行改变的。 m c m 2 电力系统环境/经济负荷调度的数学模型 电力系统环境/经济负荷调度问题是在满足若干不等式约束条件和等式约束条件的前提下，求解两个相 互制约的目标函数(燃料费用、污染物排放) 的最小值[5] 。 2.1 目标函数 在考虑环境经济调度的情况下，多目标经济调度可以采用以下的目标函数： (1) 最小化全系统发电燃料总耗量(或总的费用) 。发电燃料总费用是电厂生产最重要的经济指标，可 以用发电机有功出力的二阶多项式表示如下： N F ∑( a + b P + c P 2 ) （1） G i i Gi i Gi i 1 式中 P 为系统内第i台发电机的有功出力；N为系统内发电机组的数目；a 、b 和c 分别表示第i台发电 Gi