遗传算法在电力系统电源规划中的应用.pptVIP

报告人： 报告时间：2012年11月13日 内容 ①电源规划简介 ②电源规划的难点 ③基于遗传算法的电源规划模型 ④算例 ⑤一些问题 一、电源规划简介 电源规划是电力系统发展规划的重要组成部分。随着电力负荷的不断增长，系统规模和单机容量的不断增大，以及机组类型采用一次能源的多样化，使得电源结构日趋复杂，并且电源规划涉及巨额投资，对其它行业的发展有着重大影响。因此，在这种情况下，如何合理地确定电源结构，如何协调和有效地利用各种类型的电源，已成为一个迫切需要解决的问题。 电力系统电源规划要解决的核心问题是确定在规划期内何时、何地、兴建何种类型、多大容量的发电厂，以最佳的方式满足电力负荷发展的需求。即寻求规划期内满足电力负荷增长需求和各种约束条件及技术经济指标的国民经济总支出最小的电源建设方案。 考虑能源分区平衡的的电源规划模型 从系统整体出发，将已有的、指令性新建的、退役和待选的水电、火电、核电和抽水蓄能电厂等作为一个整体，应用现代优化技术和人工智能技术，在整个时间序列上做动态优化，求出在规划期内整个时间序列上最优的电源建设方案，在优化模型中除充分发挥水电资源在系统中的作用外，还考虑课系统内能源分区平衡和电力分区平衡等问题。 电源规划的最优方案 指在众多的互斥方案同样满足电力系统负荷增长的需求和各种约束条件下，考虑了能源分区平衡和电力分区平衡，使国民经济总支出最小的方案。 二、电源规划的难点 电源规划主要由电源投资决策和随机生产模拟两部分构成，前者是确定系统的电源结构，装机容量和装机进度；后者是确定发电费用及相关的技术经济指标。电源规划模型主要是围绕这两部分内容进行构造形成的。此外，再考虑输电系统的协调和影响，这使得电源规划工作变得非常复杂，在其数学模型上所表现出的高维数，非线性及随机性等特点十分突出。 (1) 高维数，主要表现在要处理各种类型的机组；待求的增加容量及台数；各年的电源建设过渡问题等。因此在规划中将构成相当多的决策变量，这种高维数的情况一般很难由运筹学中的典型算法求解。　　(2) 非线性，对机组的投资和年运行费用，在考虑资金时间价值下则均不是决策变量的线性函数；另外一些约束条件，如可靠性约束等也属于非线性的关系。因而电源规划在进行优化设计时，其模型实质是非线性的。　　(3) 随机性，在电源规划中的一些基础数据，如负荷预测值；燃料价格；基准贴现率等都包含不确定性因素，这样在寻找最优规划方案时，就需要进行一系列的灵敏度分析加以论证。 动态规划DP 是解决多阶段决策过程最优化问题的一种数学方法。它把多变量的复杂问题进行分阶段决策，变为求解多个单变量的问题。电力系统电源规划问题就是一个以年（或月）为阶段、随负荷不断增长而逐年发展壮大的动态问题，要寻求在整个规划期内的电源最优规划方案，实质上是一个多阶段动态决策问题，因此，原先的电源规划问题最常用的方法就是动态规划。 不过，利用动态规划方法，有维数灾的问题，随着待求变量的增多，其计算工作量很大，并且耗时会增加。 三、基于遗传算法的电源规划 1、原理框图 2、染色体编码与解码 采用动态模版十进制染色体编码法。其编码方法： 设某系统包括6个待选发电厂，编号分别为1~6，初始模版Plate=123456.若待建发电厂的投入次序依次为452613，则其染色体编码过程为： 首先投入发电厂为4，对应出事Plate的第四位，故染色体首位编码为4，即Code=4XXXXX;从初始Plate中去掉发电厂4后，Plate=12356。 接着投入发电厂5，对应当前Plate中的第四位，故染色体第二位编码也为4，Code=44XXXX；从当前Plate中去掉发电厂5后，Plate=1236。 依此类推，发电厂2的编码为2，发电厂6的编码为3，发电厂1的编码为1，发电厂3的编码为1，即452613对应的染色体编码为442311。 3、初始种群的产生 设电力系统待选电厂数为Nd个，则生成一个染色体的过程是： ①令n= Nd，取n等于待选电厂数； ②随机产生1至n之间任一个整数I，记为该染色体中的一个相应基因段； ③令n=n-1。若n=0，则已生成了初始种群中的一个染色体；否则，返回步骤②。 重复上述操作，直至群体规模达到N个个体为止。 4、电力系统运行模拟 运行模拟的基本任务是：根据系统的负荷需求和电厂资料，对种群中各个染色体在规划期内逐年按月做电力电量平衡计算，确定该染色体中各待选电厂的工作位置和工作容量，校验系统的电力电量平衡，计算各系统中各电厂的年发电量，燃料需求，水电弃水电量以及系统调峰容量等。 5、目标函数以及隶属度函数 电源规划的目标是在满足电力系统负荷增长的需要和各种约束条件下，使国民经济总支出最小。模型的目标函数可表示为: T——规划期 OFi——