水电站厂内经济运行基因遗传算法模型.docVIP

水电站厂内经济运行基因遗传算法模型 第23卷第7期 1995年7月 韭中理工太学 J.HuazhongUnivofSeiamp;Tech. Vo[.23No. Ju[1995 ‘一f 水电站厂内经济运行基因遗传算法模型 姜铁兵游大海累亍}黄定疆 (电力I程系) ?;6 ];7 摘要水电站厂内经济运行(EOH)的数学模型是一类非线眭,混合0-1规划问题.用GA算 法求解该问题,速度快,而且可同时在时域和空间上分别求出机组开停机计划和机组组台丑负 1水电站厂内经济运行(EOH)模型 济运行教蔷 7.枕’七 算该 为实现水电站厂内经济运行,机组组合优化(投入顺序,开/停计划)问题及机组间负荷 分配问题,是最重要的环节 根据水电站厂内经济运行的准则,要求在保证安全和电能质量,完成指定的日发电量任务 的前提下,使电站所耗用的水量最小其数学描述如下: rain一∑∑[Q.(H,)△7’”:+”(1-_”一’),4-”(1一”),(1) f一l s.t.∑=,(2) Il N[N一,Ng]或[0Ⅳ],(0j 式中,为机组发电时的水流量;为目标函数值;为水电站可投入运行的机组总台数,i=1, 2,…,;T为厂内经济运行周期;每小时为一时段f,fl_1.2.…,7’;△7’为时段长.取为 36008;为机组i在t时段内的平均出力;日r为机组i在￡时段内的平均水头;为￡时段 电站所承担的负荷;N—u为第i台机组的最大出力限制},Ⅳ～分别为i机组出力的汽蚀, 振动区下限和上限;:为机组i在时刻开停机状态变量,运行取l,非运行取0,d.分别为开 机和停机过程中的耗水量和中也可包括机组在开停过程中所发生的机械磨损等所折合 成的水量. 对问题(1)的求解,本研究采用一种新的优化算法一基因遗传算法(GA). 2GA算法 GA算法区别于其他搜索方法”:之处在于:a.搜索空间为整个求解空间.b.不是直接利 收稿日期t1994—12—01. 萎铁兵,男,l966年生,讲师f武汉,华中理工大学电力工程系(480074) 第7期姜铁等:水电站厂内经济运行基办遗传算法模型79 用变量值的大小,而是利用基困编码(o或1j采表示变量的值_c_采用随机性规则而非确定 性评判规则. GA算法的思路是:首先在搜索空间上随机选取m个基因种群或m个初始点(即种子), 即产生祖先;然后计算这,个基因种群的目标之数值,并加以比较,即评价个体优劣;再从这 m个点中随机选取两个电(自然选择),并绐较优者更高的机会(优胜劣汰);最后利用这两个 点,按照某种随机方式.必要时增加噪声.生成一个新的点.重复这一过程,直至产生m个新的 苣.换言之,所产生的,个新基因种群.一定比其父代性能更优良,新的点更接近于最优解. 由于GA算法不需要导数格息,也无需映射空问或函数的连续性,它从多点出发同时在 整个空间上作快速搜索,育较大把握获得全局最优解,故很适合用来解决水电系统中的复杂的 优化运行问题,如水电站厂内经济运行问题. 3EOH=GA模型 由于问题(1)是一个在时域上和空间上同时进行优化计算的复杂的非线性,混合整数规 划问题,不但描述了厂内各机组在时程上开,停机状态的最优组合(“,一1,2.…,丁).而且 也描述了机组的空间最优组合(“,i=1,2,…,)以及各个时段内负荷的空间最优分配 (,i一1,2,…,n),因此可将该问题的求船过程分解为一 a.时域上机组优化运行(开/停计划)的主问题(=1,2,…,丁). 设是机组i在t=1,2.…,7时段内的机组状态变量.即 蜥(“,.….,…,”),”=o或1. 假设用丁位的二进制数表示机组在时域上的开,停状态.开为…1,停为…0.则机组i的 状态变量%的编码形式可表示为: 时段t一123…丁, 状态”一110…1. 将台机组的编码连在一起,即构成了状态变量的基因码链,如 110…l001…0…100…011 ——__一一—————一 】机目2机 每一条基因码链对应一组开停机状态,即码链中基因的变化,将引起开,停机计划的变化. 根据前述GA理论,首先要随机产生m个初始基因码链,代表不同的开,停机方案.为了 控制机组不要人为地增加开停转换的次数.一方面增加了连续运行或连续停机的时间长度必 须大于或等于两个时段的条件;另一方面在问题(1)中增加了”和两个惩罚因子. 然后进入子模块b中(见后问题b),根据每一个机组开停机计划,都可算出计算周期内 的最小的耗水量,及各时段的机组出力.这样m个开停计划,可得m个最小的耗水量d,= 1,2,…,m及各时段的机组出力N,=1,2,…,,—l,2,…,丁. 同样根据GA方法,对J进行排序,并赋予最小的J以最大的概率(选择机会). 重新进行开停机状态的基因码链的杂交,突变-,,产生新的m个开停机计蜘. 重复以上过程,直到最小