基于改进遗传算法发电公司竞价策略.docVIP

基于改进遗传算法发电公司竞价策略 　　摘要：分析了在电力市场环境下发电公司参与竞价机制的特点，讨论和研究了发电公司竞价机制及其报价策略，将投标竞价的原则引入电力市场，建立了投标竞价数学模型。提出将一种改进遗传算法应用于发电公司的竞价策略，该算法将迭代种群分为优秀组和一般组，对优秀组只进行选择操作，对一般组进行交叉和变异操作，能够更有效地求得全局最优解，具有更快的收敛速度。 　　关键词：电力市场 改进遗传算法 竞价策略 　　中图分类号: TM73 文献标识码：A 文章编号：1007-9416(2011)11-0140-02 　　 　　1、引言 　　电力市场化的目的是打破垄断，促进竞争。电价是电力市场的支点，确定电价原则、计算交易电价是电力市场的重要研究内容。在电力市场环境下，发电公司作为市场的主体参与竞价运行，其收益在很大程度上取决于其采用的竞价策略[1-3]。 　　2、投标竞价的数学模型 　　将投标竞价的原则引入电力市场，建立投标竞价的数学模型。基本思路是：由用户选择发电公司，网络提供服务，每一个发电公司有一个保留电价，用户对每一个发电公司报出一个购电价格，从而建立数学模型，模型中考虑发电供电的安全性和网络输电能力等约束，用改进遗传算法寻优，在满足各种约束条件下使各个报出价格合理的用户可以从电网中的任意发电公司购到所需的电能，并可提供多组优化结果供选用[4]。 　　投标竞价数学模型中，发电公司提出供电保留电价，用户方向各发电公司报出自己购电的价格，当用户报出的购电价格高于或等于某一发电公司的保留电价时，该公司才考虑将电能供给相应用户。当某发电公司供给负荷后有剩余容量时，这部分容量将以保留电价上网。这样，模型的目标函数和约束条件为 　　Pgi.min、Pgi.max──第i个电源发出容量的最小值和最大值（MW）； 　　Pdj──第j个用户需求电量（MW）； 　　αij──第j个用户向第i个电源购电的报出价格（元/MW）； 　　πi──第i个电源的保留电价（元/MW）； 　　Pij──第j个用户从第i个电源购到的电量（MW）； 　　yi──第i电源提供的未售容量（MW）； 　　λi(yi)──与第i个电源供电安全有关的为变量yi的函数。 　　在上述发电模型中，式(1)为目标函数，在满足式(2)~式(5)的约束条件下，求最大值；式(2)为节点功率平衡约束，式(3)为电源出力上、下限值约束，式(4)为用户需求电力约束，式(5)为变量非负限制约束。 　　3、改进遗传算法的应用 　　本文在常规遗传算法的基础上加入了分组进化的思想。选择、交叉、变异是遗传算法的3个基本操作。在种群遗传进化的过程中，个体的质量有优劣之分，如果对所有个体都执行相同的操作会影响解的质量和收敛速度。因此本文采用基于分组进化思想的改进遗传算法，将迭代种群分为优秀组和一般组，对优秀组只进行选择操作，对一般组进行交叉和变异操作，能够更有效地求得全局最优解，具有更快的收敛速度。基于改进遗传算法的竞价策略步骤如下： 　　(1)编码及参数设定； 　　(2)初始种群的生成； 　　(3)计算各个体的适应值及排序、分组； 　　(4)分组遗传操作：对优秀组只进行选择操作，对一般组进行交叉和变异操作； 　　(5)判断是否满足终止条件，满足则输出结果，否则继续寻优。 　　4、算例分析 　　为了检验本文算法的性能，利用改进遗传算法对文[4]中所示12节点系统算例进行优化，每个电源有一个保留电价，每个用户对每一个电源都报出了一个购电价格。 　　本文中使用二进制编码。只有当用户报出价格高于或等于电源方的保留电价时，电源方才考虑给用户供电。若某个电源向某个用户供电，则相应位上记为“1”，否则记为“0”。 　　以式(1)作为遗传算法的适应度函数，为了计算每个染色体的适应度函数值，需要对其进行解码，然后将解码后的染色体进行变换，找出每个用户对应的电源提供方，根据用户对各个电源的报出的价格将电源排序。根据文[4]所提供电源容量和负荷数据可计算出对应的适应度函数值。 　　取50条染色体作为初始种群，都是随机所赋的0、1值，计算出每条染色体的适应度函数值后，再进行排序，取出其中适应值最大的5条进行选择操作，其余的执行交叉和变异操作。 　　经遗传操作后，我们可得到一级新的染色体编码，也就是说经历的一代，继续求其适应度函数值，进行下一轮循环，经过数代或数十代的遗传操作，直至找出最优解。 　　采用投标竞价数学模型，运用常规遗传算法和改进遗传算法寻优，进行计算机编程计算，优化结果基本一致。而收敛到全局最优解的次数常规遗传算法为23，改进遗传算法为41；平均进化代数常规遗传算法为59，改进遗传算法为36。可见，改进遗传算法比常规遗传算法进化代数缩短，收敛