[发明专利]一种基于核主成分分析融合粒子群算法的多燃料经济调度方法

说明书

一种基于核主成分分析融合粒子群算法的多燃料经济调度方法。该方法将核主成分分析(Kernel Principal component analysis，简称KPCA)方法融合到粒子群算法的速度更新策略中，进行多燃料经济调度。在粒子向最优解聚集时，该策略不仅考虑单个粒子的信息，而且综合了考虑多个粒子的信息，从而避免了在迭代过程中造成信息的不必要浪费。该方法在多燃料经济调度的燃料成本函数上进行了测试，并与其他两种方法进行比较。结果显示，本发明能较好地避免算法过早收敛而陷入局部最小值，有效降低多燃料成本费用。

技术领域

本发明属于经济调度领域，特别涉及一种基于核主成分分析融合粒子群算法的多燃料经济调度方法。

背景技术

以火力发电机组为发电机的经济调度是电力系统中的重要优化问题。用于确定发电机组之间的功率分配，以经济的方式满足电力需求。基本经济调度的目标功能是确定短时间内几台发电机的最佳输出，同时，需要将发电的总燃料成本降至最低，并应满足系统负载需求和其他运行约束条件。

元启发式方法已经成功地用于解决具有阀点效应的经济调度问题。但是，在这些研究中仅考虑了单一燃料成本函数，并且在成本特性中没有考虑阀点效应。这些缺陷造成了发电的总燃料成本的浪费。

发明内容

本发明的目的是为克服上述现有技术存在的缺点和不足，提供一种基于核主成分分析融合粒子群算法的多燃料经济调度方法。该方法将核主成分分析方法融合到粒子群算法的速度更新策略中并应用在多燃料经济调度。通过在同时考虑多种燃料选项和阀点效应的燃料费用函数上测试，和其他两种算法进行对比，该算法的燃料费用成本低于于其它两种算法。

本发明技术方案：

一种基于核主成分分析融合粒子群算法的多燃料经济调度方法，包括以下步骤：

第1步、初始化种群中代表每个单元发电机功率输出的个体；

第2步、检查燃料经济调度约束并且修复违反约束条件的情况；

第3步、计算初始种群中的燃料费用并且得到燃料类型；

第4步、更新个体最优位置、全局最优位置和核主成分最优位置；

第5步、更新粒子的速度和位置；

第6步、计算燃料费用和得到燃料类型；

第7步、判断是否满足终止条件。

第1步中所述的初始化种群中代表每个单元发电机功率输出的个体的具体过程如下：

种群中每个个体的表示形式如下：

其中i代表第i个个体，P_i代表种群中第i个个体，N_g代表个体的维度数，也即发电机组的单元数，NP表示种群中个体的数量；

初始时，生成初始种群的公式如下：

其中P_ij表示第i个个体的第j维度值，也即第j个发电机的功率输出值，代表第j个发电机的最大功率输出值，代表第j个发电机的最小功率输出值。

第2步中所述的检查燃料经济调度约束并且修复违反约束条件的情况的具体过程如下：

第2.1步、检查发电机容量限制的燃料经济调度约束条件：每个发电机组的有功功率输出应在其最小和最大限制范围内，也就是说，每个生成单元应满足以下不等式约束，即：

其中和分别是第个发电机的最小功率输出值和最大功率输出值；