[发明专利]一种基于改进差分进化算法的电力系统经济调度方法

说明书

本发明属于电力系统技术领域，提供了一种基于改进差分进化算法的电力系统经济调度方法，将鲸鱼优化算法作为差分进化算法的迭代预处理，以常数为底的负指数形式的自适应收敛因子更新策略，调整了原有的线性收敛因子，使其更适应整个算法的寻优，同时兼顾全局探索和局部开发能力，可有效改善传统鲸鱼算法中线性递减所带来的收敛性能不佳等负面效应。在突变环节引入历史变异个体的差异分量，为最优解的搜寻提供方向，有效提升了种群个体的多样度。同时利用概率分布对控制参数实施自适应调整策略，并建立相应的历史存档便于概率性地抽取。所以，本发明提供的基于改进差分进化算法的电力系统经济调度方法精度高，参数少，鲁棒性好，效率高。

技术领域

本发明属于电力系统技术领域，具体涉及一种基于改进差分进化算法的电力系统经济调度方法。

背景技术

目前，减少燃料消耗是节约能源成本的主要途径之一，这种方法一方面能够节省人类从自然界中挖掘的不可再生资源；一方面减少燃烧化石能源所带来的环境污染，对构建环境友好型社会，实现生态文明建设有着重要意义。因此，对发电机组进行合理负荷分配，以此降低燃料耗量的策略成为电力行业深入研究的对象。电力系统的经济负荷分配问题(Economic load dispatch,ELD)是当前研究的重点。

当前有许多优化方法被用于解决ELD问题，包括数学规划技术和启发式算法。用传统的数学寻优策略包括：线性规划算法，二次规划算法，非线性规划采用算法、动态规划算法、拉格朗日松弛算法求解ELD问题。由于该类问题的高度非线性和众多的约束条件，传统的微积分方法计算过程过于繁琐，已经不能很好地解决问题。此外由于阀点效应等因素的影响，这些方法无法处理燃料成本函数不平滑的ELD问题。

为了解决传统技术中遇到的复杂问题，从而取得更低的总燃料成本，当前基于人工智能开发了诸多不同的群体智能优化算法来解决ELD问题，但是由于ELD问题固有的计算复杂性，当前使用的算法均存在收敛效果不佳，易遁入局部死循环等问题，且部分算法存在参数过多，各参数间互相干扰等问题，以至于难以适应灵活多变的各种问题模型。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于改进差分进化算法的电力系统经济调度方法。

本发明提供了一种基于改进差分进化算法的电力系统经济调度方法，具有这样的特征，包括如下步骤：步骤S1，构建电力系统经济调度模型；步骤S2，获取发电机组的参数和约束条件，并根据所述参数和所述约束条件设置所述电力系统经济调度模型的初始控制参数，并随机生成初始种群；步骤S3，将所述初始种群作为当前种群，并对该当前种群进行多轮迭代直至达到预定停止条件；步骤S4，输出最优解，作为所述发电机组的电力系统经济负荷分配结果，其中，所述步骤S3的子步骤包括：步骤S3-1，使用鲸鱼优化算法对所述当前种群进行预处理，得到预处理种群；步骤S3-2，根据所述当前种群与所述预处理种群判断是否达到所述预定停止条件；步骤S3-3，当所述步骤S3-2判断为否时，重置变异因子以及交叉概率因子；步骤S3-4，基于所述变异因子以及预定的失败个体集合对所述当前种群中的N个当前个体分别进行突变操作得到N个对应的变异个体；步骤S3-5，基于所述交叉概率因子选定至少一个所述变异个体，作为试验个体；步骤S3-6，从所述试验个体以及对应的所述当前个体中选择适应度更佳的个体并形成迭代种群；步骤S3-7，判断所述迭代种群中是否存在所述变异个体；步骤S3-8，当所述步骤S3-7，判断为否时，调整所述迭代种群的种群规模，并将所述步骤S3-4中得到的多个所述变异个体更新至所述失败个体集合中；步骤S3-9，当所述步骤S3-7，判断为是时，将所述变异因子以及所述交叉概率因子存储至预定成功参数集合中，并将所述步骤S3-4中得到的多个所述变异个体中未被加入所述迭代种群的所述变异个体更新至所述失败个体集合中；步骤S3-10，将所述迭代种群作为新的当前种群，并进入所述步骤S3-1。