（电力系统及其自动化专业论文）随机聚焦粒子群算法在机组组合中的应用.pdf

西南交通大学硕士研究生学位论文 第1 i 页 a b s t r a c t u n i tc o m m i t m e n to fp o w e rs y s t e mi sa ni m p o r t a n tc o m p o n e n to fe n e r g ym a n a g e m e n t s y s t e m ，a n di ti sa l s oa ni m p o r t a n ti s s u eo ft h eo p t i m a lo p e r a t i o no fp o w e rs y s t e m s f i n d i n g ab e t t e rs o l u t i o nt ou n i tc o m m i t m e n tc a n b r i n gg r e a te c o n o m i cb e n e f i t s b u tt h ep r o b l e mi sa c o m p l i c a t e do p t i m i z a t i o np r o b l e mc o m b i n a t i o nw i t hc o n t i n u o u sa n dd i s c r e t ev a r i a b l e s ，i t d i f f i c u l tt og e tt h eo p t i m a ls o l u t i o ni nt h e o r y t h i sa r t i c l ed e s c r i b e st h eb a c k g r o u n da n ds i g n i f i c a n c eo fs t u d yo fu n i tc o m m i t m e n t b y a n a l y z i n gt h ec h a r a c t e r i s t i c so ff u e lc o n s u m p t i o na n ds t a r t - u pc o s to ft h e r m a lp o w e rp l a n t ， d e s c r i b e st h ec a l c u l a t i o nf o rt h ev a r i o u sk i n d sc o s to ft h e r m a lp o w e r p l a n t m a t h e m a t i c a l m o d e l sa n ds o l v i n gm e t h o d so fu n i tc o m m i t m e n ta r es u m m a r i e d e s p e c i a l l yt h eu s i n go f p s oa l g o r i t h mf o rs o l v i n gt h eu n i tc o m m i t m e n t s f p s oh a sb e e na c h i e v e db e t t e rr e s u l t si na p p l i c a t i o ni nr e a c t i v ep o w e ro p t i m i z a t i o n a n dl o a df o r e c a s to fp o w e rs y s t e m i ti ss e l e c t e da st h em a i na l g o r i t h mt os o l v et h eu n i t c o m m i t m e n tp r o b l e m p h y s i c a lm e a n i n g ，m a t h e m a t i c a lm o d e la n di t ss u p e r i o r i t yo fs f p s o a red e s c r i b e di nd e t a i l s f p s ow a su s e df o rs o l v i n gt h eu n i tc o m m i t m e n tp r o b l e m f i r s to fa l l ，s f p s ow a s u s e df o rs o l v i n ge c o n o m i cd i s p a t c hp r o b l e m ，a n dt h e na d d i n gah e u r i s t i ca d j u s ts t r a t e g i e st o s f p s oo nt h eb a s i so ft h ec h a r a c t e r i s t i c so fu n i tc o m m i t m e n t ，p r o p o s eas f p s ob a s e d a l g o r i t h mf o ru n i tc o m m i t m e n t f i n a l l y , t h ep r o p o s e da l g o r i t h mw a si m p r o v e df o rs o l v i n g t h eu n i tc o m m i t m e n tw i t hr a m pr a t ec o n s t r a i n s b ys i m u l a t i n ga n da n a l y s i so ft h er e s u l t so f t e s ts y s t e mu s i n gm a t l a b ，e f f e c t i v e n e s sa n ds u p e r i o r i t yo fs f p s of o rs o l v i n gt h eu n i t c o m m i t m e n tp r o b l e ma r ec o n f i r m e d k e yw o r d s ：s f p s o ；u n i tc o m m i t m e n t ；p o w e rs y s t e m ；o p t i m i z a t i o n 西南交通大学 学声论文版权使峒授权l s 本学匣论文作者完全了解学卜i i 关保留、使用学应论文的规定，同意学饺保留并 向国家有关部门或机构送交论文的义_ j 件和电子版，亢湃论文被查阅和借阅。本人授 权西南交通大学可以将本论文的垒部或部分内容编入育关数据库进行检索，可以采用 影印、缩印或扫描等复印手段f l ，- 代 i 存阳汇编本学位论文。 本学也论文栈于 1 保密口，在年解密后适用本授r 书； 2 不保密d ，使用二每授汉书， ( 请在以上方准内打“v ”) 学应沦支f 乍哲签名： 匙每祆 i 同期：弘i o 5 矾 特棚蟹体掰 日期：如口，” 西南交通大学硕士学位论文主要工作( 贡献) 声明 本人在学位论文中所做的主要工作或贡献如下： 介绍了机组组合的研究背景、研究意义和研究现状。综述了机组组合的数学 模型和求解方法，重点对群智能算法中的粒子群算法在机组组合求解中的应用进 行了总结。通过分析火电机组的燃料耗量特性和机组启停特性，介绍了机组组合 问题中各种成本的计算方法，并确立了机组组合数学模型。 选取已经在电力系统无功优化以及负荷预测中取得较好效果的机聚焦粒子 群算法作为求解机组组合问题的主要算法，并在文中详细阐述了随机聚焦粒子群 算法的物理意义、数学模型和优越性。分别将随机聚焦粒子群算法用于对机组组 合中机组间的负荷分配问题、机组组合问题、考虑机组爬坡速率的机组组合几个 问题的求解。在求解过程中结合机组组合问题的特点，在随机聚焦粒子群算法中 加入了启发式策略，通过对测试系统的m a t l a b 仿真实验和结果分析验证其有效 性和优越性。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得 的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经 发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作 了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名： 日期：7 。l 。哆 久l 丌 r x l 匙 西南交通大学硕士研究生学位论文 第1 页 1 1 引言 第1 章绪论 电力系统的负荷是随时间变化的。在日负荷曲线中存在负荷峰值和负荷谷值，而 且，负荷峰值和负荷谷值之间的差值很大，仅仅靠改变机组的出力而不改变机组启停 状态很难满足负荷变化的要求。在满足系统负荷和系统备用要求以及机组运行技术条 件约束的情况下，确定未来一定期间内的各机组的开、停机时间并在机组间进行负荷 分配，这便是电力系统的机组组合问题。 机组组合问题由两方面组成：一个方面是各机组在一个调度周期中各个时段上运 行状态的优化，即各时段各机组的开停机状态优化；另一个方面是某一时段内给定负 荷下机组最优出力值的确定n 1 。 现代大规模电力系统中，发电资源由众多各类型的发电机组组成，不同类型的发 电机组有其不同的特点。火电建设周期短，相对投资较小，但对环境的污染比较严重， 发电效率低。水电是清洁的能源，且水电机组启动和调速能在短时间内完成，常常承 担调峰调频任务。新能源发电( 核电、风电、太阳能等) 对于解决当今世界日益严重 的环境污染问题和资源短缺问题有着重要意义。但是我国目前电力结构中，火电仍占 举足轻重的地位乜1 。所以，目前我国不仅是需要实施节能减排政策和推广新能源发电技 术，还应在现有的条件下，制定更合理和高效的发电计划来减少能耗。因此，机组组 合对我国电力的可持续发展有重要意义。 1 2 能量管理系统e m s 1 2 1 能量管理系统简介 能量管理系统e m s ( e n e r g ym a n a g e m e n ts y s t e m ) 是一套大型的计算机应用软件。 电力的发、输、供、配、用等各个环节是在瞬间完成的，其生产过程的控制复杂而又 具有较高的技术性船钔。现代化大电网需要采用能量管理系统对电能的生产、输送和分 配进行监视、控制和管理。能量管理系统的功能包括：数据采集与监视( s c a d a ) 、自 动发电控制( a g c ) 、网络分析( n a ) 、发电计划( g s ) 、调度员培训模拟( d t s ) 等几个 部分。 西南交通大学硕士研究生学位论文 第2 页 2 0 世纪6 0 年代初提出的在线安全分析的紧迫性，促进了能量管理系统的诞生；2 0 世纪8 0 年代频繁出现的大型电力系统电压崩溃事故，使能量管理系统的重要性更为突 出；2 0 世纪9 0 年代以来实行的电力市场，使电力系统的运营从垄断走向开放、走向市 场，能量管理系统的功能子模块重新面临技术改造和补充完善的严峻挑战，突出表现 在实时电价计算、最大输电能力计算、输电线路径优化、输电费用计算、输电服务预 调度和实时调度等h 1 。 能量管理系统的开发和应用可以大致划分为四个阶段口钔：2 0 世纪7 0 年代，基于 专用计算机和专用操作系统的s c a d a 系统，其功能局限于实时数据采集和处理；2 0 世 纪8 0 年代，基于通用计算机的能量管理系统，除具备s a c a d 功能外，还实现了部分应 用功能，其标志是各大电网采用的基于v a x s 的s c a d a e m s 系统；2 0 世纪9 0 年代， 基于r i s c u n i x 的开放式和分布式能量管理系统，采用商用关系型数据库和先进的图 形显示技术，其标志是国产c c - - 2 0 0 0 、o p e n 2 0 0 0 、r d 一8 0 0 、s d _ _ 6 0 0 0 等系统；进入 2 1 世纪，采用j a v a 、i n t e r n e t 、面向对象等技术，能够满足电力市场运营要求的第四 代能量管理系统的开发工作已经展开。 1 2 2 能量管理系统的主要应用软件1 ( 1 ) 数据采集与监视( s c a d a ) 数据采集与监视是以计算机为基础的生产过程控制与调度自动化系统。可以对现 场的运行设备进行监视和控制，以实现设备控制、数据采集、测量、参数调节以及各 类信号报警等各项功能，主要起着实时掌握系统的运行状态，迅速的诊断故障状态的 作用。 ( 2 ) 自动发电控制( a g c ) 自动发电控制的基本功能包括：负荷频率控制，维持系统频率和维持区域间联络 线交换功率为计划值；经济调度，确定各机组的经济基准运行点；系统备用容量监视； a g c 系统性能监视。 ( 3 ) 发电计划( g s ) 发电计划主要包括：负荷预测、机组组合、水电计划、交换计划、火电计划等。 发电计划的周期可以分为：超短期、短期、中期和长期。超短期是指的是实时发 电控制，其动作周期是秒或分钟级；短期发电计划指的是日或周的计划；中期发电计 西南交通大学硕士研究生学位论文 第3 页 划是指月至年的计划与修正。 ( 4 ) 网络分析( n a ) 网络分析主要包括：网络拓扑、状态估计、外部网络等值、调度员潮流、安全约 束调度、最优潮流、静态安全分析、暂态安全分析、电压稳定分析、无功优化、短路 计算等。 ( 5 ) 调度员培训模拟( d t s ) 调度员培训模拟主要用于培训调度员在正常状态下的操作能力和事故状态下的快 速反应能力，也可用作独立系统调度员( i s o ) 分析电网运行状况的工具。 1 3 电力系统优化运行畸， 电力系统优化运行是电力系统分析的一个分支，它所研究的问题主要是在满足用 户用电需求( 即负荷) 的前提下，如何优化的调度系统内各发电机组或发电厂的运行 工况，从而使系统发电所需的总费用或所消耗的总燃料耗量达到最小，这样一个运筹 决策的问题3 。最初有关于电力系统优化运行的讨论时从发电机组的并列运行开始的， 随着电力系统潮流分析的渐趋成熟和优化数学理论的日益完备，为满足电力系统的运 行需要，有关运行调度的分析才逐渐发展成能够在较全面兼顾电能质量及安全性等因 素的前提下，实现电力系统运行经济性的完整理论。从这个意义上讲，现代电力系统 优化运行是在经典经济运行理论基础上应用电力系统潮流分析和数学优化算法的产 物。电力系统优化运行主要有以下五个方面的内容： ( 1 ) 电力系统有功功率优化调度 有功功率的优化调度最初是指火电厂内负荷经济分配，而最初的求解方法是等耗 量微增率原则。后来，由于水力发电清洁廉价，且水电机组启停操作方便，开机，机 组调速都能在很短的时间内完成，人们意识到合理的利用水电厂有限的水量发电，能 节约系统的发电成本，这便产生了水火混合系统的有功功率调度。随着新能源发电技 术的发展，考虑到电力系统电源的多样性，又产生了涉及多种发电资源的混合发电系 统内各的有功优化调度。 ( 2 ) 电力系统优化潮流 电力系统潮流优化是指满足系统运行安全约束如：电压、频率的情况下，合理安 排系统的运行方式，使系统运行费用最小或其他的目标( 如网损最小) 最优。优化潮 西南交通大学硕士研究生学位论文 第4 页 流的计算大体上有两类算法，一类是完整的潮流计算；另类是分解算法，分解算法 中有的在一定的简化假设的基础上分别对有功潮流和无功潮流进行优化的解耦算法； 有的是根据分区调度的思想把原问题分为几个平行的、规模小的子问题并行优化的分 区优化算法。 ( 3 ) 电力系统无功功率优化调度 无功功率优化是已知系统网络结构和系统负荷的前提下，通过调节控制变量使系 统在满足各种约束条件下运行，且系统的一个或多个性能指标达到最优( 求解的目标 函数) 。它将电能质量、系统运行的安全性和经济性结合在一起，而且能取得可观的经 济效益，在无功功率优化中常用的控制变量有：发电机的无功出力和机端电压、电容 器组的投切和变压器分接头的调节。无功功率优化的目标函数有很多，例如：从安全 的角度出发，可以将各母线电压偏移等作为目标函数：从经济的角度出发，可以以减 小系统输电网络的有功损耗为目标。 ( 4 ) 互联电力系统优化调度 就目前来说，互联电力系统是由多个控制区域同各国联络线联接起来的互联系统。 当各个地区电力系统形成联合电力系统后，能更好的保证可靠系统的的持续供电、良 好的电能质量和系统运行的经济性。互联电力系统有很多优点：在安全性方面，系统 互联后设备互为备用，可以在不增加设备的情况下提高各系统实际备用容量水平。能 更合理的调配发电、供电，降低联合系统的峰值负荷。增强系统抵御突发事件的能力； 在经济性方面，互联系统使系统容量增大，因而可以采用大容量、高效率的机组，且 系统互联后能更合理的利用水、煤等各类动力资源，从而取得更高的经济效益。同样， 互联系统也会使系统变得更加复杂，使得其运行和调控难度较大。例如，当系统规模 较小时，低频振荡对系统的影响较小，而对于大规模互联电力系统，低频振荡可能会 危及到整个系统的稳定性。 ( 5 ) 电力系统的机组优化组合和启停优化 现代大规模电力系统中，发电资源由众多各类型的发电机组组成，不同类型的机 组有不同的成本特性和运行、技术约束条件。随着人们生产生活活动规律性变化以及 天气等因素的影响，电力负荷呈现出周期性起伏波动的特性。如果仅靠改变机组出力 而不改变启停机的数目，在已开机机组的容量范围内往往难以通过调节满足负荷的这 种变化。为了实现电力供需的平衡，并合理地利用发电资源，预先对发电机组的启停 西南交通大学硕士研究生学位论文 第5 页 和出力进行调度安排就是非常重要的。发电成本占到供电成本的3 5 、5 0 ，合理的开、 停机方案能节省能源，延长机组的使用寿命，带来很大的经济效益。 1 4 机组组合数学模型的研究现状分析 为了使基本的机组组合数学模型更加接近实际系统，许多学者在机组组合数学模 型的研究方面做了很多工作，并取得了许多成果。 由于发电机组的出力受其变化范围的限制，不考虑机组爬升速率制定的机组组合 及其负荷分配往往很难在实际中实施。文献 6 提出了考虑机组爬升速率的数学模型， 并用拉格朗日松弛法将爬升速率的约束和系统负荷约束一起进行松弛，用于水火混合 系统的短期发电计划的制定，取得了较好的效果。 在电力系统机组组合中必须考虑旋转备用，为了对应不确定性事件的发生，如负 荷预报的偏差、机组故障停运等。在传统的机组组合模型中，一般将旋转备用设为一 个固定的值。文献 7 考虑到电力系统运行中存在不确定性，在机组组合中考虑了机组 投运风险水平的限制。但机组投运风险水平与机组强迫停运容量呈离散型的分布关系， 因而难以与拉格朗日松弛法的机组组合算法有机结合。该文采用了求解精度较高的高 斯函数拟合系统投运风险曲线。将投运风险度约束以解析表达的方式引入机组组合的 拉格朗日松弛法中，解决了考虑概率备用约束的机组组合问题。 电力工业走向市场化，实现商业化运营的客观形势对发电企业的竞争力提出了新 的要求，这在机组组合的模型和算法中也有所反映。在电力市场环境下，机组组合的 目标函数由系统运行成本最低变成了购电成本最小，虽然目标函数不同了，但其算法 并没有发生根本的改变，文 8 用遗传算法求解了市场环境下的机组组合问题，并取得 了比遗传算法更好的结果，其算法可以扩展到大规模的机组组合中应用。 随着电网等级的升高和电力系统互联的增多，电力系统的安全稳定运行受到了广 泛的关注，这便出现了安全约束机组组合( s c u c ) ，s c u c 区别于传统机组组合问题在于 它考虑了电网的安全约束，要求支路潮流不越限，所以s c u c 综合考虑了电网调度的安 全性和经济性。文献 9 提出了一种解决网络安全约束下的机组组合问题的新算法，在 拉格朗日对偶分解的基础上结合变量复制技术，通过引入附加人工约束将网络约束嵌 入单机子问题中，实现在机组组合中考虑网络安全约束。 随着人们对环保的重视，在发电调度中也加入了环境的评估指标，例如二氧化硫、 西南交通大学硕士研究生学位论文 第6 页 氮氧化物等排放物作为评价指标。我国也正在实施现行发电调度的改革，开展节能发 电调度。它要求以节能环保为目标。文 1 0 用粒子群算法求解了计及机组阀点效应和 环境约束的电力系统经济负荷分配问题，并在i e e e 3 0 节点的系统中取得了很好的效果。 文 1 1 在节能减排背景下对机组组合目标函数进行了调整，采用排放价格因子将系统 总能耗最小和总排放最小的多目标问题转化为单目标问题。将多时段的机组组合问题 在时间上解耦，转化为单小时的子问题，并采用基于内点法的混合整数规划法求解子 问题。通过两个算例验证了算法和模型的有效性。 随着新能源发电技术的发展，电力系统机组组合问题的数学模型逐步加入了涉及 各种新能源发电电源的模型进行求解，例如，由于风力发电功率受风速的影响，而风 速往往不能保持在一个恒定的值，所以风电具有随机性i 而含有风电机组的机组组合 问题不再是一个常规意义下的确定性问题。文 1 2 建立了基于机会约束规划的含风电 场的电力系统机组组合的数学模型，以概率的形式描述相关约束条件，并把组合问题 分为内外两层优化予问题求解。外层为机组的启停状态优化，用引入启发式搜索策略 的离散粒子群算法求解，有效提高了机组状态优化效率。内层为负荷经济分配，考虑 到风电的不可靠性，利用随机模拟的改进粒子群算法求解。文 1 3 针对分布式发电的 特点，提出了一种新的含多种复合能源，如：太阳能发电系统、燃料电池发电系统、 风力发电系统等的分布式发电系统发电成本最低的机组组合模型，并提出了一种针对 分布式发电系统的调度策略，用改进的遗传算法求取在此策略下机组组合的发电费用， 约束条件中不仅包含了常规机组组合问题的约束，还考虑了分布式发电系统的特殊约 束。 1 5 机组组合算法研究现状分析 由于机组组合模型的处理不同、优化目标函数和约束的选择不同，使用的算法也 有差异。最初在求解机组组合问题时用的是穷举法，假设系统有台发电机，这些机 组就可以组成2 个组合，所谓的穷举法就是遍举这2 个组合，选出满足系统旋转备用 约束的组合，然后就这些可行组合进行负荷的优化分配，其中耗量最低的那个组合即 为机组优化组合。虽然穷举法的计算过程很简单，但其计算量是非常大的，例如：当 系统内发电机台数n = 2 0 时，需要遍举2 2 0 即i 0 4 8 5 7 6 个组合，这便会带来“维数灾 问题。因此早期的穷举法只能适用于机组数量很小的情况，一般不超过5 台机组瞄1 。随 西南交通大学硕士研究生学位论文 第7 页 着研究的深入，各种用于机组组合的算法日益增多，目前主要有启发类算法、数学优 化类算法和人工智能的优化算法三大类n 铲1 6 1 。 1 5 1 启发类算法 启发类算法有优先级表法( p r i o r i t yl i s t ，p l ) 等。启发式方法一般是按一些指 标对机组进行排序，依次序安排机组的开机或停机。常用的指标有平均满负荷成本或 者一些人为设定的指标。文献 1 7 提出了一种扩展优先顺序表法求解机组组合问题， 在优先顺序表中考虑了机组热效率。 虽然早期用来求解机组组合的启发式算法现在用的不多，但是在现有的算法中或 多或少加入了优先顺序法的思想，在现有的很多算法中基本都按一定的特征将机组进 行了排序。 1 5 2 数学优化类算法 数学优化类算法：动态规划法( d y n a m i cp r o g r a m m i n g ，d p ) 、拉格朗日松弛法 ( l a g r a n g i a nr e l a x ，l r ) 、混合整数规划法( m i x e di n t e g e rp r o g r a m m i n g ，m i p ) 和 内点法( i n t e r i o rp o i n tm e t h o d ，i p m ) 等；数学优化类算法是机组组合求解的一类 重要算法。这类算法把机组组合问题用数学方程描述出来，然后用解析方法求其最优 解。 动态规划法是解决多阶段决策过程最优化的一种数学方法。用动态规划法求解机 组组合问题时调度期间的每个时段即动态规划过程中的一个阶段。各阶段的状态即为 该时段所有可能的机组开停状态组合。从初始阶段开始，从前向后计算到达各阶段各 状态的累计费用( 包括开停机费用和运行时的燃料费) ，再从最后阶段累计费用最小的 状态开始，由后向前回溯，依次记录各阶段使总的累计费用最小的状态，这样就可得 到最优的开停机方案，在计算运行所需的燃料费用时，需使用负荷经济分配算法。但 是动态规划方法不能很好的处理机组功率上升、下降速度约束，特别是机组启动、停 机时的爬坡问题。文献 1 8 用动态规划法求解了机组组合问题。 混合整数规划是变量中既有整数又有非整数的数学规划问题，根据除整数变量以 外的其它变量的函数类型，又可分为线性混合整数规划和非线性混合整数规划。混合 整数规划法可以直接用于求解机组组合问题的数学模型而不需要加入过多的限制或假 西南交通大学硕士研究生学位论文 第8 页 设，从理论上来说能找到全局最优解。文献 1 9 介绍了用混合整数规划法求解机组组 合的过程，并考虑了多种约束。 内点法的基本原理是在目标函数中引入屏障函数，该障碍函数在可行域内部离边 界较远之处与目标函数尽可能接近，而在接近边界时，可以变成很大的值。因极小点 不在可行域的边界上，所以这种障碍函数具有无约束性质的极值，可用无约束极值法 求解。但内点法选取初始可行解较困难。文献 2 0 将传统的机组组合模型划分为离散 和连续两部分，在离散和连续空间中交替求解，用非常小的解领域空间代替原来庞大 复杂甚至难以求解的离散解空间，在求解连续变量过程中充分利用了内点法收敛性好、 精度高的优点，并采用降维整编技术进一步提高计算速度，并证明了其用于大规模机 组组合问题的可行性。 拉格朗日松弛法将系统约束，如负荷约束，旋转备用约束进行松弛。解除各时段 之间的耦合关系，通过对偶问题的求解来求得机组组合问题的解。拉格朗日松弛法随 着机组数的增加，计算量近似线性增长，克服了维数障碍，且机组数目越多，算法效 果越好。但是，拉格朗日松弛法在迭代过程中有可能出现振荡或奇异现象，需要采取 措施加快收敛，此外，考虑复杂的约束条件会使计算复杂化。文献 2 1 最早提出了拉 格朗日松弛法求解机组组合问题。拉格朗日松弛法虽然已经提出很久了，但其在机组 组合求解中的应用却一直在发展，它常被用来和其它算法结合来求解，文献 2 2 提出 了用粒子群算法来优化拉格朗日乘子这种方法来优化拉格朗日松弛法的性能，用来求 解机组组合问题。 1 5 3 智能优化算法 智能优化算法是基于各种人工智能技术的方法，包括专家系统( e x p e r ts y s t e m ， e s ) 、人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 、模拟退火算法( s i m u l a t e d a n n e a l i n g ，s a ) 、遗传算法( g e n e t i ca l g o r i t h m s ，g a ) 、禁忌搜索( t a b u ) 、蚁群算 法( a n tc o l o n yo p t i m i z a t i o n ，a c o ) 和粒子群算法( p a r t i c l es w a r mo p t i m i z a t i o n ， p s o ) 等。近年来，人工智能作为一种新兴的方法，越来越广泛的应用到电力系统机组 组合中。人工智能算法并不依赖求解问题的数学模型，但也普遍存在这求解时间较长 等缺点。 专家系统是采用人类专家的知识、经验和推理方法等处理各种实际问题的智能化 西南交通大学硕士研究生学位论文 第9 页 计算机程序系统，专家系统将数学规划、系统调度员经验、已有的知识结合起来寻找 最优方案。文献 2 3 采用专家系统进行机组组合求解，计算复杂度和机组成线性关系， 并对3 0 机的火电系统进行了求解。 人工神经网络源于人类对自身大脑神经网络认识理解。人工神经网络具有自学习 和自适应的能力，可以通过预先提供的一批相互对应的输入一输出数据，对人工神经 网络进行训练，通过训练，人工神经网络能分析掌握两者之间潜在的规律。然后根据 学习到的这些规律，用新的输入数据来推算输出结果。人工神经元网络算法计算时间 短，在线计算能力强，适合实时控制。但也存在着收敛速度慢，易陷入局部极值点等 缺点，且网络合适的隐含层数目和节点数目确定较困难。文献 2 4 h o p f i e l d 神经网络 的原理和机组组合问题的特点出发，提出了一种适合解决机组组合问题的扩展 h o p f i e l d 神经网络算法该算法结合了h o p f i e l d 神经网络和模拟退火算法( s a ) 的优 点，对整数变量取值范围进行了可行的扩展，有效地避免了陷入局部最优。同时，该 算法无须进行额外的负荷经济分配，能迅速、高效地搜索到系统的高质量优化解。并 且，该方法本身具有良好的并行性，易于在并行计算机上实现，有实际应用的价值。 模拟退火算法模拟固体退火过程，是一种启发式的随机搜索算法。根据固体退火 原理：先将固体加温至充分高，再让其慢慢冷却，加温时，固体内部粒子随温升变为 无序状，内能增大，而冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温 时达到基态，内能减为最小。因其算法实现简单，使用灵活，可跳出局部极值区而近 年来被许多领域广泛应用，但存在收敛速度慢，有关控制参数难以确定等。将模拟退 火算法用于求解机组组合问题，能考虑复杂约束。文献 2 5 用对模拟退火算法进行了 改进，使其能满足多种约束，并用于机组组合的两个实例的求解，取得了较好的效果。 遗传算法是由美国m i c h i g a n 大学j h o l l a n d 教授于1 9 7 5 年首先提出来，模拟达 尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模 拟自然进化过程搜索最优解的方法，与传统的方法相比，全局搜索能力强、便于并行 处理等优点，并具有很强的鲁棒性与适应性。但是遗传算法在迭代计算后期，种群中 适应值大的个体数量上绝对占优，失去了个体的多样性，个体之间缺乏竞争性，容易 陷入局部最优解，而过大的交叉率和变异率导致在最优点附近搜索效率降低，求解速 度慢。且遗传算法本质上属于无约束优化算法，如何处理约束条件将在很大程度上影 响算法的效率，计算量比较大，所需时间长。文献 2 6 将遗传算法用于机组组合问题 西南交通大学硕士研究生学位论文 第10 页 的求解，取得了比拉格朗日松弛法和动态规划更好的效果。 禁忌搜索算法是由g l o v e r 于1 9 8 6 年提出的搜索算法，禁忌搜索求解组合优化问 题通过迭代寻找问题的最优解，提供了跳出局部极值的方法。当达到一个局部极值后， 寻优过程将在下一次移动时转到一个新方向。对于每个解定义一个邻域，过程从初始 解开始，通过迭代移动到邻域内的最优解。但是，禁忌搜索存在对初始解依赖性较强 的缺点。文献 2 7 用改进了邻域搜索策略的禁忌搜索算法求解了大规模的水火混合系 统的机组组合问题。 粒子群算法源于对鸟群觅食行为的研究。p s o 算法中每个粒子就是解空间中的一个 解，它根据自己的飞行经验和同伴的飞行经验来调整自己的飞行。每个粒子在飞行过 程所经历过的最好位置，就是粒子本身找到的最优解。整个群体所经历过的最好位置， 就是整个群体目前找到的最优解。p s o 算法收敛速度快，参数简单容易控制。用p s o 算法解决机组组合问题已经取得了比遗传算法更好的效果。 1 6 粒子群算法在电力系统机组组合中的应用 粒子群算法本身是一种无约束的优化，但电力系统机组组合问题是一个高维数多 约束的优化问题，把粒子群算法应用到约束优化问题的求解中，其关键在于如何处理 好约束，即获得可行性。基于粒子群算法的约束优化可以用罚函数法或设定特定的进 化操作或修正约束因子。 粒子群算法用于求解电力系统机组组合的方法主要分为两类：一是直接用粒子群 算法或改进的粒子群算法进行求解，另一类是将粒子群算法和其它算法结合，综合利 用各种算法的长处进行求解。 1 6 1 粒子群算法求解机组组合问题 由于电力系统机组组合问题涉及到连续变量( 发电机组出力) 和离散变量( 发电 机启停状态) 的优化，在用粒子群算法求解的时候通常将机组启停状态或机组出力作 为控制变量，一般有以下两种思路：一种是将连续变量和离散变量作为整体同时优化； 另一种是将机组组合问题看作机组启停优化和机组输出功率优化两个子问题分层进行 优化。对于各种约束的处理，许多学者也使用了巧妙的方法。同时，考虑到粒子群算 法自身容易陷入局部最优的缺点，在求解过程中一般也对粒子群算法做了或多或少的 西南交通大学硕士研究生学位论文 第1 1 页 改进。 文献 2 8 通过在算法迭代过程中对松弛后的o 、1 变量与机组有功出力变量并行地 进行优化，避免了由于决策变量过多造成的维数灾难题；引入变动阂值，解决了在寻 优过程中粒子的值出现振荡时可能会丢失机组有效启停状态的问题；在粒子群优化算 法中引入启发式变异技术，有效地处理了机组启、停时间的约束并提高了粒子群优化 算法的全局收敛能力。文献 2 9 对机组组合问题的0 、1 变量进行松弛，相对于文献 2 8 增加了变量把开停机时间表示为开停机状态的函数，粒子群算法的状态变量为有功出 力、开停机状态、开停机时间。采用罚函数方法对约束条件进行处理，最终将机组组 合问题转化为无约束问题，然后采用改进的粒子群算法求解。文献 3 0 采用改进离散 二进制粒子群算法和标准粒子群算法相结合的双层嵌套方法，分别对外层机组的启、 停状态变量和内层功率经济分配进行交替迭代优化求解。同时在算法中引入基于机组 优先顺序的变异技术和修补策略，能有效地出力机组的最短启、停时间约束，并提高 算法的全局寻优能力和计算效率：文献 3 1 采用固定阈值处理表示机组运行状态的0 、 1 整型变量，从而可直接应用粒子群算法求解机组组合问题，避免求解各时段中的经 济负荷分配子问题；在粒子群算法迭代过程中应用变异操作更新进化速度缓慢的粒子， 增强了算法的搜索能力；算法收敛后，采用基于优先列表的贪婪搜索机制做进一步寻 优。文献 3 2 仅将机组的启停状态用0 、1 编码，在产生粒子时考虑最小开停机时间约 束，以保证只在可行解空间内寻优，借鉴优先顺序法确定优化窗口( 需要优化的那一 部分机组) 同时引入启发式规则来保证负荷及旋转备用约束的满足并进一步提高算法 的精度。文献 3 3 采用二维实数矩阵对发电机组的出力进行编码将引入经典控制理论 中的反馈机制和闭环控制概念并充分考虑粒子在每一步迭代中的自身特性和信息的闭 环粒子群算法用于求解电力系统机组组合问题。根据机组出力状态来确定启停状态， 并借鉴优先顺序法的思想将平均成本微增率较低且启动成本较高的机组赋予较高的优 先级。文献 3 4 采用整数序列对机组的运行状态进行编码，正数表示运行时间，负数 表示停运时间，有效减少了粒子群算法求解机组组合问题所需要的控制变量并且仅在 变量初始化的时候就能限制其开停机时间从而轻松实现了对最大最小开停机时间的约 束，并用参数自适应的粒子群算法求解。文献 3 5 提出种二进制和实数编码混合的 h p s o 算法。用u c 问题解决机组组合问题，r c p s o 解决负荷分配问题，两种算法同时优 化。文献 3 6 提出了考虑发电机出力的机组组合数学模型，模型将可靠性需求和旋转 西南交通大学硕士研究生学位论文 第12 页 备用约束在优化过程中合并，并对机组组合这个混合整数规划问题用含有二进制粒子 群和连续变量粒子群的混合粒子群算法求解。文献 3 7 提出了迭代最佳的思想，并将 其引入到粒子群算法中，提出了迭代粒子群算法( i p s o ) 。用提出的算法求解概率备用 的机组组合，对个含有4 8 台机组的电力系统进行仿真，该方法能根据电力系统的停 电成本来自动决定开机数目和旋转备用水平，用该算法求解概率备用机组组合问题的 符合有效、经济和安全的要求。 1 6 2 粒子群算法和其它算法结合求解机组组合问题 将粒子群算法和其它算法结合用于机组组合问题较常见的是将机组组合问题分成 机组启停状态优化和机组出力优化两个子问题来求解，将粒子群算法和其它算法结合 可以使各种算法各擅所长以达到更好的优化效果。 文献 3 8 将离散二进制粒子群算法结合优先顺序法进行机组启停状态的优化，并 采用启发式变异进行旋转备用约束和最小运行、停运时间约束的处理。采用修正灰色 区域的方法减小开停机费用，最后用e q u a li a m b d a - i t e r a t i o n 方法进行负荷分配并计 算运行费用和开停机费用。算法耗时较短并且随机组数量增加较少。文献 3 9 将机组 组合解编码为机组操作序列，降低了蚁群算法搜索的难度，使其空间复杂度由指数型 降为线性型，使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子 群算法求解多时段负荷的经济分配问题时，用一个粒子群处理一个时段的优化问题， 通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。文献 4 0 采用二进制粒子 群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题， 在算法中，将机组的最小开停机时间作为搜索机组开停机的最小单元，这样就大大的 降低了搜索时间。文献 4 1 对机组启停状态优化和负荷经济分配问题，分别用改进的 离散粒子群算法( d p s o ) 与基于等微增率原理的经典拉格朗日乘子法的组合来解决机 组启停优化问题，即先采用改进的d p s o 优化算法给出调度周期机组的状态组合，然后 根据等微增率原理利用拉格朗日乘子法求解负荷经济分配。对于机组启停优化中的约 束条件，机组爬坡速率利用k t 最优性条件处理，对于最小开停机时间约束引入一个 启发式的拟变异机制对优化搜索过程进行干预。文献 2 2 提出了一种粒子群算法与拉 格朗日松弛法相结合的机组组合算法。用拉格朗日松弛方法将优化问题在各个机组之 间解耦，对于单台机组的采用动态规划法进行优化，用粒子群算法优化拉格朗日乘子 西南交通大学硕士研究生学位论文 第13 页 的取值。 1 7 论文的主要工作 本文主要研究了能量管理系统中发电计划中的机组组合问题，它是电力系统优化 运行的一个重要部分，本文围绕机组组合问题，展开了以下工作： 第一章：介绍了机组组合问题的研究背景以及在实际中的应用。综述了机组组合 问题模型的研究现状和求解电力系统机组组合问题的各种方法，并重点对粒子群算法 在求解机组组合问题中的应用进行了总结。 第二章：在介绍火电系统的燃料特性和启停特性的基础上，研究了机组组合问题 及其所涉及到的负荷分配问题的数学模型。 第三章：对群智能算法进行了研究，选取了在很多应用中已取得较好效果的随机 聚焦粒子群算法作为本文求解机组组合问题的主要算法，详细阐述了随机聚焦粒子群 算法的物理意义、数学模型和优越性。 第四章：将随机聚焦粒子群算法用于对机组组合问题中的机组间负荷分配问题的 求解。并在考虑了负荷约束、旋转备用约束、单机输出功率上下限约束以及最大最小 开停机时间约束等条件，把随机聚焦粒子群算法用于机组组合问题的求解中，在以煤 耗量和机组启停耗量之和的系统运行成本最小的目标函数下，结合机组组合问题的特 点，在随机聚焦粒子群算法中加入了启发式策略，使其更加适用于机组组合问题的求 解，通过对1 0 机系统的m a t l a b 仿真实验和结果分析验证了该方法的有效性和优越性。 并将算法用于求解考虑机组爬坡速率的机组组合问题，通过对测试系统的m a t l a b 仿真 实验和结果分析验证其有效性和优越性。 第五章：总结全文，对机组组合问题进行展望，并对后期工作进行规划。 西南交通大学硕士研究生学位论文 第1 4 页 2 1 问题的提出 第2 章机组组合的数学模型 如图2 1 所示是电力系统在连续2 4 小时内的负荷曲线图。由负荷曲线可以看出， 电力系统的负荷是随时间变化的，且负荷曲线的峰值和谷值相差很大。假设在a 点， 只需要启动两台发电机，它们发出的有功功率就能满足负荷的需求。随着时间的变化， 若系统负荷达到b 点，那么，在a 点时已运行的机组通过调节其有功出力往往很难满 足系统负荷的要求，这就涉及到在b 点时需要重新制定机组的启停计划。 负 荷 o 时段 图2 1 电力系统负衙曲线 在制定机组启停计划的时候，在各个时段，应该开那几台发电机，停哪几台发电 机，在处于开机状态的发电机各应该承担多少负荷，才能使系统的运行最具有经济性 昵? 这就是电力系统机组组合问题。 典型火力发电系统的成本由系统内机组的燃料成本和机组的启动成本构成，下面 分别介绍这两种成本的特性及计算方法。 2 2 机组的耗量特性啼1 火力发电厂的燃料主要有煤或石油，主要的设备有锅炉、汽轮机、发电机及辅助 设备。以燃煤的火电厂为例，运行时，煤由磨煤机磨成煤粉( 以便充分燃烧) 进入锅 炉燃烧，燃烧产生的热量将水加热成为高温高压蒸汽，蒸汽又被送入汽轮机推动汽轮 西南交通大学硕士研究生学位论文 第15 页 机转子连同发电机转子一起旋转，发出的电功率，最后将发出的电功率经变压器升为 高压电，经变电站和输电线送入电网。 假定燃料的耗量用f 表示，发出的电功率用p 表示，火力发电机组的耗量特性即 为稳态运行时输入燃料f 和发出的电功率p 之间的关系畸3 。 机组的燃料耗量f 和发电有功功率p 的关系是很复杂的，一般情况下，f 不仅是 发电有功功率p 的函数，而且还与p 的变化率等因素有关。将机组的耗量特性用下述 方程表示： f f ( p ) ( 2 一1 ) 式中，p 为发电有功功率，单位为m w ；f 为燃料耗量，它可以用每小时消耗燃料 中所含热量计算，单位为k j h ，也可用所相当的标准煤的吨数来计算，单位为吨标准 煤d , 时，或t h 。 典型的火电机组耗量特性具有图2 - 2 所示的形状，曲线上有起伏是由于汽轮机的 几个调节汽门随着发电有功功率的增大而依次开放所形成的，即当上一级汽门已全开 而下一级汽门刚开时，蒸汽的流通会因节流效应产生损失，而导致耗量增大，曲线向 上凸起。另外火电机组在长时间运行时所能承担的负荷是有限制的，即 s psp 眦 式中，最大发电有功功