亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于INMOPSO的含水風(fēng)光電力系統(tǒng)優(yōu)化調(diào)度研究

        2021-07-14 13:53:02趙亞威紀(jì)昌明張驗(yàn)科馬秋梅孟長(zhǎng)青
        水力發(fā)電 2021年4期
        關(guān)鍵詞:火電支配電量

        趙亞威,紀(jì)昌明,張驗(yàn)科,馬秋梅,孟長(zhǎng)青

        (華北電力大學(xué)水利與水電工程學(xué)院,北京 102206)

        0 引 言

        電力系統(tǒng)優(yōu)化調(diào)度是根據(jù)一定的目標(biāo)優(yōu)化各電站在調(diào)度期內(nèi)的運(yùn)行方式,是保證電力系統(tǒng)安全、高效、經(jīng)濟(jì)運(yùn)行的必要工作。以往的電力系統(tǒng)優(yōu)化調(diào)度主要遵循的目標(biāo)是運(yùn)行成本最小[1]?!笆濉币?guī)劃開展以來,我國(guó)水風(fēng)光等可再生能源在電力系統(tǒng)中的發(fā)電裝機(jī)比例不斷提高。雖然可再生能源有著運(yùn)行成本低、清潔無污染的優(yōu)點(diǎn),但大規(guī)模并網(wǎng)發(fā)電也帶來了電力消納受阻的問題[2]。因此,當(dāng)下電力系統(tǒng)優(yōu)化調(diào)度模型應(yīng)在原有基礎(chǔ)上,進(jìn)一步考慮可再生能源消納能力,成為是一個(gè)含多目標(biāo)、多約束、多變量的復(fù)雜非線性優(yōu)化問題,使用常規(guī)的非線性規(guī)劃方法難以求解。智能優(yōu)化算法是近年來逐漸興起的、能夠解決大規(guī)模復(fù)雜優(yōu)化問題的有效方法,在電力系統(tǒng)優(yōu)化調(diào)度中應(yīng)用廣泛[3]。

        小生境多目標(biāo)粒子群算法(Niche Multi-objective Particle Swarm Optimization Algorithm, NMOPSO)是多目標(biāo)智能優(yōu)化算法的一種,有著原理簡(jiǎn)單、收斂速度快、易于實(shí)現(xiàn)的優(yōu)點(diǎn)。但NMOPSO也存在一定的問題,主要體現(xiàn)在兩點(diǎn):第一,難以處理復(fù)雜約束條件;第二,根據(jù)歐式距離計(jì)算的適應(yīng)值難以反映粒子間真實(shí)的聚集程度。針對(duì)第一個(gè)問題,本文采用多目標(biāo)法[4]處理約束條件;針對(duì)第二個(gè)問題,本文借鑒統(tǒng)計(jì)學(xué)和多屬性決策相關(guān)研究[5-7],引入馬氏距離來改進(jìn)NMOPSO適應(yīng)值的計(jì)算方式。

        1 含水風(fēng)光電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型

        1.1 目標(biāo)函數(shù)

        我國(guó)西南地區(qū)水電資源豐富,汛期為滿足電網(wǎng)安全運(yùn)行需求,水電站常常被迫棄水調(diào)峰;風(fēng)光電站出力隨機(jī)性較大,在無配套儲(chǔ)能設(shè)施情況下,常出現(xiàn)富裕電量無法被電網(wǎng)吸收的情況。這些導(dǎo)致了可再生能源消納受阻的問題。考慮到可再生能源消納能力,以運(yùn)行成本最小和可再生能源棄電量最小為目標(biāo),建立電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型,目標(biāo)函數(shù)為

        minF=min[f1,f2]

        (1)

        式中,f1、f2分別表示系統(tǒng)運(yùn)行成本和可再生能源棄電量(后文簡(jiǎn)稱為“棄電量”)。

        系統(tǒng)運(yùn)行成本主要由火電燃料成本和啟停成本組成,計(jì)算公式為

        (2)

        (3)

        (4)

        式中,t、T、Δt分別為調(diào)度期內(nèi)時(shí)段序號(hào)、總時(shí)段數(shù)、單時(shí)段時(shí)長(zhǎng);i、I分別為火電機(jī)組序號(hào)和總臺(tái)數(shù);Nth,i,t為火電機(jī)組i時(shí)段t出力;ai、bi、ci為火電機(jī)組發(fā)電煤耗函數(shù)的參數(shù);pfuel為單位質(zhì)量燃煤價(jià)格;Sth,i,t為火電機(jī)組啟停狀態(tài),0為停機(jī)狀態(tài),1為開機(jī)狀態(tài);ps,i、pe,i分別為火電機(jī)組i單次啟動(dòng)和停機(jī)成本;B(·)表示火電機(jī)組的燃煤消耗量,是機(jī)組開停機(jī)狀態(tài)和出力的函數(shù);Q(·)表示火電機(jī)組啟停費(fèi)用,是機(jī)組相鄰時(shí)段啟停機(jī)狀態(tài)的函數(shù)。

        棄電量是指水風(fēng)光電站最大發(fā)電量和實(shí)際發(fā)電量之差,計(jì)算公式為

        (5)

        1.2 約束條件

        功率平衡約束

        (6)

        式中,Pin,t、Pout,t、Pt分別為時(shí)段t系統(tǒng)接入外網(wǎng)負(fù)荷、送出負(fù)荷、本網(wǎng)負(fù)荷。

        正負(fù)旋轉(zhuǎn)備用下限約束

        (7)

        出力上下限約束

        (8)

        火電機(jī)組爬坡降坡約束

        (9)

        火電機(jī)組最小連續(xù)啟停持續(xù)時(shí)間約束

        (10)

        2 模型求解

        2.1 基于多目標(biāo)法的約束條件處理方法

        以最小化目標(biāo)為例,建立如下約束優(yōu)化問題:

        (11)

        式中,x=[x1,x2,…,xn]∈S為決策變量,S為n維決策空間。當(dāng)M=1時(shí),上述為單目標(biāo)優(yōu)化問題;當(dāng)M>1時(shí),為多目標(biāo)優(yōu)化問題。多目標(biāo)法的具體操作是,將等式約束轉(zhuǎn)化為如下的等價(jià)形式

        則原約束優(yōu)化問題可轉(zhuǎn)化為如下無約束優(yōu)化問題

        minq(x)=min[q1(x),q2(x),…,qM+J+K(x)]

        (12)

        設(shè)minq(x)和minf(x)的Pareto解集分別為集合C(q,x)、C(f,g,h,x),顯然C(q,x)包含C(f,g,h,x),即有如下充分條件成立

        x*∈C(f,g,h,x)?x*∈C(q,x)

        (13)

        為證明式(13)成立,給出如下定義:

        定義1,Pareto支配關(guān)系。設(shè)決策空間S上的兩個(gè)決策變量xa和xb,若滿足

        ?i∈{1,2,…,I},fi(xa)≤fi(xb),∧?i,fi(xa)

        則xaxb,稱xa支配xb,或xb被xa支配。為支配符號(hào)。

        定義2,Pareto最優(yōu)解集和Pareto前沿。Pareto最優(yōu)解構(gòu)成的集合稱為Pareto最優(yōu)解集,即

        C={xa∈S|?xb∈S,∧xaxb}

        Pareto最優(yōu)解集C在目標(biāo)空間上的映射稱為Pareto前沿(Pareto Front, PF),即

        P={f(x)|x∈C}

        注意到式(13)為充分非必要條件,因此,在C(q,x)中選擇滿足minf(x)問題約束條件的解,即為原問題的Pareto最優(yōu)解。

        2.2 基于馬氏距離的改進(jìn)NMOPSO

        先給出如下符號(hào)含義。

        非支配解集構(gòu)成的矩陣U

        (14)

        式中,n、N分別為非支配解序號(hào)和總數(shù);m、M分別為決策變量序號(hào)和總數(shù);un,m為第n個(gè)非支配解的第m個(gè)決策變量值。

        非支配解向量Yn,為行向量

        Yn=[un,1un,2…un,m…un,M]

        (15)

        決策向量Xm,為列向量

        Xm=[u1,mu2,m…un,m…uN,m]T

        (16)

        NMOPSO的粒子適應(yīng)值計(jì)算式為

        (17)

        (18)

        式中,H(Yi,Yj)為共享函數(shù);r為小生境半徑;D(Yi,Yj)為兩個(gè)非支配解i、j之間的距離,采用歐式距離來計(jì)算,公式為

        (19)

        歐式距離沒有考慮到?jīng)Q策變量量綱和數(shù)量級(jí)不同,以及決策變量間相關(guān)關(guān)系的影響,無法反映粒子間真實(shí)的聚集程度,導(dǎo)致算法早熟或陷入局部最優(yōu)。馬氏距離不僅能夠解決變量間量綱和數(shù)量級(jí)不同的問題,還能消除變量間的相關(guān)性,因此,考慮以馬氏距離代替歐式距離來改進(jìn)粒子的適應(yīng)值計(jì)算方式。任意兩個(gè)非支配解之間的馬氏距離計(jì)算式為

        (20)

        (21)

        c(Xp,Xq)=E{[Xp-E(Xp)][Xq-E(Xq)]}=

        (22)

        式中,i、j為非支配解序號(hào);p、q為決策變量序號(hào);∑為協(xié)方差矩陣;∑-1為∑的逆矩陣。將式(20)替換式(18)中歐式距離即可得到改進(jìn)的適應(yīng)值。

        基于馬氏距離的改進(jìn)NMOPSO(Improved NMOPSO, INMOPSO)計(jì)算流程如下:

        (1)初始化各粒子目標(biāo)向量、非支配解集的外部存檔以及當(dāng)前最優(yōu)位置pbest。

        (2)計(jì)算外部存檔中個(gè)體改進(jìn)的適應(yīng)值;根據(jù)適應(yīng)值計(jì)算個(gè)體的適應(yīng)值累計(jì)比例;根據(jù)累計(jì)比例,采用輪盤賭法隨機(jī)選擇外部存檔中的個(gè)體最為當(dāng)前全局最優(yōu)位置gbest。

        (3)更新粒子速度和位置。

        (4)計(jì)算各粒子目標(biāo)向量,將當(dāng)前粒子群體與外部存檔混合進(jìn)行非支配計(jì)算,并更新外部存檔,記當(dāng)前外部存檔中個(gè)體數(shù)量為Q。

        (5)計(jì)算外部存檔中個(gè)體改進(jìn)的適應(yīng)值,若外部存檔中個(gè)體數(shù)量超過上限值Qmax,則剔除適應(yīng)值最小的個(gè)體(若有多個(gè),則同時(shí)剔除),并重新計(jì)算剩余個(gè)體的適應(yīng)值,直到外部存檔個(gè)體數(shù)量首次小于等于上限值為止。

        (6)更新各粒子pbest。若粒子pbest支配當(dāng)前位置,則保持pbest不變;若粒子pbest被當(dāng)前位置支配,則將當(dāng)前位置作為新的pbest;若二者互不支配,則是按一定概率更新pbest。

        (7)若迭代次數(shù)K大于Kmax,則終止計(jì)算,輸出成果;否則,轉(zhuǎn)入步驟(2)繼續(xù)計(jì)算。

        3 實(shí)例計(jì)算

        3.1 背景資料

        以云南省滇中區(qū)域電網(wǎng)汛期典型日電力電量平衡為例進(jìn)行實(shí)例分析。計(jì)算資料如下:風(fēng)電站、太陽能電站各時(shí)段預(yù)測(cè)最大出力值如圖1;系統(tǒng)原負(fù)荷與疊加外送負(fù)荷后的疊加負(fù)荷如圖2;火電機(jī)組信息如表1;水、風(fēng)、光電站總裝機(jī)容量分別為15 450、2 500、1 000 MW;水電站日總可用電量和最小電量分別為36 000萬、28 800萬kW·h。

        圖1 典型日風(fēng)光電站預(yù)測(cè)最大出力

        圖2 典型日負(fù)荷過程

        表1 機(jī)組信息

        3.2 結(jié)果分析

        分別采用INMOPSO、NSGA-II、NMOPSO算法對(duì)模型進(jìn)行求解,得到近似PF,如圖3。從收斂結(jié)果優(yōu)劣角度分析,INMOPSO相較于其他2種算法,得到的近似PF更靠近坐標(biāo)系的左下方,說明其結(jié)果更加貼近真實(shí)PF,結(jié)果為最優(yōu),NSGA-II結(jié)果則次之,NMOPSO結(jié)果最差;從解的分布角度分析,NMOPSO得到的近似PF的頭部和中部解的分布很不均勻,NSGA-II好于NMOPSO,解的分布整體比較均勻,INMOPSO解的分布均勻性最好。

        圖3 3種算法得到的近似PF

        下面對(duì)INMOPSO、NSGA-II、NMOPSO的實(shí)際應(yīng)用性能表現(xiàn)進(jìn)行具體分析。由于所求問題真實(shí)PF不可知,無法采用IGD指標(biāo)對(duì)算法的性能進(jìn)行評(píng)價(jià)。因此,這里采用單目標(biāo)收斂過程和S指標(biāo)對(duì)算法性能進(jìn)行對(duì)比分析[8]。單目標(biāo)收斂過程是指每次迭代計(jì)算得到的某一目標(biāo)的最優(yōu)值構(gòu)成的系列;S指標(biāo)則是指解的密集距離的標(biāo)準(zhǔn)差,如式(23),可以用來衡量解分布的均勻性。

        (23)

        提取3種算法運(yùn)行成本目標(biāo)和棄電量目標(biāo)每次迭代計(jì)算的最優(yōu)值,得到單目標(biāo)收斂過程如圖4和圖5,單目標(biāo)收斂結(jié)果和S指標(biāo)值如表2。分析可知,INMOPSO的運(yùn)行成本目標(biāo)和棄電量目標(biāo)收斂結(jié)果均小于對(duì)比算法,收斂速度快于對(duì)比算法;同時(shí),INMOPSO的S指標(biāo)值小于對(duì)比算法,說明其解分布的均勻性好于對(duì)比算法。

        圖4 3種算法運(yùn)行成本目標(biāo)收斂過程

        圖5 3種算法棄電量目標(biāo)收斂過程

        表2 S指標(biāo)值及單目標(biāo)收斂結(jié)果

        采用改進(jìn)TOPSIS[9]對(duì)三種算法得到的Pareto最優(yōu)解進(jìn)行多目標(biāo)決策,分別得到最佳均衡解如表3。分析可知,NSGA-II的最佳運(yùn)行成本為6 403萬元,棄電量為3 104萬kW·h;NMOPSO的最佳運(yùn)行成本為6 364萬元,棄電量為3 300萬kW·h;二者均大于INMOPSO的最佳運(yùn)行成本6 162萬元和棄電量3 024萬kW·h,說明INMOPSO的優(yōu)化結(jié)果能更好的滿足決策要求。綜上所述,在實(shí)際應(yīng)用方面,本文提出的INMOPSO要優(yōu)于NSGA-II和NMOPSO。

        表3 三種算法的最佳均衡解

        4 結(jié) 論

        (1)考慮可再生能源消納能力的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型更加符合實(shí)際情況。

        (2)多目標(biāo)法能將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題,且能保證解的收斂性;基于馬氏距離的INMOPSO,排除了決策變量之間量綱、數(shù)量級(jí)不同和相關(guān)性對(duì)非支配解聚集程度判定的影響,避免算法早熟或陷入局部最優(yōu)。

        (3)實(shí)例分析從近似PF、算法收斂性、解分布的均勻性三方面驗(yàn)證了INMOPSO的優(yōu)越性,基于INMOPSO得到的最佳均衡解的運(yùn)行成本和棄電量均小于對(duì)比算法,合理優(yōu)化了電力系統(tǒng)運(yùn)行成本和可再生能源消納能力之間的關(guān)系,對(duì)于電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度工作具有一定指導(dǎo)意義。

        猜你喜歡
        火電支配電量
        電量越低越透明的手機(jī)
        被貧窮生活支配的恐懼
        意林(2021年9期)2021-05-28 20:26:14
        跟蹤導(dǎo)練(四)4
        火電施工EPC項(xiàng)目管理探討
        四川2018年7月轉(zhuǎn)讓交易結(jié)果:申報(bào)轉(zhuǎn)讓電量11.515 63億千瓦時(shí)
        基于決策空間變換最近鄰方法的Pareto支配性預(yù)測(cè)
        隨心支配的清邁美食探店記
        Coco薇(2016年8期)2016-10-09 00:02:56
        電量隔離傳感器測(cè)試儀的研制
        向下的火電
        能源(2015年8期)2015-05-26 09:15:36
        北斗通信在小型水電廠電量采集中的應(yīng)用
        亚洲AV伊人久久综合密臀性色| 亚州国产av一区二区三区伊在| 曰本人做爰又黄又粗视频| 女人与牲口性恔配视频免费| 亚州五十路伊人网| 免费在线亚洲视频观看| 又粗又黑又大的吊av| 人妻少妇av中文字幕乱码| 98精品国产综合久久| 91亚洲夫妻视频网站| 青青草原综合久久大伊人精品| 欧美性猛交xxxx乱大交3| 国产精品久久久久久2021| 国产精品成人久久a级片| 国产成人午夜av影院| 蜜桃免费一区二区三区| 亚洲av无码专区在线观看成人| 99精品视频在线观看| 国产成人AⅤ| 99久久国内精品成人免费| 国产无遮挡又爽又刺激的视频老师 | 精品国内日本一区二区| 久久精品无码av| 日韩精品电影在线观看| 亚洲国产免费一区二区| 成人免费自拍视频在线观看| 永久免费看啪啪网址入口| 亚洲精品6久久久久中文字幕| 男女性生活视频免费网站| 日韩精品无码一区二区三区四区 | 偷拍区亚洲区一区二区| 亚洲一区二区精品在线| 精品亚洲成a人无码成a在线观看 | 国产成人久久精品亚洲小说| 国产丝袜一区丝袜高跟美腿| 国产黄大片在线观看画质优化| 色先锋资源久久综合5566| 极品美女尤物嫩模啪啪| 免费亚洲老熟熟女熟女熟女 | 97夜夜澡人人双人人人喊| 青青在线精品2022国产|