随着人们对电能需求的急剧增加,电能生产单位和电能消费单位分布不均的现象愈加严重,导致电能在生产和传输过程中会产生大量污染物和能量损耗。为降低环境污染和资源浪费,电力系统经济调度问题受到人们的广泛关注。电力系统经济调度问题是指根据用户的电能需求,合理制定发电机组的发电计划,以期达到降低电力系统的燃料成本和污染物排放量的目的。然而电力系统经济调度问题具有非线性、不可微的特点,求解难度较大。因此,提出合理的方法来解决电力系统经济调度问题是十分必要的,对提高电力系统的经济性、环保性具有重要意义。具体研究内容如下:(1)以发电机组输出功率为优化变量,燃料成本为优化目标,建立了电力系统静态经济调度数学模型;以发电机组输出功率为优化变量,燃料成本与污染物排放量为优化目标,建立了电力系统动态经济调度数学模型。(2)提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)。为了提高灰狼算法的求解能力,在分析灰狼优化算法的基础上,对该算法进行改进。改进措施包括:将灰狼优化算法与被囊动物群算法相结合,提高算法的全局寻优能力;使用基于Tent映射的混沌序列生成算法的初始种群,提高算法的收敛速度;将莱维飞行策略引入混合算法,扩大算法搜索范围,避免其陷入局部最优解。此外,通过单峰测试函数和多峰测试函数分别对HGWO算法的性能进行了验证。(3)应用HGWO算法求解电力系统静态经济调度问题。采用HGWO算法分别对六机组、十五机组静态经济调度案例进行求解,并与已有的静态经济调度方法进行比较。对于两个案例,HGWO算法得到的最优燃料成本分别比粒子群优化算法降低了0.05%、0.49%。测试结果表明,在求解电力系统静态调度问题时,HGWO算法得到的燃料成本更低,且求解稳定性更好。(4)应用HGWO算法求解电力系统动态经济调度问题。采用HGWO算法分别对五机组、十机组、十五组动态经济调度案例进行求解,并与已有的动态经济调度方法进行比较。对于三个案例,HGWO算法获得的最优折衷解的燃料成本分别比粒子群优化算法降低了10%、4%、1%,并且HGWO算法获得的最优折衷解的污染物排放量分别比粒子群优化算法降低了9%、10%、13%。测试结果表明,对于动态经济调度问题,提出的HGWO算法依然给出了满意的求解结果。
暂无评论