基于遗传算法的电力系统机组组合问题研究.pdf

自 动 化 技 术与 应 用 2 0 1 1 年 第3 0 卷 第3 期 控 制 理 论 与 应 用 Con t r ol Th e or y an d Ap pl i c at i on s 基 于遗 传算 法的 电力 系统机组组合 问题研究 任壶 1。 张小青z ( 1 哈尔滨市 电业局， 黑龙江哈尔滨1 5 0 0 1 0 ； 2 黑龙江科技学院电气与信息工程学院， 黑龙江哈尔滨l 5 0 0 2 7 ) 摘要： 针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究。 以电力系统机组组合为研究对象， 用遗传算法解决电 力 系统机组组合 及机 组问的负荷分配 问题 。 埘 5 4 机系统进行 了仿真计算 ， 为遗传算法应用 到机 组组 合问题 的实用化进 行了有 益 的尝试 。 关键词 ： 电力系统 ； 机组组合 ； 遗传算法 中图分类号 ： TP 1 8 2 文献标识码 ： A 文章 编号 ： 1 0 0 3 7 2 4 1 ( 2 0 1 1 ) 0 3 0 0 0 8 0 4 Re s e a r c h f o r Un i t CO mm-t me n t i n P o we r Sy s t e m B a s e d o n Ge n e t i c Al g o r it h ms P EN Ya o ZHANG Xi a o q i n g ( 1 Ha r b i n E l e c t r i c P o we r Bu r e a u ， Harb i n 1 5 0 0 1 0 C h i n a ； 2 E l e c t r i c a l a n d I n f o r ma ti o n E n g i n e e r i n g C o l l e g e ， H e i l o n g j i a n g I n s ti t u t e o f S c i e n c e a n d T e c h n o l o g y , Ha r b i n 1 5 0 0 2 7 C hin a ) Ab s t r a c t ： T h e r e a l i z a t i o n t e c h n o l o g y o f u n i t c o mmi t me n t b a s e d o n g e n e t i c a l g o r i t h m( GA) i s d i s c u s s e d i n t h i s p a p e r Re g a r d i n g u n i t c o mmi t me n t o f p o we r s y s t e m a s t h e r e s e a r c h s u ne c t ， t h i s p a p e r s o l v e s t h e p r o b l e ms o f u n i t c o mmi t me n t a n d l o a d d i s p a t c h o f p o we r s y s t e m b y u s i n g GA Th e s i mu l a t i o n o n N O 5 4 p o we r s y s t e m s h o ws t h a t t h e p r o po s e d a l g o r i t h m h a s m o r e p r a c t i c a b i l i t y ， i t m a k e s p o s i t i v e a t t e m p t s o n u n i t c o mm i t m e n t o f p o we r s y s t e m Ke y wor d s ： e l e c t r i c p o we r s ys t e m ； u n i t c o m mi t m e n t ； g e n e t i c a l g o r i t h m 1 引言 电力系统经济运行 的目的是在保证整个系统安全 可靠和 电能质量符合标准的前提下 ， 努力提高 电能生产 和输送 的效率 ， 尽量 降低供 电的燃料消耗或供 电成本 ， 其方法 主要是合 理分 配各 发 电厂 的有功 功率 负荷 ， 合 理 配置无功功率电源 ， 改进网络结构参数 以及组织变压器 的经济运 行等 。所 以说 ， 经济运 行是 一个复 杂 的全 局优 化 问题。随着 电力体制改革的逐步深入 ， 实现商业化运 营的客观形式对 电网的机组组合提出了新的要求 ， 相应 地机组组合的优化 目标也变为在保证 电网安全运行 的 前提下 ， 以电 网获得 效 益最 大 为准则 ， 按 发 电成本 安 排 发电目标 。生产调度问题在许多情 况下所建立起来 的 数学 模型难 以精 确求解 ， 即使经 过一 些简化 以后可 以进 收稿 日期： 2 0 1 0 0 6 1 3 行 求解 ， 也会 因简化太 多而使 得求解 结果 与实 际相 差甚 远。因此 ， 目前在现实生产中也主要靠一些经验进行调 度。机组的优化组合是 电力系统经济运行的重要组成 部分 ， 由于采用机组最优投入技术能给电力系统带来可 观的经济效益， 因此近年来该领域一直是国内外电力工 作者 的 研究 热点 。 遗传算法是解决复杂 问题的有效工具 ， 针对遗传算 法在 电力系统经济运行 中的应用 ， 许多研究者作了大量 深入的研究 。遗传算法是以达尔文的 自然进化理论和 孟德尔的遗传变 异原理为基础的模拟 自然界生物进化 过程 机 制 的 随机 搜索 技术 指 导 的方法 。遗 传 算法借 鉴 了 自然界生物进化过程中适者生存的竞争机制。在求 解优化 问题时 ， 遗传算法将优化 问题 当作一个生存环 境 ， 问题 的一个解 当作生 存环 境 中的一 个个 体 ， 以 目标 函数值或其变化形式来评价个体对环境的适应能力 ， 模 控 制 理 论 与 应 用 Co n t r o l The o r y an d Ap pl ic at i o n s 自动化技 术与应用 2 0 1 1年第 3 0卷第 3期 拟 由一定数量个体 所组成 的群 体的进化过程 ， 优胜 劣汰 ， 最终获得最好的个体， 该个体即是问题的最优解。遗传算 法 作为一种通用 、高效 的优化算法 ， 已应用到工程计 算的 各个领域。特别是对于一些大型复杂非线性系统【 1 ， 表现 出比其他传统优化方法更加独特和优越的性 能 ， 目前 已经 广 泛应用于 函数 优化 、组 合优化 、 自动控 制等领域 。 2 遗传算法在机组的优化组合中的应用 遗 传 算法 是 将每 个 可 能 的解 看 作是 群 体 中 的一 个 个体 ， 并将每 个个 体编 码成 字符 串 的形 式 ， 在 个 体适应 度 的引导 下 ， 利用遗 传算子 通过选 择 、交叉 、变 异对个 体 进行重新 组合 ， 得 到一群 新 的个体 ， 经过不 断迭代 ， 逐 步 朝着更 优解 的方 向进 行 。其 中 ， 选择 、交 叉和变 异构 成 了遗 传算 法 的 遗 传 操作 ； 参 数 编 码 、初 始 群 体 的 设 定、适应度函数的设计、遗传操作设计、控制参数设定 五个要素组成 了遗传算法的核心 内容 。 遗 传算法 的主 要步骤 如 下【 2 】 ： ( 1 ) 编码 ： 遗传算法在进行搜索之前先将解空间的 解 数据表示 成遗 传空 间的基 因型 串结构数 据 ， 这 些 串结 构数据的不同组合便构成了不同的点。假定 代表机 组 数 目； 日 代表 时段总数 ， 如果 是一天 则取 2 4； “ 1 ”代表 机组处 于 “ 开 ”状态 ； “ 0 ”代表 机组 处于 “ 停 ”状态 。 由此可 见机 组组 合 问题 的解 可 以用表 1表 示 。 把 台机组在 日 个 时段上 的启停状态 连接起 来 ， 就 表 1 遗传算法的编码 时段 机组 l 2 3 4 5 H l O 1 l l O 0 2 l 1 l O O l N 0 0 0 l l 0 得到了如下的二进制码 ， 即完成了所谓 “ 编码”的工作 ： 0 l l l 0 0 1 1 1 0 0 l 0 0 0 1 l 0 相 反地 有所谓 的 “ 解 码 ” 过程 。 ( 2 )初始群体的生成 ： 随机产生 N 个初始 串结构数据 ， 每个 串结 构数据称为一个个体 ， 个个体 构成 了一个群 体。遗传算法以这 个串结构数据作为初始点开始迭代。 产 生初 始 种 群 的方 法 通常 有 两 种 。 一种 是 完 全 随 机 的方法 产生 的 ， 它 适合 于对 问题 的解 无任何 先验 知识 的情 况 。另 一 种是 某 些先 验 知识 可 转变 为 必须 满 足 的 一 组 要 求 ， 然 后 在 满 足这 些 要 求 的解 中随 机地 选 取样 本。由于对特定时段的机组进行负荷分配 ， 约束条件较 少 ， 因此采 用第一 种方法 。群 体规模 的大小 表示群 体 中 所包 含 个体 的数量 。群 体规 模 的 大小 影 响群 体算法 的 最 终结果 以及遗 传 算法 的执 行 效率 。 ( 3 )适应性值评估 检测 ： 适应性 函数表 明个体 或解 的 优劣 性 。不 同的 问题 ， 适 应性 函数 的定义 方式 也不 同。 ( 4 )选择： 选择的目的是为了从当前群体中选出优良 的个体， 使它们有机会作为父代为下一代繁殖子孙。遗 传算法通过选择过程体现这一思想， 进行选择的原则是 适应性强的个体为下一代贡献一个或多个后代的概率大。 图 1 遗传算 法流程 图 自 动 化 技术 与 应 用 2 0 l 1 年 第3 O 卷 第3 期 控 制 理 论 与 应 用 Co n t r o l The o r y a n d App l i c a t ion s ( 5 ) 交叉 ： 交叉操作是遗传算法中最主要的遗传操 作 。通过交叉操作可 以得到新一代个体 ， 新个体组合了 其 父 辈个 体 的特 性 。 ( 6 )变异 ： 变异首先在群体中随机选择一个个体 ， 对 于选 中的个 体 以一定 的概 率 随 机地 改 变 串结 构数 据 中 某个 串的值 。 同生物界 一样 ， 遗 传算法 中变异 发生 的概 率很低 ， 通常取值 在 0 O 0 l 一 0 0 i 之间 。 ( 7 )适 应度函数 ： 本文 中选取 的 适应度 函数 是 以机组 的成 本 函数 式 ： F F ( P ) ， n 表示 开启的机组数 目。 ( 1 ) i ( 8 ) 约束条件的实现 ： 机组启停约束的实现是通过 使 用 惩罚 函 数使 得 该 约束 函数 通 过 惩罚 因子 并到 目标 函数上 。 约 束条 件 下 的适 应度 函数 表示 为 ： F = F ( P ， ) 十C R ， 其 中 C 是 惩 罚 因子 ， R 为 约 束 形式 。 ( 9 ) 全 局最优 收敛 ： 当最优 个体 的适应度 达 到给定 的条件 ， 或者 最优 个体 的适应 度和群 体适 应度不再 上 升 时 ， 则算法 的迭 代过 程 收敛 、算 法结 束 。否则 ， 用经过 选 择 、交 叉 、变 异所 得 到 的新 一代 群 体取 代上 一 代群 体 ， 并返 回到第 4步 即选择 操 作处继 续循环 执行 。 综 上 而述 ， 遗 传算 法 的基 本处 理 流程如 图 l所示 。 3 5 4台机 组 2 4小时的开停机情况最 优 机 组 组 合 计 划 表 2是具有 5 4台发 电机 的机组特性 ， 已知 2 4个小 时的 负荷 和 系统备 用 要 求 。 根据遗传 算法 ， 用 Ma t l a b仿 真【 】 可求 出 2 4 小 时内这 5 4台发电机组的机组最优组合和开停机计划 ， 使系统发 电和启 停总费 用最低 。2 4 小 时 内这 5 4台发 电机组 的开 停机计划如表 3所示( 其中 l表示开机 ， 0表示停机) 。 4 结束 语 基 于 优 先顺 序 法 对 于 小 机 组 启停 的系 统 ， 结 果接 近 于最 优 组 合 ； 但 对 于存 在 中型 和大 型 机 组启 停 系 统 常常找不到最优解或次优解 ； 而遗传算法在大系统方 面差 不 多 总 能找 到 问题 的最 优 解 ， 在 工程 中加 以应 用 效 果 更 佳 。 本 文用 ma t l a b实现 了遗传算法 的程序 ， 实现 了机组 表 2 5 4台机组的机组特性 机 最小 最大 最大 最大 初始状态 状； 最小 最小 组 出力 出力 增出力 减出力 出力大小 小时数 运行 停运 启动 空载 时间 时间 成本( Y) 成本( ￥) 号 ( Mw) ( MW) ( M、 h ) ( MWt h ) ( Mw) ( h ) c h ) 1 5 30 15 15 5 1 1 0 40 3L 67 2 5 30 15 15 5 1 1 O 40 31 67 3 5 30 l5 15 5 l 1 1 40 31_ 67 4 l 5O 300 15 0 15 0 15 O 8 8 8 44 0 6 7 8 5 1 00 30 0 15 0 15 0 10 0 8 2 8 l1 0 6 6 1O 3 0 15 15 10 1 1 1 40 31 67 4 9 8 2 0 1 0 1 0 8 l l 0 3 0 l 7 9 5 5 0 2 5 5 0 2 5 2 5 2 5 2 2 2 4 5 5 8 8 1 5 1 2 5 l 0 0 5 0 5 0 2 5 5 5 5 5 0 1 0 1 5 52 25 1O 0 5 0 5 0 25 5 1 5 50 10 15 53 25 10 0 5 0 5 0 2 5 5 1 5 5 0 10 15 54 25 50 25 2 5 2 5 2 2 0 4 5 5 8 81 ( 下转第 2 6页 ) 自动化技术 与应用2 0 1 1年第 3 0卷第 3期 4 结束 语 + t - 算 机 应 用 Comp u t e r Ap pl ic a t i o ns U 盘 的安 全 隐患 已经越来越 多地得 到 大家 的重视 ， 文章针对 病毒 查杀 的滞后性 ， 提 出 了一 种新 的 “ 非 接触 式”的病毒防范思想， 配合数据单向传输的理念 ， 就 U盘 和操作系统间的安全使用进行了一定的探讨 ， 并基于 VC 设 计和实现 了一款 U 盘保密 软件 。经实 际测试 ， 设 计的 该 软件使用 较为简便 ， 对于 U 盘病 毒的传播 具有一 定的 防范功 能 。尽 管该软 件具有 一 定的局 限性 ， 但 是从 设计 思想 和实际效果来看 ， 可以更好地 防范 U盘病毒 的传播 。 参考文献： 1 多管齐下， U盘从此高枕无忧 J 电脑知识与技术， 2 0 0 8 ， ( 3 ) ： 1 0 -1 2 2 】闪存盘结构分析及其扩展功能应用研究 【 D 】 大连海事大 学硕士学位论 文 ， 2 0 0 4 ： 1 2 -1 5 【 3 】 闪存驱动 与管理技术研究 D】 华中科技大学硕士学位论 文 ， 2 0 0 4 ： 1 9 - 2 1 4 基于 AR M9的安全保密 U盘 的实 D】 成都 电子科大 硕士学位论 文 ， 2 0 0 8 ： 8 1 0 作 者 简介： 徐 存 亮 ( 1 9 81 一 )，男， 讲师 ， 研 究方向：自动化 、软 件 工 程 。 ( 上接第 1 0页 ) 表 3 5 4台机组 2 4小时的开停机情况 l 2 3 4 5 6 7 8 9 1 0 l1 l 2 1 ： l 4 1 5 16 1 7 18 1 9 20 2 1 2 2 2 3 2 4 1 1 1 1 1 1 l 1 1 1 1 l 1 1 1 1 l l 1 1 1 l 1 1 1 2 1 1 l 1 1 l 1 1 1 1 l 1 1 1 1 l 1 1 1 1 l 1 1 1 3 0 0 0 0 0 0 0 0 0 1 l 1 1 0 0 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 1 1 1 l 0 O 0 0 1 1 l 1 1 1 1 5 0 O 0 0 0 0 0 0 0 1 1 1 l 0 0 0 0 0 0 0 0 0 0 0 6 0 0 0 0 0 0 0 0 0 0 0 O O O 0 0 0 0 0 0 0 0 1 l 4 9 l l l 1 1 1 l 1 1 l 1 1 l l 1 1 l 1 1 1 1 l 1 l 5 0 1 l 1 1 1 1 1 l 1 l 0 O l 1 1 l l 1 1 1 1 0 0 0 5 1 1 l 1 1 1 1 l 1 l O 0 0 0 0 0 0 O 0 0 0 0 l 0 0 5 2 0 0 0 0 0 0 0 0 l 0 O 0 0 0 0 0 0 0 0 0 O 0 O 0 5 3 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 O 0 54 1 1 1 1 1 1 1 l 1 1 1 1 1 1 1 1 l 1 1 1 l l 1 1 优化 的约束 条件 ， 并将 算法 应用在 机组组 合优 化 的算例 计算 中 ， 在 负荷 分 配 中 ， 分别 对数 据归 一化 处理 前 后进 电力系统自动化 ， 2 0 0 3 ， ( 2 7 ) 6 ： 3 6 4 0 行 计 算 ， 结 果 表 明 对 数 据 归 一 化 处 理 有 利 于 更 好 的 运 用 机 械 呈 M A T L A B 。0编 程 基 础 北 遗传 算 法来 解 决该 类 问题 。最 后用 遗 传 算法 解 决机 组 组合 优化 问题 ， 结果 表 明该方 法是 有 效 的。 参考文献 ： 1 】玄光男， 程润伟著 遗传算法与工程优化 M】 北京 ： 清华 大学 出版社 ， 2 0 0 4 2 】汪峰， 朱艺颖， 白晓民 基于遗传算法的机组组合研究 作者简介： 任 ( 1 9 7 4一) ， 男， 工程师， 主要从事： 电力生产。