基于混沌遗传和模糊决策算法的负荷经济调度

电力市场化是21世纪全球电力工业发展的趋势,也是近年来电力工业改革的方向。随着电力市场化改革的实施和电网中用电负荷谷峰差的日益增大,本文以三个科研项目为背景来研究负荷经济调度系统将具有重要的意义。 本文提出了一种可以同时得到最优机组组合和负荷分配结果的混沌遗传和模糊决策算法,该方法结合了改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点。 针对负荷分配问题,首先给出了常见的经济负荷分配模型,然后在此基础上,又结合了快速性负荷分配的决策模型,通过对目标函数进行无量纲化处理,建立了基于经济性和快速性多目标优化的负荷分配数学模型,该模型通过调节权重系数的大小,就能迅速改变负荷分配的经济性和快速性指标。最后,使用遗传算法进行并行搜索处理负荷分配问题,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效地提高了收敛速度。 为求解机组组合问题,首先给出其数学模型,该模型考虑了机组的启停耗量和各种约束条件,然后按改进的优先顺序法确定各时段运行的机组序列,并且用启发式遗传算法确定机组组合状态,同时对遗传算法中的交叉率和变异率进行模糊决策。 本文使用MATLAB语言编制了负荷经济调度系统的算法程序,并将该算法应用于多个算例中。结果表明,该算法不仅较好地处理了负荷经济调度系统的各种约束条件,如功率平衡约束、机组最小运行和停机时间限制、启停次数约束等。大大减少了不可行解,加快了收敛速度,而且对煤耗特性曲线没有要求,提高了求解精度。 论文指出,运用混沌遗传和模糊决策算法来计算机组在整个调度周期上的优化组合和负荷分配问题是可行的,并可进而计算各种经济效益指标,从而更好地帮助发电企业参与市场竞争。