1、基于遺傳算法的電力系統(tǒng)經(jīng)濟負荷分配論文    導(dǎo)讀：本論文是一篇關(guān)于基于遺傳算法的電力系統(tǒng)經(jīng)濟負荷分配的優(yōu)秀論文范文,對正在寫有關(guān)于算法論文的寫作者有一定的參考和指導(dǎo)作用,論文片段：算法遺傳算法（GA）是模擬生物在自然環(huán)境中的遺傳、變異和進化過程而形成的一種自適應(yīng)并行全局搜索算法。2.1 不等式處理由發(fā)電機運轉(zhuǎn)約束條件： ，轉(zhuǎn)化為： （6）由求， （7）編碼規(guī)則采用二進制編碼系統(tǒng)。取：二進制數(shù)位=10，種群大小= 50，交叉概率= 0.8，變異概率= 0.05轉(zhuǎn)換二進制數(shù)B和十進制數(shù)K

2、：摘 要：在研究遺傳算法的基礎(chǔ)上，本文提出一種經(jīng)過簡單處理不等式約束條件后的遺傳算法來求解電力系統(tǒng)經(jīng)濟負荷分配的新策略。就是在滿足負荷和運轉(zhuǎn)約束的條件下，合理分配機組出力，實現(xiàn)發(fā)電成本最小化，來節(jié)約能源同時給電廠帶來經(jīng)濟效益。算例結(jié)果驗證了該策略的有效性。關(guān)鍵詞：電力系統(tǒng)；經(jīng)濟負荷分配；遺傳算法；約束條件處理【分類號】：TP18經(jīng)濟負荷分配理由（Economic Dispatch problem， EDP）是電力系統(tǒng)規(guī)劃和運轉(zhuǎn)調(diào)度中的一類典型的優(yōu)化理由，其目的是在滿足負荷和運轉(zhuǎn)約束的條件下，實現(xiàn)發(fā)電成本最小化，對于提高系統(tǒng)運轉(zhuǎn)的經(jīng)濟性和可靠性都具有重要的作用。隨著科技的發(fā)展，電網(wǎng)自動化程度的提

3、高，對經(jīng)濟負荷分配的求解速度和精度提出了越來越高的要求。解決ED理由的傳統(tǒng)經(jīng)典算法是等微增率法。當不考慮網(wǎng)損變化時，效果不錯。但是當考慮網(wǎng)損的變化會影響經(jīng)濟負荷分配時，采用網(wǎng)損微增率法，其求解過程會復(fù)雜很多。隨著人工智能技術(shù)的發(fā)展，出現(xiàn)了更多更優(yōu)的計算策略。如蟻群算法、遺傳算法、模擬退火算法等。這些新算法主要優(yōu)勢在于，可以處理高維、離散的非線性理由。遺傳算法的并行全局搜索性能及對理由較強的適應(yīng)性，使其成功地應(yīng)用于包括ED理由在內(nèi)的各類優(yōu)化理由。本文在遺傳算法的基礎(chǔ)上，提出了一種適合于電力系統(tǒng)經(jīng)濟負荷分配的改善的遺傳算法。算例結(jié)果表明策略有效。1 電力系統(tǒng)經(jīng)濟分配的數(shù)學(xué)模型負荷經(jīng)濟分配的目標函數(shù)

4、，在數(shù)學(xué)上可以表示為，為了滿足若干個等式約束和不等式約束的非線性規(guī)劃理由，即在滿足負荷和運轉(zhuǎn)約束的條件下，優(yōu)化組合機組的出力，從而使得系統(tǒng)的總發(fā)電成本最低。其目標函數(shù)如下： （1）發(fā)電機的耗量函數(shù)為： （2）式中F為系統(tǒng)總發(fā)電費用，為第i臺發(fā)電機的耗量函數(shù)；Pi為第i臺發(fā)電機的實際有功功率輸出；為第i臺發(fā)電機的耗量參數(shù)；n為機組發(fā)電機的總數(shù)。負荷平衡約束條件為： （3）發(fā)電機運轉(zhuǎn)約束條件為： （4）式中為系統(tǒng)負荷需求；為系統(tǒng)總網(wǎng)損；為第i臺發(fā)電機的最小與最大有功功率輸出。系統(tǒng)的總網(wǎng)損可以采用B系數(shù)法或潮流法計算，本文采用B系數(shù)法求取，其關(guān)系式為： （5）式中為n維發(fā)電機有功功率矢量；為網(wǎng)損系數(shù)

5、，也稱為B系數(shù)。其中為維對稱方陣；為n維列矢量；為常數(shù)。2 遺傳算法遺傳算法（GA）是模擬生物在自然環(huán)境中的遺傳、變異和進化過程而形成的一種自適應(yīng)并行全局搜索算法。2.1 不等式處理由發(fā)電機運轉(zhuǎn)約束條件： ，轉(zhuǎn)化為： （6）由求， （7）編碼規(guī)則采用二進制編碼系統(tǒng)。取：二進制數(shù)位=10，種群大小= 50，交叉概率= 0.8，變異概率= 0.05轉(zhuǎn)換二進制數(shù)B和十進制數(shù)K：此時精度為：1/1023 = 0.00098。2.2 適應(yīng)度函數(shù)：這里將個體的適應(yīng)度H直接取為： （8）適應(yīng)度函數(shù)中K和a為可設(shè)定的系數(shù)。K為比例系數(shù)；a為冪指數(shù)；K與a的取值應(yīng)根據(jù)所求解理由的具體情況，如系統(tǒng)規(guī)模，目標函數(shù)等

6、適當選取。2.3 GA選擇操作：消除一些劣個體，并根據(jù)個體的自適應(yīng)值大小，同時保持一些好的個體。結(jié)合最優(yōu)保存策略和比例選擇策略。保存最好的個體，不要讓個人參與交叉和變異，并直接傳給下一代。比例選擇策略，也被稱為輪盤賭算法，指的是被選擇的概率和個體的適應(yīng)度的大小成比例。基于遺傳算法的電力系統(tǒng)經(jīng)濟負荷分配論文資料由論文網(wǎng)提供,轉(zhuǎn)載請保留地址.兩種策略相結(jié)合的目的，是為了提高群體的平均適應(yīng)值，并確保最佳個體的適應(yīng)值不會降低。2.4 GA交叉操作：使用單點交叉的策略來實現(xiàn)交叉。根據(jù)交叉概率，設(shè)置一個交叉點隨機在這一點上，然后交換基因，因此兩個新個體形成。2.5 GA突變操作：隨機選擇轉(zhuǎn)變點，值取反。0

7、 -> 1，1 -> 0。圖（1）GA交叉過程 圖（2）GA突變過程3 實例分析已知某系統(tǒng)有三個火電廠，各廠耗量特性曲線（方程）及功率上下限為：1廠：2廠：3廠：計算網(wǎng)損的B系數(shù)為：計算負荷為=1000MW時的有功經(jīng)濟分配。為解決該系統(tǒng)電廠發(fā)電量分配優(yōu)化理由，采用以上所述的遺傳算法，用MATLAB編制程序，經(jīng)過計算得到了較好的結(jié)果。表1 三種算法的結(jié)果比較表4 結(jié)論與文獻1中的傳統(tǒng)策略的結(jié)果對比：精確度提高：（4831.8-4275.591）/4275.591=13.01%；與文獻2中的遺傳算法結(jié)果對比：精確度提高：（4284.326-4275.591）/4275.591=0.20

8、%通過實例計算結(jié)果表明，與文獻1中的傳統(tǒng)策略相比，精確度有所提高。和文獻2中的遺傳算法相比，在保證精確度情況下，耗時有所減少，速度更快。從而驗證了本策略的可行性。參考文獻：1賀晉忠，鄭勇.電力系統(tǒng)有功功率經(jīng)濟分配新算法.山西電力技術(shù)第6期，1998年10月.2陳嬋媛，王堅，吳金國.一種解決電力系統(tǒng)經(jīng)濟負荷分配的改善的遺傳算法.中國電力教育，2006年研究綜述與技術(shù)論壇專刊3周明，孫樹棟. 遺傳算法原理及其應(yīng)用M . 北京：國防工業(yè)出版社，1999.4 Nidul Sinha， Chakrabarti R， Chattopadhyay P K.Evolutionary programming techniques for economic load dispatchJ. IEEE Trans on Evolutionary Computation，2003， 7（l）： 83-94.5Electromag