论文部分内容阅读
经济调度(economic dispatch,ED)是电力系统调度优化中的研究热点问题,其本质是在电力系统各种约束限定下,通过合理安排机组的运行方式和灵活分配机组的运载负荷,来满足终端用户的电力需求。区别于传统的电力经济调度问题,为响应国家节能减排的经济号召,缓解全球能源与环境问题的压力,同时考虑环境污染和电力成本以及动态因子的环境经济调度(environmental/economic dispatch,EED)成为电力系统在新的市场环境下拯待解决的问题,大量的人工智能优化算法应用解决此类含有动态性、多目标、高维属性的优化问题,其中基于蜜蜂觅食行为的生物背景提出的人工蜂群算法在数值优化领域得到广泛的应用。基于上述背景,本文以考虑环境因素的环境经济调度为实际问题出发点,针对动态、多目标的经济调度模型展开研究并通过改进的人工蜂群算法实现模型的求解,针对本文的主要工作归纳如下三点:(1)建立环境经济调度模型,即同时考虑环境因素和燃料成本两个优化目标,并综合考虑阀点效应以及机组出力上下限约束、爬坡速率、工作死区、机组输出功率平衡四个约束条件的环境经济调度模型。(2)人工蜂群算法(artificial bee colony algorithm,ABC)群体大小的动态调整,实现自适应人工蜂群算法(adaptive artificial bee colony algorithm,Adaptive ABC),通过在算法运行过程中引入记忆反馈机制(memory feedback mechanism,MFM)以及引入进化速率的概念实现算法效率的提升,实现算法运行过程中探索能力(exploration)和开发(exploitation)能力之间的平衡。(3)实验仿真主要包括两部分:一是基于benchmark函数的自适应人工蜂群算法的有效性验证,证明本文的方法在优化效果上的优越性。二是基于IEEE 6-unit system的测试集的环境经济调度模型的求解,并应用权重系数法实现自适应人工蜂群算法在环境经济调度问题中多目标的转化求解。实验结果证明自适应人工蜂群算法在动态多目标环境经济调度模型求解中获得较好的优化效果。