基于多目標(biāo)多任務(wù)進(jìn)化算法的含可再生能源混合發(fā)電系統(tǒng)優(yōu)化調(diào)度
發(fā)布時(shí)間:2022-02-13 12:56
可再生能源發(fā)電的快速發(fā)展為電力系統(tǒng)的安全和經(jīng)濟(jì)運(yùn)行帶來了新的挑戰(zhàn)。在此背景下,構(gòu)建了能夠計(jì)及火電閥點(diǎn)效應(yīng)非線性,風(fēng)電、光伏發(fā)電系統(tǒng)出力不確定性和水電一次能源浪費(fèi)的多目標(biāo)優(yōu)化調(diào)度模型。假設(shè)風(fēng)速服從Weibull分布、光照服從Beta分布的前提下,含可再生能源混合發(fā)電系統(tǒng)優(yōu)化模型綜合考慮了能源利用、環(huán)境保護(hù)、成本以及損耗等限制因素。在此基礎(chǔ)上,創(chuàng)新的引入了多目標(biāo)多任務(wù)進(jìn)化算法,同時(shí)優(yōu)化多個(gè)任務(wù)的多個(gè)目標(biāo),并行處理多個(gè)發(fā)電系統(tǒng)的優(yōu)化調(diào)度問題,從而大幅提高了搜索速度。仿真算例采用標(biāo)準(zhǔn)IEEE30節(jié)點(diǎn)和IEEE118節(jié)點(diǎn)系統(tǒng),驗(yàn)證了該算法在解決多目標(biāo)多任務(wù)多電源發(fā)電系統(tǒng)優(yōu)化問題時(shí)的優(yōu)越性。
【文章來源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(01)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
多目標(biāo)多任務(wù)進(jìn)化算法流程圖
兩個(gè)父代p1和p2在設(shè)定的二維搜索空間中采用模擬二進(jìn)制交叉算子(Simulated Binary Crossover,SBX)進(jìn)行染色體配對(duì),p1的技能因子為T1,p2的技能因子為T2,T1≠T2。通常情況下后代c1和c2是在父代附近創(chuàng)建的(如圖2所示),c1的大部分遺傳信息都來自p1,而c2的遺傳信息更接近p2。如果c1隨機(jī)模仿p2的技能因子(即c1取T2)和/或c2隨機(jī)模仿p1的技能因子(即c2取T1),然后隱性遺傳信息轉(zhuǎn)移發(fā)生在兩個(gè)任務(wù)之間。3 仿真算例與分析
圖3~5分別對(duì)應(yīng)各個(gè)算法收斂性最好的一次運(yùn)行結(jié)果,圖3為各個(gè)算法所獲得的帕累托前沿,圖4和圖5分別為30節(jié)點(diǎn)系統(tǒng)運(yùn)行成本和CO2排放量隨迭代次數(shù)的收斂曲線。從圖3可以明顯看出MO-MFEA的帕累托前沿比其它算法有更強(qiáng)的收斂性。由圖4的系統(tǒng)運(yùn)行成本收斂曲線可以看出,MGSO雖然收斂速度較快,但是最終收斂值在四種算法里面最差,而MO-MFEA的最終收斂值顯著優(yōu)于對(duì)比算法且收斂速度明顯優(yōu)于MPSO和NSGA-II兩種算法,因此進(jìn)一步驗(yàn)證了所提出的算法在解決雙目標(biāo)優(yōu)化問題中具有可行性和高效尋優(yōu)性。圖4 IEEE-30節(jié)點(diǎn)運(yùn)行成本收斂曲線圖
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)螢火蟲算法的冷熱電聯(lián)供系統(tǒng)多目標(biāo)優(yōu)化調(diào)度[J]. 張榮權(quán),王懷智,王貴斌,彭建春,江輝. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]多可再生能源冷熱電聯(lián)供微網(wǎng)系統(tǒng)環(huán)境經(jīng)濟(jì)優(yōu)化調(diào)度[J]. 王魯浩,李歧強(qiáng),王桂榮,郭慶強(qiáng). 控制與決策. 2016(05)
[3]基于仿電磁學(xué)算法和數(shù)據(jù)包絡(luò)分析的水火電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度[J]. 郭壯志,吳杰康,孔繁鎳. 中國電機(jī)工程學(xué)報(bào). 2013(04)
[4]考慮風(fēng)電隨機(jī)模糊不確定性的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度計(jì)劃研究[J]. 馬瑞,康仁,姜飛,熊龍珠,李凌霄,徐慧明. 電力系統(tǒng)保護(hù)與控制. 2013(01)
[5]配電系統(tǒng)中電動(dòng)汽車與可再生能源的隨機(jī)協(xié)同調(diào)度[J]. 王貴斌,趙俊華,文福拴,薛禹勝,辛建波. 電力系統(tǒng)自動(dòng)化. 2012(19)
本文編號(hào):3623234
【文章來源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(01)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
多目標(biāo)多任務(wù)進(jìn)化算法流程圖
兩個(gè)父代p1和p2在設(shè)定的二維搜索空間中采用模擬二進(jìn)制交叉算子(Simulated Binary Crossover,SBX)進(jìn)行染色體配對(duì),p1的技能因子為T1,p2的技能因子為T2,T1≠T2。通常情況下后代c1和c2是在父代附近創(chuàng)建的(如圖2所示),c1的大部分遺傳信息都來自p1,而c2的遺傳信息更接近p2。如果c1隨機(jī)模仿p2的技能因子(即c1取T2)和/或c2隨機(jī)模仿p1的技能因子(即c2取T1),然后隱性遺傳信息轉(zhuǎn)移發(fā)生在兩個(gè)任務(wù)之間。3 仿真算例與分析
圖3~5分別對(duì)應(yīng)各個(gè)算法收斂性最好的一次運(yùn)行結(jié)果,圖3為各個(gè)算法所獲得的帕累托前沿,圖4和圖5分別為30節(jié)點(diǎn)系統(tǒng)運(yùn)行成本和CO2排放量隨迭代次數(shù)的收斂曲線。從圖3可以明顯看出MO-MFEA的帕累托前沿比其它算法有更強(qiáng)的收斂性。由圖4的系統(tǒng)運(yùn)行成本收斂曲線可以看出,MGSO雖然收斂速度較快,但是最終收斂值在四種算法里面最差,而MO-MFEA的最終收斂值顯著優(yōu)于對(duì)比算法且收斂速度明顯優(yōu)于MPSO和NSGA-II兩種算法,因此進(jìn)一步驗(yàn)證了所提出的算法在解決雙目標(biāo)優(yōu)化問題中具有可行性和高效尋優(yōu)性。圖4 IEEE-30節(jié)點(diǎn)運(yùn)行成本收斂曲線圖
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)螢火蟲算法的冷熱電聯(lián)供系統(tǒng)多目標(biāo)優(yōu)化調(diào)度[J]. 張榮權(quán),王懷智,王貴斌,彭建春,江輝. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]多可再生能源冷熱電聯(lián)供微網(wǎng)系統(tǒng)環(huán)境經(jīng)濟(jì)優(yōu)化調(diào)度[J]. 王魯浩,李歧強(qiáng),王桂榮,郭慶強(qiáng). 控制與決策. 2016(05)
[3]基于仿電磁學(xué)算法和數(shù)據(jù)包絡(luò)分析的水火電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度[J]. 郭壯志,吳杰康,孔繁鎳. 中國電機(jī)工程學(xué)報(bào). 2013(04)
[4]考慮風(fēng)電隨機(jī)模糊不確定性的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度計(jì)劃研究[J]. 馬瑞,康仁,姜飛,熊龍珠,李凌霄,徐慧明. 電力系統(tǒng)保護(hù)與控制. 2013(01)
[5]配電系統(tǒng)中電動(dòng)汽車與可再生能源的隨機(jī)協(xié)同調(diào)度[J]. 王貴斌,趙俊華,文福拴,薛禹勝,辛建波. 電力系統(tǒng)自動(dòng)化. 2012(19)
本文編號(hào):3623234
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3623234.html
最近更新
教材專著