CN109523097A - 一种改进遗传算法的多微电网优化调度方法 - Google Patents
一种改进遗传算法的多微电网优化调度方法 Download PDFInfo
- Publication number
- CN109523097A CN109523097A CN201811641816.7A CN201811641816A CN109523097A CN 109523097 A CN109523097 A CN 109523097A CN 201811641816 A CN201811641816 A CN 201811641816A CN 109523097 A CN109523097 A CN 109523097A
- Authority
- CN
- China
- Prior art keywords
- micro
- individual
- capacitance sensor
- algorithm
- sensor group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种改进遗传算法的多微电网优化调度方法。针对微电网群内能量调度的不确定性,本发明将一种自适应调整变异算子的策略引入到遗传算法中,使得变异算子在算法早期,具有较大的值,增大算法寻优的搜索范围,提高算法的全局寻优能力;而随着迭代的进行,变异算子逐渐减小,使算法在小范围内精细搜索,提高算法的收敛能力。本发明能够有效提高微电网群运行的经济性与可靠性。
Description
技术领域
本发明属于微电网优化调度领域,涉及一种改进遗传算法的多微电网优化调度方法。
背景技术
随着供电可靠性和供电质量的提高,单个微电网日渐不能满足智能电网建设的需求。由于单个微电网的供电范围有限且运行过程中分布式电源的频繁接入和退出,导致单个微电网的供电可靠性与经济性不高。为了解决单个微电网存在的不足,多个微电网互连组成一个互补的多微电网系统,成为提高分布式能源利用的有效途径。
多个微电网组成的微电网群系统可以利用单个微电网的自治特点与多个微电网的协调互补特点,实现微电网内供需平衡的控制与管理。因此,研究多个微电网之间的协调控制问题是电力发展的一个重要课题。遗传算法是解决复杂组合优化问题的通用框架,在微电网优化调度方面得到了广泛的应用,但是针对微电网群的优化调度问题,由于原始遗传算法中变异算子固定,不能很好找到微电网群调度的最优方案,因此,需要对遗传算法进行改进,使其能够很好的适应于微电网群系统的运行调度问题,同时提高微电网供电的可靠性与经济性。
发明内容
本发明的目的是针对现有遗传算法在微电网群调度运行方面的不足,提供了一种改进遗传算法的多微电网优化调度方法。
本发明解决技术问题所采取的技术方案为:
一种改进遗传算法的多微电网优化调度方法包括以下步骤:
步骤一:初始化。
在微电网群优化过程中,初始化算法种群的规模N、算法搜索的最大迭代次数C以及交叉概率Pc。
步骤二:计算种群个体的适应度值。
根据建立的微电网群优化目标函数计算每个个体对应的适应度值。由于微电网群优化的目标函数是求微电网群运行费用的最小值,因此,把函数的倒数作为个体的适应度值。
步骤三:选择最优个体。
根据步骤二计算出的个体适应度,选择出适应度值高的个体。
步骤四:交叉操作。
根据给定的交叉因子和交叉策略,将两个父亲一代的信息进行交叉组合,产生新的优秀个体。
步骤五:生成变异算子:
式中,it为算法当前迭代次数,T为算法设置的最大迭代次数,A为控制参数,介于0到0.95之间。
步骤六:变异选择。根据生成的变异算子,对种群内个体进行随机变异。
步骤七:交叉操作和变异操作生成的新一代个体返回步骤二进入下一次循环。
步骤八:判断是否达到最大的迭代次数,满足则输出最优值对应的最优个体,不满足,转到步骤二继续执行。
本发明的有益效果:本发明提出一种基于改进遗传算法的微电网群优化调度策略,对微电网群之间能量的协调调度进行优化,能提高未来智能电网对微电网群的运行、调度要求。该方案可以有效提高智能微电网运行的经济性与环保性。
附图说明
图1.本发明流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1所示,本发明方法具体是:
步骤一:初始化。在微电网群优化过程中,初始化算法种群的规模N、算法搜索的最大迭代次数C以及交叉概率Pc等参数。
步骤二:计算种群个体的适应度值。根据建立的微电网群优化目标函数计算每个个体对应的适应度值。由于微电网群优化的目标函数是求微电网群运行费用的最小值,因此,把函数的倒数作为个体的适应度值。即目标函数值越小的个体,适应度值越大,对应个体越优。
步骤三:选择最优个体。根据步骤二计算出的个体适应度,按照一定的规律选择出适应度值高的个体。选择传统的轮盘赌法进行最优选择,具体公式如下:
式中,pi为个体i被选择的概率,N为种群规模,fit(i)为个体i的适应度值。
步骤四:交叉操作。根据给定的交叉因子和交叉策略,将两个父亲一代的信息进行交叉组合,产生新的优秀个体。通过交叉操作,遗传算法的种群多样性得到保持,使得遗传算法的全局搜索能力大幅提升。
步骤五:生成变异算子。变异操作为遗传算法的重要步骤,在其操作的过程中需要选择合适的变异算子,其所选值的大小决定了算法的寻优范围,进而决定了算法的优化效果。由于,传统遗传算法的变异算子Q一般选择一个常量,其不能随迭代次数进行而自适应调整,以均衡算法的全局寻优能力和收敛速度能力。因为,针对此种情况,提出一种自适应调整变异算子的策略,以使得变异算子在算法早期,具有较大的值,增大算法寻优的搜索范围,提高算法的全局寻优能力;而随着迭代的进行,变异算子逐渐减小,使算法在小范围内精细搜索,提高算法的收敛能力。定义如下:
式中,it为算法当前迭代次数,T为算法设置的最大迭代次数,A为控制参数,介于0到0.95之间,这里选取A=0.5。
步骤六:变异选择。根据生成的变异算子,对种群内个体进行随机变异,保持种群的多样性。
步骤七:交叉操作和变异操作生成的新一代个体返回步骤二进入下一次循环。
步骤八:判断是否达到最大的迭代次数,满足则输出最优值对应的最优个体,不满足,转到步骤二继续执行。
综上,本发明能够找到最优的微电网群优化调度方案,提高微电网群运行的经济性与可靠性。
Claims (2)
1.一种改进遗传算法的多微电网优化调度方法,其特征在于该方法包括以下步骤:
步骤一:初始化
在微电网群优化过程中,初始化算法种群的规模N、算法搜索的最大迭代次数C以及交叉概率Pc;
步骤二:计算种群个体的适应度值
根据建立的微电网群优化目标函数计算每个个体对应的适应度值;由于微电网群优化的目标函数是求微电网群运行费用的最小值,因此,把函数的倒数作为个体的适应度值;
步骤三:选择最优个体
根据步骤二计算出的个体适应度,选择出适应度值高的个体;
步骤四:交叉操作
根据给定的交叉因子和交叉策略,将两个父亲一代的信息进行交叉组合,产生新的优秀个体;
步骤五:生成变异算子:
式中,it为算法当前迭代次数,T为算法设置的最大迭代次数,A为控制参数,介于0到0.95之间;
步骤六:变异选择
根据生成的变异算子,对种群内个体进行随机变异;
步骤七:交叉操作和变异操作生成的新一代个体返回步骤二进入下一次循环;
步骤八:判断是否达到最大的迭代次数,满足则输出最优值对应的最优个体,不满足,转到步骤二继续执行。
2.根据权利要求1所述的一种改进遗传算法的多微电网优化调度方法,其特征在于:步骤三中选择轮盘赌法进行最优选择,具体公式如下:
式中,pi为个体i被选择的概率,N为种群规模,fit(i)为个体i的适应度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641816.7A CN109523097A (zh) | 2018-12-29 | 2018-12-29 | 一种改进遗传算法的多微电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641816.7A CN109523097A (zh) | 2018-12-29 | 2018-12-29 | 一种改进遗传算法的多微电网优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523097A true CN109523097A (zh) | 2019-03-26 |
Family
ID=65798687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641816.7A Pending CN109523097A (zh) | 2018-12-29 | 2018-12-29 | 一种改进遗传算法的多微电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523097A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110224382A (zh) * | 2019-06-28 | 2019-09-10 | 国网河北省电力有限公司石家庄供电分公司 | 微电网继电保护方法及装置 |
CN110348605A (zh) * | 2019-06-12 | 2019-10-18 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN111525581A (zh) * | 2020-06-02 | 2020-08-11 | 上海电力大学 | 含不平衡负载微电网系统的电压控制方法 |
CN112785407A (zh) * | 2021-02-10 | 2021-05-11 | 中国工商银行股份有限公司 | 一种基于多种群遗传算法的网点分配比例寻优方法及装置 |
CN114326402A (zh) * | 2021-12-29 | 2022-04-12 | 北京石油化工学院 | 基于遗传算法优化的mfac的气动比例位置系统控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4203602B2 (ja) * | 2006-09-06 | 2009-01-07 | 国立大学法人 琉球大学 | 電力供給設備の運用支援方法および装置 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
CN104881716A (zh) * | 2015-05-28 | 2015-09-02 | 贵州电网公司电网规划研究中心 | 一种微电网电源的优化规划及评估方法 |
-
2018
- 2018-12-29 CN CN201811641816.7A patent/CN109523097A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4203602B2 (ja) * | 2006-09-06 | 2009-01-07 | 国立大学法人 琉球大学 | 電力供給設備の運用支援方法および装置 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
CN104881716A (zh) * | 2015-05-28 | 2015-09-02 | 贵州电网公司电网规划研究中心 | 一种微电网电源的优化规划及评估方法 |
Non-Patent Citations (2)
Title |
---|
刘龙龙等: "差分进化算法的改进及其应用研究", 《江西科学》 * |
许肖楠: "并网型微电网优化配置研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348605A (zh) * | 2019-06-12 | 2019-10-18 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN110348605B (zh) * | 2019-06-12 | 2022-06-14 | 广东工业大学 | 基于改进遗传算法的微电网经济运行优化方法 |
CN110224382A (zh) * | 2019-06-28 | 2019-09-10 | 国网河北省电力有限公司石家庄供电分公司 | 微电网继电保护方法及装置 |
CN110224382B (zh) * | 2019-06-28 | 2021-08-17 | 国网河北省电力有限公司石家庄供电分公司 | 微电网继电保护方法及装置 |
CN111525581A (zh) * | 2020-06-02 | 2020-08-11 | 上海电力大学 | 含不平衡负载微电网系统的电压控制方法 |
CN111525581B (zh) * | 2020-06-02 | 2023-07-04 | 上海电力大学 | 含不平衡负载微电网系统的电压控制方法 |
CN112785407A (zh) * | 2021-02-10 | 2021-05-11 | 中国工商银行股份有限公司 | 一种基于多种群遗传算法的网点分配比例寻优方法及装置 |
CN112785407B (zh) * | 2021-02-10 | 2024-02-06 | 中国工商银行股份有限公司 | 一种基于多种群遗传算法的网点分配比例寻优方法及装置 |
CN114326402A (zh) * | 2021-12-29 | 2022-04-12 | 北京石油化工学院 | 基于遗传算法优化的mfac的气动比例位置系统控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523097A (zh) | 一种改进遗传算法的多微电网优化调度方法 | |
CN109711631A (zh) | 一种改进粒子群算法的智能微电网优化调度方法 | |
CN109583664B (zh) | 一种含新能源发电的跨区电网机组组合分散协调优化方法 | |
CN110942205B (zh) | 一种基于himvo-svm的短期光伏发电功率预测方法 | |
CN110148068A (zh) | 一种基于气象数据相似度分析和lstm神经网络实现光伏电站超短期功率预测方法 | |
CN103093288A (zh) | 基于气象信息的分区电网母线负荷预测系统 | |
CN106372756A (zh) | 一种基于繁殖粒子群算法的火电厂负荷优化分配方法 | |
CN105447509A (zh) | 一种光伏发电系统的短期功率预测方法 | |
CN105590143B (zh) | Pcb板组装工艺中多机流水生产线贴片机负荷均衡优化方法 | |
Fu et al. | A multi-objective optimization model based on non-dominated sorting genetic algorithm | |
CN104299173A (zh) | 一种适用于多种能源接入的鲁棒优化日前调度方法 | |
CN108710970A (zh) | 一种巨型梯级水电系统的多目标调度并行降维方法 | |
CN110867903B (zh) | 一种基于深度神经网络的智能电网系统实时最优功率分配方法 | |
CN113452033B (zh) | 分区自治的含高比例光伏配电网电压控制方法及存储介质 | |
Tang et al. | Intra‐day Dynamic Optimal Dispatch for Power System Based on Deep Q‐Learning | |
CN107609690B (zh) | 一种负荷主动管理决策优化的方法 | |
CN109245150A (zh) | 一种用于风电集群的功率分配方法及系统 | |
CN104392317A (zh) | 一种基于遗传文化基因算法的项目调度方法 | |
Davoodi et al. | A modified imperialist competitive algorithm for combined heat and power dispatch | |
CN110098623A (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN105758028B (zh) | 一种应用于太阳能中央热水系统的热水储量控制方法 | |
CN115456250A (zh) | 一种适用于楼宇微网能源系统容量的优化配置方法及系统 | |
CN110932334B (zh) | 一种带约束多目标优化风电场功率控制方法 | |
CN112152267B (zh) | 一种计及源荷不确定性的电网随机无功优化调度方法 | |
Pang et al. | A bi-objective low-carbon economic scheduling method for cogeneration system considering carbon capture and demand response |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |
|
WD01 | Invention patent application deemed withdrawn after publication |