CN113852098B - 一种基于多目标蜻蜓算法的自动发电控制调度方法 - Google Patents
一种基于多目标蜻蜓算法的自动发电控制调度方法 Download PDFInfo
- Publication number
- CN113852098B CN113852098B CN202111107366.5A CN202111107366A CN113852098B CN 113852098 B CN113852098 B CN 113852098B CN 202111107366 A CN202111107366 A CN 202111107366A CN 113852098 B CN113852098 B CN 113852098B
- Authority
- CN
- China
- Prior art keywords
- target
- algorithm
- dragonfly
- constraint
- scheduling
- 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.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 64
- 241000238633 Odonata Species 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010248 power generation Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000002431 foraging effect Effects 0.000 claims description 16
- 230000007717 exclusion Effects 0.000 claims description 9
- 238000013508 migration Methods 0.000 claims description 9
- 230000005012 migration Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
Description
技术领域
本申请涉及发电系统技术领域，尤其涉及一种基于多目标蜻蜓算法的自动发电控制调度方法。
背景技术
电力系统的调频主要包括一次、二次和三次调频。其中，二次调频也被称为自动发电控制(AGC)，它是通过对AGC机组的功率输入进行综合调度，以维持频率和联络线上的功率稳定的重要措施。传统的AGC机组通常采用火电和水电机组，但是其时间延迟较大，难以快速分担负荷扰动。随着新能源技术的发展，越来越多的风力发电机组和光伏电站接入电网并参与AGC调度，因为其对负荷扰动具有快速调节性能，为AGC调度提供了多种选择方案。
现有技术的调度中心无法提供了多种参考方案，调度中心的经运行经济性和电力系统的电能质量不高。
发明内容
本申请提供了一种基于多目标蜻蜓算法的自动发电控制调度方法，以解决现有技术的调度中心无法提供了多种参考方案，调度中心的经运行经济性和电力系统的电能质量不高的问题。
本申请提供一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：
建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；
根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；
在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；
针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；
不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
可选的，设计调度的目标函数为：
其中，Ri代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分。
可选的，所述约束条件包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束以及能量转移约束。
可选的，多目标蜻蜓算法迭代包括以下步骤：
初始化多目标蜻蜓算法的参数，更新算法中的数据：r半径、w、s互斥权重、a吸引权重、c种群迁徙权重、f觅食地吸引权重、e避障位置权重；
根据所述数据计算种群个体对应的摄影度函数值，进行帕累托非支配排序；
更新避障和觅食地位置X+和X-，计算更新个体的行为参数；
计算种群个体的坐标更新，并根据情况进行速率约束；
当进行速率约束后，将种群迭代次数+1，重复进行多目标蜻蜓迭代直至迭代次数t>T。
可选的，初始多目标蜻蜓算法的参数包括：种群数目N，存档集数目Ns，迭代次数T，避障和觅食地位置X+和X-，最大速度Vmax。
可选的，计算更新个体的行为参数包括：互斥度S、吸引度A、种群迁徙度C、觅食地吸引度F以及避障程度E。
本申请公开了一种基于多目标蜻蜓算法的自动发电控制调度方法，包括以下步骤：建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
本发明采用多目标蜻蜓算法解决自动发电控制调度问题，通过建立的多目标调度双目标数学模型，考虑到AGC机组的约束，如机组输入输出约束和功率平衡约束。本申请提供的一种基于多目标蜻蜓算法的自动发电控制调度优化方法考虑到了运行经济性和电能质量，具有高度非线性性质和动态变化特征。
本发明的有益效果是：
1)所提出的优化方法可以综合风电机组和传统机组的调节性能，同时平衡总功率偏差和调节里程支付。
2)所提出的多目标蜻蜓算法具有较好的全局寻优性能，收敛速度快，并且具有较好的稳定性能。其获取的帕累托解集是具有高度均匀分度的帕累托解集。
3)采取的优化算法通过降低总功率偏差，可以有效提高系统电能质量；同时通过减少总调节里程支付，提高调度中心的经济性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种基于多目标蜻蜓算法的自动发电控制调度方法流程图；
图2为机组调节功率信号随时间变化图；
图3为本申请实施例中多目标蜻蜓优化算法的流程图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1，为本申请实施例公开的一种基于多目标蜻蜓算法的自动发电控制调度方法流程图。
本申请提供的一种基于多目标蜻蜓算法的自动发电控制调度方法，具体步骤为：
建立AGC调度的数学优化模型，并确定其对应约束条件，方法如下：
本发明以实现总功率偏差最小化和调节里程支付最小化这两个相互矛盾的目标。为了实现调度中心运行经济性和电能质量的要求，调度模型必须优化这两个目标。一方面，它应该使实际输出具有较高的跟踪性能，以便有效地减少偏差频率，这意味着最小的总功率偏差。另一方面，它应该有助于最小化调节里程的支付。因此目标函数可以写成如下：
其中，Ri代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分。
确定自动发点控制机组的约束条件。
在该模型中，每个时间控制间隔都要考虑各种约束条件，包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束(generation rate constrain，GRC)以及能量转移约束，具体如下：
功率平衡约束：在第k个控制区间，所有调节资源收到的输入功率指令之和应等于来自PI控制器的总功率指令，如下所示：
其中表示控制器在第k个控制区间对第i个机组的功率指令，和ΔPc(k)表示PI控制器在第k个控制区间的总功率指令。
输入和输出功率的约束：在第k个控制区间，输入功率指令应在第i个机组的容量范围内，如下所示：
其中，和/>分别为第i台机组的最小和最大调节能力。
第i个机组的实际输出功率也应在容量范围内，如下所示：
其中，表示第i台机组在第k个控制区间的实际输出功率。
调节输入命令的方向约束：在第k个控制区间，AGC机组收到的每个输入功率指令应保持与总功率指令同方向的变化，如下所示：
动态反应过程：在不考虑GRC和容量约束的情况下，动态响应过程由时间延迟和传递函数G(s)组成。
其中，是第i个机组在第k个控制区间收到的输入功率指令的时域表达。ΔT是模型的时间周期；/>是第k个控制间隔中第i台机组的调节里程输入功率。
根据反拉普拉斯变换理论，输入功率指令的时域表达可以转化为频域表达，如下所示：
其中，是第i个机组在第k个控制区间收到的输入功率指令的频域表达。
在不考虑GRC和功率限制器的情况下，实际功率输出的频域表达与时间延迟和传递函数有关，如下所示：
其中，是第k个控制间隔时第i个机组的输出功率的频域表达。
因此，实际功率输出的时域表达与反拉普拉斯变换函数有关，如下所示：
其中Gi(s)是第i个AGC机组的能量传递函数。是第i个机组在第k个控制区间的输出功率的时域表达；以及/>是第i个机组的延迟时间常数。
根据调节时间延迟，AGC机组可分为不同类型的调节机组。像风力涡轮机和光伏电站由于受电力电子设备控制而具有快速调节性能，它们的动态响应模型只有接收信号的时间延迟而没有GRC。而传统的AGC机组由于发电机和涡轮发电机而有一个GRC。
如果考虑到GRC和功率限制器，那么可以计算出AGC机组的输出，如下所示：
其中，是第i台机组在k控制区间的调节里程输出，/>是第i台机组的最大斜率。
利用于多目标蜻蜓优化算法进行AGC调度，其新颖之处在于模仿了个体的静态和动态的集群过程，考虑了互斥，吸引和种群迁徙的行为规律，同时引入避障和觅食地概念。多目标蜻蜓优化算法改进混合算法的特点，具有较好的全局寻优性能，收敛速度快，具有较好的稳定性能，获取的帕累托解集是具有高度均匀分度的帕累托解集。
针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程。
不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案。
图3为本申请实施例中多目标蜻蜓优化算法的流程图，算法迭代流程如下：
步骤1：初始化MODA算法的参数(种群数目N，存档集数目Ns，迭代次数T，避障和觅食地位置X+和X-，最大速度Vmax)，并初始化种群。
步骤2：更新r半径、w、s互斥权重、a吸引权重、c种群迁徙权重、f觅食地吸引权重、e避障位置权重如下：
w＝0.9-0.7tg/T (17)
cw＝0.1-0.2tg/T (18)
cw＝s＝a＝c＝f＝e (19)
tg为当前循环的迭代次数，Pmax为机组变量的上界限，Pmin为机组变量的下界限，此处选取s、a、c、f、e的权重数值一致。
步骤3：根据公式(1)—(7)计算种群个体对应的适应度函数值，同时进行帕累托非支配排序。设定rF为临近距离判定向量如下：
rF(i,j)＝|Xi-Xj| (20)
rF(i,j)为一个n-1维的向量，代表个体i和个体j的距离。若rF(i,j)的各个元素都不大于r的对应元素，且rF(i,j)的元素不全为0，则代表个体i与个体j临近，并用Ri表示与i个体满足临近条件的个体数。从而得到R为评定存档集临近距离的向量。若获取最优种群大于存档集，按照临近距离向量R根据轮盘赌原则进行选取保存Ns个最优。
步骤4：更新避障和觅食地位置X+和X-，根据临近距离向量R和轮盘赌确定。选择人口最少地区的存档解作为觅食地以提高解集覆盖率，选择人口最多区域的存档解作为避障以提高解集覆盖率。
步骤5：行为体的坐标更新与互斥、吸引和种群迁徙行为相关，还与相关觅食地和避障位置联系。其中，速率与坐标变化的关系：
a)计算互斥度S：
b)计算吸引度A：
c)计算种群迁徙度C：
d)计算觅食地吸引度F：
e)计算避障程度E：
步骤6：计算种群个体的坐标更新，并根据情况进行速率约束。其速率更新公式如下：
并且对更新的进行速率约束如下：
Vmax＝(Pmax-Pmin)/10 (28)
个体位置有两种计算情况，第一种计算方法是第i个体存在临近个体。而第二种计算方式是第i个体不存在临近个体的情况，如下：
其中d为X的维度，L(x)是一种随机游走分布函数，
其中c1,c2是0到1之间的随机常数；β是一个固定常量(取3/2)；δ计算如下
步骤7：种群迭代次数g＝g+1。
步骤8：重复执行步骤2—步骤7，直到迭代次数t>T。
本发明将提出的多目标蜻蜓优化算法的AGC调度方法在实时的负荷扰动下进行仿真。具体实施中，以一个两区域5机组模型为例，包含传统火电、水电天然气、风电、光伏机组。各个机组获取的实时发电信号变化如图2所示。其中参数设置为：AGC的控制时间周期等于4s，调节里程价格等于2$/MW。多目标蜻蜓优化算法的种群规模和最大迭代步数分别设置为50和50。
实施例：恒定负载。
调频信号设为ΔPD＝-50MW，输入实时负载数据及对应的机组性能参数；初始化种群数量N1＝50，存档集合数目设定为Ns＝50最大迭代次数T＝50。应用多目标蜻蜓算法快速收敛到高质量的帕累托面，为电力系统提供合理的调度方案。
本申请提出的方案综合考虑了经济和安全性能方面，主要考虑调度过程的总功率偏差和总的调频里程支付。在建立了基于智能优化算法的双目标AGC调度模型，并考虑了各个机组接收信号和对应功率输出的约束条件。多目标蜻蜓算法模仿了个体的静态和动态的集群过程，考虑了互斥，吸引和种群迁徙的行为规律，同时引入避障和觅食地概念。相比于传统的优化算法，该算法具有较好的全局寻优性能，收敛速度快，并且具有较好的稳定性能。其获取的帕累托解集是具有高度均匀分度优点。本发明可以解决风光机组和传统火电水电机组的协同调度问题，通过多目标蜻蜓算法的优化为调度中心提供符合机组接收信号和对应功率输出的约束的调度方案。同时，通过平衡总功率偏差和总调频里程支出这两个矛盾的目标，为电网带来经济效益的同时，提升电力系统的运行性能。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (4)
1.一种基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，包括以下步骤：
建立多目标调度双目标数学模型，设计调度的目标函数；其中所述模型包括加载到电力系统的负荷扰动情况和优化算法参数；
根据调频支出和对应的总功率偏差，确定自动发点控制机组的约束条件；
在所述约束条件下输入实时的加载于电力系统的负荷和初始化优化算法参数；
针对所述目标函数采用多目标蜻蜓算法执行非支配排序，并计算个体的临近个体数，同时筛选符合存档集的解，更新帕累托解集进行下一次迭代流程；
不断执行多目标蜻蜓算法，进行多次迭代，直至算法达到迭代次数要求，得到最优解，获取最终的调度方案；
其中，设计调度的目标函数为：
其中，Ri代表第i个AGC机组的调频里程支付；λ是调频里程的价格；是绩效得分；
其中，多目标蜻蜓算法迭代包括以下步骤：
初始化多目标蜻蜓算法的参数，更新算法中的数据：r半径、w、s互斥权重、a吸引权重、c种群迁徙权重、f觅食地吸引权重、e避障位置权重；
根据所述数据计算种群个体对应的摄影度函数值，进行帕累托非支配排序；
更新避障和觅食地位置X+和X-，计算更新个体的行为参数；
计算种群个体的坐标更新，并根据情况进行速率约束；
当进行速率约束后，将种群迭代次数+1，重复进行多目标蜻蜓迭代直至迭代次数t>T。
2.根据权利要求1所述的基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，所述约束条件包括功率平衡约束、输入和输出调节能力约束、调节输入指令的方向约束、动态响应过程中的发电斜率约束以及能量转移约束。
3.根据权利要求1所述的基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，初始多目标蜻蜓算法的参数包括：种群数目N，存档集数目Ns，迭代次数T，避障和觅食地位置X+和X-，最大速度Vmax。
4.根据权利要求3所述的基于多目标蜻蜓算法的自动发电控制调度方法，其特征在于，计算更新个体的行为参数包括：互斥度S、吸引度A、种群迁徙度C、觅食地吸引度F以及避障程度E。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111107366.5A CN113852098B (zh) | 2021-09-22 | 2021-09-22 | 一种基于多目标蜻蜓算法的自动发电控制调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111107366.5A CN113852098B (zh) | 2021-09-22 | 2021-09-22 | 一种基于多目标蜻蜓算法的自动发电控制调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113852098A CN113852098A (zh) | 2021-12-28 |
| CN113852098B true CN113852098B (zh) | 2024-02-09 |
Family
ID=78974790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111107366.5A Active CN113852098B (zh) | 2021-09-22 | 2021-09-22 | 一种基于多目标蜻蜓算法的自动发电控制调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113852098B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115459366B (zh) * | 2022-11-11 | 2024-02-27 | 阿里巴巴（中国）有限公司 | 电力系统中机组的控制方法、存储介质以及电子设备 |
| CN117193404A (zh) * | 2023-09-28 | 2023-12-08 | 武汉船舶职业技术学院 | 一种水电机组模型多目标优化控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685285A (zh) * | 2019-01-11 | 2019-04-26 | 中冶赛迪工程技术股份有限公司 | 一种基于多目标蜻蜓算法的微电网负荷用电优化调度新方法 |
| WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
| CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
| CN113361188A (zh) * | 2021-05-10 | 2021-09-07 | 国网河北省电力有限公司营销服务中心 | 多目标配电网动态重构方法、装置及终端 |
| CN113452037A (zh) * | 2021-06-23 | 2021-09-28 | 云南电网有限责任公司电力科学研究院 | 一种兼顾调频的光伏阵列重构优化方法 |
-
2021
- 2021-09-22 CN CN202111107366.5A patent/CN113852098B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
| CN109685285A (zh) * | 2019-01-11 | 2019-04-26 | 中冶赛迪工程技术股份有限公司 | 一种基于多目标蜻蜓算法的微电网负荷用电优化调度新方法 |
| CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
| CN113361188A (zh) * | 2021-05-10 | 2021-09-07 | 国网河北省电力有限公司营销服务中心 | 多目标配电网动态重构方法、装置及终端 |
| CN113452037A (zh) * | 2021-06-23 | 2021-09-28 | 云南电网有限责任公司电力科学研究院 | 一种兼顾调频的光伏阵列重构优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种改进的多目标蜻蜓优化算法;韩鹏;陈锋;;微型机与应用(第20期);全文 * |
| 含高比例风光新能源电网的多目标无功优化算法;杨蕾;吴琛;黄伟;郭成;向川;何鑫;邢超;奚鑫泽;周鑫;杨博;张孝顺;;电力建设(第07期);全文 * |
| 火电厂厂级负荷优化分配系统的研制;翟伟翔;苏适;刘友宽;;云南电力技术(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113852098A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113852098B (zh) | 一种基于多目标蜻蜓算法的自动发电控制调度方法 | |
| Mohanty et al. | Differential evolution algorithm based automatic generation control for interconnected power systems with non-linearity | |
| Sayed et al. | Gain tuning PI controllers for boiler turbine unit using a new hybrid jump PSO | |
| CN108490790A (zh) | 一种基于多目标优化的过热汽温自抗扰串级控制方法 | |
| CN108512258B (zh) | 一种基于改进多智能体一致性算法的风电场有功调度方法 | |
| Chang-Chien et al. | Online estimation of system parameters for artificial intelligence applications to load frequency control | |
| 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 | |
| CN108167802B (zh) | 低负荷下锅炉负荷的多模型智能寻优预测控制方法 | |
| CN114217524A (zh) | 一种基于深度强化学习的电网实时自适应决策方法 | |
| CN113471989B (zh) | 基于灰狼优化法的微电网智能二次频率控制方法 | |
| CN107065556A (zh) | 一种堆芯机组变功率运行策略优化方案的自动搜索方法 | |
| CN112883652B (zh) | 考虑动态尾流的风电场有功功率离线预测控制器设计方法 | |
| WO2015193032A1 (en) | Controlling a target system | |
| CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
| CN105573123A (zh) | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 | |
| Khamies et al. | Slime mould algorithm for frequency controller design of a two-area thermal-PV power system | |
| CN115313403A (zh) | 一种基于深度强化学习算法的实时电压调控方法 | |
| CN115764931A (zh) | 一种电力系统自动发电控制方法、系统、设备和介质 | |
| CN112012875A (zh) | 一种水轮机调节系统pid控制参数的优化方法 | |
| CN114722693A (zh) | 一种水轮机调节系统二型模糊控制参数的优化方法 | |
| CN105720574A (zh) | 基于spsa的电力系统单区域负荷频率的数据驱动控制方法 | |
| Menhas et al. | Real/binary co-operative and co-evolving swarms based multivariable PID controller design of ball mill pulverizing system | |
| Zadeh et al. | Load frequency control in interconnected power system by nonlinear term and uncertainty considerations by using of harmony search optimization algorithm and fuzzy-neural network | |
| KR102439311B1 (ko) | 희소화된 웨이크 방향 그래프를 이용한 풍력 발전 단지의 조정 최적화 방법 및 이를 수행하는 장치 | |
| CN114039366B (zh) | 一种基于孔雀优化算法的电网二次调频控制方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |