电力系统智能调节方法及系统与流程

1.本发明属于电力系统调度技术领域，尤其涉及电力系统智能调节方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.随着环境污染问题的日益加重，综合考虑环境保护和经济效益的电力系统多目标优化调度方法成为了研究热点。
4.但是，目前的电力系统多目标优化调度方法以传统的多目标遗传算法、双层一致性算法等为主，没有考虑到电力系统中待优化的发电机的输出功率过多，要么需要较长时间才能得到最优结果，要么容易陷入局部最优，难以得到最优的机组出力。


技术实现要素：

5.为了解决上述背景技术中存在的技术问题，本发明提供电力系统智能调节方法及系统，解决了电力系统中待优化的发电机的输出功率过多，难以得到最优的机组出力的问题。
6.为了实现上述目的，本发明采用如下技术方案：
7.本发明的第一个方面提供电力系统智能调节方法，其包括：
8.获取电力系统相关参数；
9.基于电力系统相关参数，初始化若干种机组出力；
10.以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；
11.其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为主，以随机数为辅。
12.进一步地，所述逃逸能量e为：
13.e＝rand
×
(exp(-50/(t
×
t))
×
sin(t
×
t/50))
14.式中，rand随机数，t为迭代次数，t表示最大迭代次数。
15.进一步地，所述电力系统相关参数包括发电机发电成本参数、污染气体排放量参数、线路损耗系数、发电机出力约束参数和负荷需求参数。
16.进一步地，一种机组出力包括所有发电机的输出功率。
17.本发明的第二个方面提供电力系统智能调节系统，其包括：
18.数据获取模块，其被配置为：获取电力系统相关参数；
19.初始化模块，其被配置为：基于电力系统相关参数，初始化若干种机组出力；
20.优化模块，其被配置为：以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；
21.其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为
主，以随机数为辅。
22.本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的电力系统智能调节方法中的步骤。
23.本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电力系统智能调节方法中的步骤。
24.与现有技术相比，本发明的有益效果是：
25.本发明提供了电力系统智能调节方法，其考虑到电力系统中待优化的发电机的输出功率过多，难以得到最优的机组出力的问题，采用的逃逸能量的震荡趋势以正弦函数和指数函数为主，以随机数为辅，保障了其整体在正负之间横跳、且呈现震荡衰减的趋势，使其进行全局寻优；但相邻若干迭代步数之间不存在正负之间横跳，使其进行局部寻优，进而保障得到最优机组出力。
附图说明
26.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
27.图1是本发明实施例一的电力系统智能调节方法的流程图。
具体实施方式
28.下面结合附图与实施例对本发明作进一步说明。
29.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
30.实施例一
31.本实施例提供了电力系统智能调节方法。
32.本实施例提供的电力系统智能调节方法，如图1所示，包括如下步骤：
33.步骤1、获取电力系统相关参数，包括发电机发电成本参数、污染气体排放量参数、线路损耗系数、发电机出力约束参数和负荷需求参数；
34.步骤2、基于电力系统相关参数，结合电力系统多目标优化调度模型的等式约束条件和不等式约束条件，初始化种群，种群中的一个个体代表一种机组出力(包括所有发电机的输出功率)，即初始化若干种机组出力；
35.步骤3、以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法mohho，对种群(机组出力)进行优化，得到最优机组出力。
36.其中，电力系统相关参数、电力系统多目标优化调度模型的等式约束条件和不等式约束条件、以及发电成本最小和污染气体排放量最小的目标函数，可以参考申请号为201811268437.8，发明名称为一种基于双层一致性算法的电力系统多目标优化调度方法，的专利。
37.现有的mohho采用逃逸能量来进行不同状态的转换，其中，逃逸能量e的计算方法为：
38.e＝rand
×
(1-t/t)
39.式中，rand为[-2,2]内的随机数，t为迭代次数，t表示最大迭代次数。
[0040]
可以看出，现有多目标哈里斯鹰优化算法中采用的逃逸能量的震荡完全依赖于随机数rand，若前期随机数过小，容易陷入局部最优，不利于全局寻优；且，后期逃逸能量e存在在正负之间反复横跳的情况，不利于局部最优值的寻找；理想的逃逸能量应该是整体在正负之间横跳、且呈现震荡衰减的趋势，使其进行全局寻优；但相邻若干迭代步数之间不存在正负之间横跳，使其进行局部寻优。因此，本实施例采用的逃逸能量e为：
[0041]
e＝rand
×
(exp(-50/(t
×
t))
×
sin(t
×
t/50))
[0042]
式中，rand为(0,2]内的随机数，t为迭代次数，t表示最大迭代次数。
[0043]
可以看出，本技术考虑到电力系统中待优化的发电机的输出功率过多，难以得到最优的机组出力的问题，采用的逃逸能量的震荡趋势以正弦函数和指数函数为主，以随机数为辅，保障了其整体在正负之间横跳、且呈现震荡衰减的趋势，使其进行全局寻优；但相邻若干迭代步数之间不存在正负之间横跳，使其进行局部寻优，进而保障得到最优机组出力。
[0044]
实施例二
[0045]
本实施例提供了电力系统智能调节系统，其具体包括：
[0046]
数据获取模块，其被配置为：获取电力系统相关参数；
[0047]
初始化模块，其被配置为：基于电力系统相关参数，初始化若干种机组出力；
[0048]
优化模块，其被配置为：以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；
[0049]
其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为主，以随机数为辅。
[0050]
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
[0051]
实施例三
[0052]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的电力系统智能调节方法中的步骤。
[0053]
实施例四
[0054]
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的电力系统智能调节方法中的步骤。
[0055]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0056]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0057]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0058]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0059]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0060]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.电力系统智能调节方法，其特征在于，包括：获取电力系统相关参数；基于电力系统相关参数，初始化若干种机组出力；以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为主，以随机数为辅。2.如权利要求1所述的电力系统智能调节方法，其特征在于，所述逃逸能量e为：e＝rand
×
(exp(-50/(t
×
t))
×
sin(t
×
t/50))式中，rand随机数，t为迭代次数，t表示最大迭代次数。3.如权利要求1所述的电力系统智能调节方法，其特征在于，所述电力系统相关参数包括发电机发电成本参数、污染气体排放量参数、线路损耗系数、发电机出力约束参数和负荷需求参数。4.如权利要求1所述的电力系统智能调节方法，其特征在于，一种机组出力包括所有发电机的输出功率。5.电力系统智能调节系统，其特征在于，包括：数据获取模块，其被配置为：获取电力系统相关参数；初始化模块，其被配置为：基于电力系统相关参数，初始化若干种机组出力；优化模块，其被配置为：以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为主，以随机数为辅。6.如权利要求5所述的电力系统智能调节系统，其特征在于，所述逃逸能量e为：e＝rand
×
(exp(-50/(t
×
t))
×
sin(t
×
t/50))式中，rand随机数，t为迭代次数，t表示最大迭代次数。7.如权利要求5所述的电力系统智能调节系统，其特征在于，所述电力系统相关参数包括发电机发电成本参数、污染气体排放量参数、线路损耗系数、发电机出力约束参数和负荷需求参数。8.如权利要求5所述的电力系统智能调节系统，其特征在于，一种机组出力包括所有发电机的输出功率。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的电力系统智能调节方法中的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的电力系统智能调节方法中的步骤。

技术总结
本发明涉及电力系统调度技术领域，提供了电力系统智能调节方法及系统，包括：获取电力系统相关参数；基于电力系统相关参数，初始化若干种机组出力；以发电成本最小和污染气体排放量最小为目标函数，多目标哈里斯鹰优化算法，对机组出力进行优化，得到最优机组出力；其中，多目标哈里斯鹰优化算法采用的逃逸能量的计算以正弦函数和指数函数为主，以随机数为辅。解决了电力系统中待优化的发电机的输出功率过多，难以得到最优的机组出力的问题。难以得到最优的机组出力的问题。难以得到最优的机组出力的问题。


技术研发人员：马良 庞大鹏 蔚宁 贾环环 高丽红 陈旻娜 郜丹 高源 郑艳秋 马欣 王芳 路宽 郭兵
受保护的技术使用者：国网山东省电力公司济宁供电公司
技术研发日：2023.06.21
技术公布日：2023/10/15