基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法
【專利摘要】本發(fā)明實(shí)施例公開了基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法，采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法可使基本量子粒子群在尋優(yōu)過程容易陷入局部最優(yōu)的缺點(diǎn)得到改善。本發(fā)明實(shí)施例方法包括：S1：建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)；S2：對(duì)所述目標(biāo)函數(shù)采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括：S2?1：種群初始化；S2?2：構(gòu)建小世界網(wǎng)絡(luò)，得到鄰接矩陣；S2?3：更新個(gè)體，更新種群；S2?4：根據(jù)更新后的種群計(jì)算適應(yīng)度；S2?5：采用競爭算子對(duì)父代粒子的適應(yīng)度和子代粒子適應(yīng)度進(jìn)行比較，適應(yīng)度較好的保留下來作為下一次迭代的父代；S2?6：若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步驟S2?2。
【專利說明】
基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電力系統(tǒng)領(lǐng)域，尤其涉及基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度 方法。
【背景技術(shù)】
[0002] 電力系統(tǒng)經(jīng)濟(jì)調(diào)度是能量管理系統(tǒng)(EMS)的主要內(nèi)容，在一些具體環(huán)境下它在概 念范疇上等同于發(fā)電計(jì)劃，發(fā)電計(jì)劃包括機(jī)組組合、水火電計(jì)劃、交換計(jì)劃、檢修計(jì)劃和燃 料計(jì)劃等;按周期其有:超短期計(jì)劃，即自動(dòng)發(fā)電控制(AGC)，短期發(fā)電計(jì)劃，即日或周的計(jì) 劃；中期發(fā)電計(jì)劃，即月至年的計(jì)劃與修正;長期計(jì)劃，即數(shù)年至數(shù)十年的計(jì)劃，包括電源發(fā) 展規(guī)劃和網(wǎng)絡(luò)發(fā)展規(guī)劃等。
[0003] 在電力系統(tǒng)運(yùn)行中，經(jīng)濟(jì)調(diào)度是一個(gè)重要的優(yōu)化問題，對(duì)于傳統(tǒng)電力系統(tǒng)經(jīng)濟(jì)調(diào) 度其目標(biāo)是在單一區(qū)域范圍內(nèi)滿足各種限制因素的前提下，使發(fā)電總成本最小化。對(duì)于實(shí) 際的電力系統(tǒng)往往不是簡單的單一區(qū)域而是多區(qū)域，各個(gè)區(qū)域通過聯(lián)絡(luò)線互聯(lián)起來，所以 多區(qū)域電力系統(tǒng)經(jīng)濟(jì)調(diào)度的目標(biāo)是在滿足電力需求、發(fā)電機(jī)的運(yùn)行特征、聯(lián)絡(luò)線傳輸功率 等約束下，尋求系統(tǒng)的發(fā)電能力和各區(qū)域之間的電力交換，從而使總體發(fā)電量成本最小化。
[0004] 目前量子粒子群（Quantum-behaved Particle Swarm Optimization Algorithm, QPSO)算法被用于解決經(jīng)濟(jì)調(diào)度問題，但是由于量子粒子群本身具有在尋優(yōu)過程容易陷入 局部最優(yōu)的缺點(diǎn)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法，從而改善了量子粒子群算 法在尋優(yōu)過程容易陷入局部最優(yōu)的缺點(diǎn)。
[0006] 本發(fā)明實(shí)施例提供的一種基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法，包 括：
[0007] S1:建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)；
[0008] S2:對(duì)所述目標(biāo)函數(shù)采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括：
[0009] S2-1:種群初始化；
[0010] S2-2:構(gòu)建小世界網(wǎng)絡(luò)，得到鄰接矩陣；
[0011] S2-3:根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子；
[0012] S2-4:根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度；
[0013] S2-5:采用競爭算子比較父代和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次 迭代的父代；
[0014] S2-6:若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出所述多區(qū)域經(jīng) 濟(jì)調(diào)度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步驟S2-2。
[0015] 可選地，所述目標(biāo)函數(shù)具體為：
[0016] /.=.1. Ir-i. J~l
[0017]其中Fij(Pij)是第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用函數(shù)，aihbihCijdijMPfijAU 是第i各區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用系數(shù)，N是區(qū)域的數(shù)量是第i個(gè)區(qū)域的發(fā)電機(jī)數(shù)量， 是第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所發(fā)出的實(shí)際功率;為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出 的最小功率；
[0018] 所述目標(biāo)函數(shù)的約束條件包括：
[0019]
[0020] 其中，if"為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出的最大功率；
[0021]
[0022]其中，PDl是區(qū)域i的負(fù)荷要求，Tir是從區(qū)域i通過聯(lián)絡(luò)線傳輸?shù)絽^(qū)域r的功率；
[0023] Tir,min<Tir<Tir, max，i = l，2, · · · ·，N，r=l，2,.....N，i乒r;
[0024] 其中，Tir,minTir,max分別是從區(qū)域i傳輸功率到區(qū)域r的最小和最大功率。
[0025] 可選地，所述步驟S2-1具體包括：
[0026] 根據(jù)以下公式對(duì)所述目標(biāo)函數(shù)進(jìn)行初始化：
[0027]
[0028] rand(0，l)為一個(gè)0~1的隨機(jī)數(shù)。
[0029] 可選地，所述步驟S2-2具體包括：
[0030]根據(jù)NW小世界網(wǎng)絡(luò)拓?fù)淅碚摪凑疹A(yù)設(shè)的度量生成小世界的鄰接矩陣；
[0031]若當(dāng)前所述計(jì)算的迭代次數(shù)大于0,則根據(jù)步驟S2-3對(duì)生成的鄰接矩陣進(jìn)行種群 更新和步驟S2-4計(jì)算得到的初始適應(yīng)度進(jìn)行選擇。
[0032] 可選地，所述步驟2-3具體包括：
[0033] 若種群為初次更新，采用如下數(shù)學(xué)模型對(duì)鄰接矩陣內(nèi)的粒子進(jìn)行更新：
[0034] A(z,r)=rl*pbest(z,r)+(l~rl)*lgbest(1,r)；
[0035] 其中pbest為初始種群，lgbest為通過小世界網(wǎng)絡(luò)選擇后產(chǎn)生占優(yōu)解對(duì)應(yīng)的粒子；
[0036] 若種群并非初次更新，則將當(dāng)前迭代計(jì)算之前產(chǎn)生的新種群繼續(xù)以概率的形式更 新，若概率滿足預(yù)設(shè)值，則采用如下數(shù)學(xué)模型進(jìn)行更新：
[0037] A(z，：）=A(z，：）+ (0· 5+0 · 5* ((maxgen_m)/maxgen) )*Aa(z，：）*log(l/u);
[0038] 若概率不滿足預(yù)設(shè)值，則采用如下數(shù)據(jù)模型進(jìn)行更新：
[0039] A(z，：）=A(z，：）_(0·5+0·5*((maxgen_m)/maxgen))*Aa(z，：）*log(1/u);
[0040]其中，maxgen為最大迭代次數(shù)，m為當(dāng)前迭代次數(shù)，u為0~1的隨機(jī)數(shù)，Aa(z,:)為小 世界網(wǎng)絡(luò)產(chǎn)生的鄰接矩陣的平均值和對(duì)應(yīng)初始種群的差的絕對(duì)值。
[0041 ] 可選地，所述步驟2-4具體包括：
[0042]通過如下式子根據(jù)更新后的種群計(jì)算適應(yīng)度：
[0043]
[0044] 其中，f為懲罰系數(shù)；
[0045] 采用競爭算子對(duì)更新產(chǎn)生的子代粒子的適應(yīng)度和父代粒子的適應(yīng)度進(jìn)行比較，選 取產(chǎn)生效果較好的適應(yīng)度作為當(dāng)前的適應(yīng)度。
[0046] 從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn)：
[0047]本發(fā)明實(shí)施例中，S1:建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù);S2:對(duì)所述目標(biāo)函數(shù) 采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括:S2-1:種群初始化;S2-2:構(gòu)建 小世界網(wǎng)絡(luò)，得到鄰接矩陣;S2-3:根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子;S2-4:根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度;S2-5:根據(jù)競爭算子對(duì)父代適應(yīng)度和子代 適應(yīng)度進(jìn)行比較，適應(yīng)度較好的保留下來作為下一次迭代的父代;S2-6:若計(jì)算的迭代次數(shù) 達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出所述多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步 驟S2-2。本發(fā)明實(shí)施例中，通過將NW小世界網(wǎng)絡(luò)模型改進(jìn)量子粒子群算法，使得改進(jìn)后的算 法不僅保持種群多樣性，而且改善了基本量子粒子群算法容易陷入局部最優(yōu)的缺點(diǎn)，提高 了多區(qū)域經(jīng)濟(jì)調(diào)度的效果。
【附圖說明】
[0048] 圖1為本發(fā)明實(shí)施例中基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法一個(gè)實(shí)施 例流程圖；
[0049] 圖2為本發(fā)明實(shí)施例中基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法另一個(gè)實(shí) 施例流程圖；
[0050] 圖3為本發(fā)明中基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法的一個(gè)應(yīng)用場景 下40機(jī)組在各個(gè)區(qū)域機(jī)組數(shù)量以及負(fù)荷分布圖；
[0051] 圖4為本發(fā)明中基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法的一個(gè)應(yīng)用場景 下的收斂圖。
【具體實(shí)施方式】
[0052] 本發(fā)明提出了一種解決多區(qū)域電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題的方法:小世界量子粒子群 算法(NWQPS0)?；镜牧孔恿Ｗ尤核?QPS0)是在可行解空間中搜索全局最優(yōu)解，這種搜索 方式可以使算法在收斂效果上得到一定程度的提高，但是這種以概率收斂的進(jìn)化方式，會(huì) 使得粒子多樣性方面有所欠缺，當(dāng)算法收斂到一定精度時(shí)就無法繼續(xù)優(yōu)化，進(jìn)而陷入局部 最優(yōu)解。把NW小世界網(wǎng)絡(luò)引入QPS0算法中使得小世界量子粒子群算法可以保持種群的多樣 性同時(shí)改善了傳統(tǒng)量子粒子群算法易陷入局部最優(yōu)的缺點(diǎn)。采用這一方法可以有效的解決 多區(qū)域電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題。
[0053]為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明 實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述 的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而非全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域 普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù) 的范圍。
[0054] 請(qǐng)參閱圖1，本發(fā)明實(shí)施例中一種基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方 法一個(gè)實(shí)施例包括：
[0055] 11、建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)；
[0056] 首先，可以建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)。
[0057] 12、對(duì)該目標(biāo)函數(shù)采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括：
[0058] 在建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)之后，可以對(duì)該目標(biāo)函數(shù)采用NW小世界網(wǎng) 絡(luò)改進(jìn)量子粒子群算法進(jìn)行多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算，具體包括：
[0059] 121、種群初始化；
[0060]根據(jù)該目標(biāo)函數(shù)得到初始化種群。
[0061] 122、構(gòu)建小世界網(wǎng)絡(luò)，得到鄰接矩陣；
[0062] 在得到初始化種群后，可以構(gòu)建小世界網(wǎng)絡(luò)，得到鄰接矩陣。
[0063] 123、根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子；
[0064] 在得到小世界網(wǎng)絡(luò)的鄰接矩陣之后，可以根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn) 生子代粒子。
[0065] 124、根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度；
[0066] 更新種群后，可以根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度。
[0067] 125、采用競爭算子比較父代和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次迭 代的父代；
[0068]在根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度之后，可以采用競爭算子比較父代 和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次迭代的父代。
[0069] 126、若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出該多區(qū)域經(jīng)濟(jì)調(diào) 度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步驟122。
[0070] 在采用競爭算子比較父代和子代的適應(yīng)度之后，需要判斷計(jì)算的迭代次數(shù)是否達(dá) 到預(yù)設(shè)的最大迭代次數(shù)，若是，則計(jì)算并輸出該多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至 步驟122。
[0071] 本實(shí)施例中，S1:建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù);S2:對(duì)該目標(biāo)函數(shù)采用NW 小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括:S2-1:種群初始化;S2-2:構(gòu)建小世界 網(wǎng)絡(luò)，得到鄰接矩陣;S2-3:根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子;S2-4:根據(jù) 適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度;S2-5:采用競爭算子比較父代和子代的適應(yīng)度，適 應(yīng)度好的保留下來作為下一次迭代的父代;S2-6:若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代 次數(shù)，則計(jì)算并輸出該多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步驟S2-2。本實(shí)施例中，通 過將小世界網(wǎng)絡(luò)模型引入到量子粒子群算法中，使得基本量子粒子群容易陷入局部最優(yōu)的 缺點(diǎn)得到改善，同時(shí)保持種群多樣性，，提高了多區(qū)域經(jīng)濟(jì)調(diào)度的效果。
[0072]為便于理解，下面對(duì)本發(fā)明實(shí)施例中的一種基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng) 濟(jì)調(diào)度方法進(jìn)行詳細(xì)描述，請(qǐng)參閱圖2,本發(fā)明實(shí)施例中一種基于改進(jìn)量子粒子群算法的多 區(qū)域經(jīng)濟(jì)調(diào)度方法另一個(gè)實(shí)施例包括：
[0073] 201、建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)；
[0074]在建立目標(biāo)函數(shù)時(shí)，需要考慮機(jī)組閥點(diǎn)效應(yīng)的電力系統(tǒng)多區(qū)域經(jīng)濟(jì)調(diào)度問題，同 時(shí)考慮區(qū)域之間聯(lián)絡(luò)線傳輸功率的限制，該目標(biāo)函數(shù)具體為：
[0075]
[0076]其中FiXPij)是第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用函數(shù)， 是第i各區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用系數(shù)，N是區(qū)域的數(shù)量是第i個(gè)區(qū)域的發(fā)電機(jī)數(shù)量， 是第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所發(fā)出的實(shí)際功率;為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出 的最小功率；
[0077]設(shè)定約束條件如下：
[0078] 發(fā)電機(jī)處理約束：
[0079]
[0080] 其中，為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出的最大功率；
[0081 ] 各區(qū)域功率平衡約束：
[0082]
[0083]其中，PDl是區(qū)域i的負(fù)荷要求，Tir是從區(qū)域i通過聯(lián)絡(luò)線傳輸?shù)絽^(qū)域r的功率；
[0084]聯(lián)絡(luò)線功率傳輸約束：
[0085] Tir,min彡Tir彡Tir,max，i = l，2, · · · ·，N，r=l，2,.....N，i乒r;
[0086] 其中，Tir,minTir,max分別是從區(qū)域i傳輸功率到區(qū)域r的最小和最大功率。可以知道， 如果功率是從區(qū)域i傳輸?shù)絽^(qū)域 r，則Tir是正數(shù)，反之則Tir為負(fù)數(shù)。
[0087] 202、種群初始化；
[0088] 可以根據(jù)發(fā)電機(jī)組和聯(lián)絡(luò)線功率傳輸上下限進(jìn)行初始化，得到初始種群。例如，根 據(jù)以下公式對(duì)所述目標(biāo)函數(shù)進(jìn)行初始化：
[0089]
[0090] rand(0，l)為一個(gè)0~1的隨機(jī)數(shù)。
[0091] 需要說明的是，在進(jìn)行種群初始化時(shí)，需要選取種群大小，然后根據(jù)各個(gè)機(jī)組出力 (功率)上下限來隨機(jī)生成機(jī)組的出力，從而組成一定數(shù)量的初始種群。
[0092] 203、根據(jù)NW小世界網(wǎng)絡(luò)拓?fù)淅碚摪凑疹A(yù)設(shè)的度量生成小世界的鄰接矩陣；
[0093]在初始化種群之后，可以根據(jù)小世界網(wǎng)絡(luò)拓?fù)淅碚摪凑疹A(yù)設(shè)的度量生成小世界的 鄰接矩陣。具體為：
[0094] 設(shè)X為初始種群，DS(z)為初始種群產(chǎn)生的初始解，Juzhen為構(gòu)造的小世界網(wǎng)絡(luò)，C 為矩陣lbest每一列求和，B為矩陣lbest的行數(shù)，G為最小f itlbest對(duì)應(yīng)的lbest。具體執(zhí)行 流程表示如下：
[0095] INPUT:DSdc，M，i;
[0096] LET fitpbest = DSdc；
[0097] LET Aa = X；
[0098] 其中，根據(jù)小世界網(wǎng)絡(luò)產(chǎn)生的小世界網(wǎng)絡(luò)矩陣流程如下：
[0099] LET J = Juzhen;
[0100] FOR z = l to M
[0101] FOR j = l to M；
[0102] IF J(z,j) = = l
[0103] 其中，根據(jù)小世界網(wǎng)絡(luò)產(chǎn)生的鄰接矩陣流程如下：
[0104] lbest=Aa( j ,:)；
[0105] fitlbest = fitpbest(l, j)
[0106] END IF
[0107] END FOR
[0108] mlbest = C/B
[0109] lgbest=G〇
[0110] 204、若當(dāng)前該計(jì)算的迭代次數(shù)大于0,則根據(jù)步驟205對(duì)生成的鄰接矩陣進(jìn)行種群 更新和步驟206計(jì)算得到的初始適應(yīng)度進(jìn)行選擇； 若當(dāng)前該計(jì)算的迭代次數(shù)大于〇，則根據(jù)步驟205對(duì)生成的鄰接矩陣進(jìn)行種群更新 和步驟206計(jì)算得到的初始適應(yīng)度進(jìn)行選擇。
[0112] 205、根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子；
[0113] 若種群為初次更新，則采用如下數(shù)據(jù)模型進(jìn)行更新：
[0114] A(z ,r) = rl*pbest(z ,r) + ( 1-rl)*lgbest( 1 ,r)；
[0115] 其中pbest為初始種群，lgbest為通過小世界網(wǎng)絡(luò)選擇后產(chǎn)生占優(yōu)解對(duì)應(yīng)的粒子；
[0116] 若種群并非初次更新，則將當(dāng)前迭代計(jì)算之前產(chǎn)生的新種群繼續(xù)以概率的形式更 新，若概率滿足預(yù)設(shè)值，則采用如下數(shù)據(jù)模型進(jìn)行更新：
[0117] A(z，：）=A(z，：）+ (0· 5+0 · 5* ((maxgen_m)/maxgen) )*Aa(z，：）*log(l/u);
[0118] 若概率不滿足預(yù)設(shè)值，則采用如下數(shù)據(jù)模型進(jìn)行更新：
[0119] A(z，：）=A(z，：）-(0· 5+0 · 5* ((maxgen_m)/maxgen) )*Aa(z，：）*log(l/u);
[0120]其中，maxgen為最大迭代次數(shù)，m為當(dāng)前迭代次數(shù)，u為0~1的隨機(jī)數(shù)，Aa(z,:)為小 世界網(wǎng)絡(luò)產(chǎn)生的鄰接矩陣的平均值和對(duì)應(yīng)初始種群的差的絕對(duì)值。
[0121] 需要說明的是，更新種群的具體步驟還可以表示為：
[0122] 設(shè)lgbest為產(chǎn)生最優(yōu)值的機(jī)組出力，mlbest為根據(jù)小世界網(wǎng)絡(luò)產(chǎn)生的鄰接矩陣的 平均值，D為所有區(qū)域機(jī)組和區(qū)域數(shù)量之和，m是當(dāng)前迭代代數(shù)，Aa(z，：）為平均值!1111^^與八 3 (z，：）的差的絕對(duì)值，則其執(zhí)行流程如下：
[0123] INPUT:lgbest,mlbest,D；
[0124] LET pbest(z,r) =Aa；
[0125] FOR r = lto D；
[0126] 產(chǎn)生隨機(jī)數(shù)ne(〇，l);
[0127] A(z，r) = ri*pbest(z，r) + ( l_ri)*lgbest( 1，r);
[0128] 更新全部種群
[0129] END FOR；
[0130] IF rand>0.5
[0131] 產(chǎn)生隨機(jī)數(shù)ue(0，i);
[0132] 以概率的形式更新種群
[0133] A(z，：）=A(z，：）+ (0· 5+0 · 5* ((maxgen_m)/maxgen) )*Aa(z，：）*log(l/u);
[0134] ELSE；
[0135] A(z，：）=A(z，：）_(0· 5+0 · 5* ((maxgen_m)/maxgen) )*Aa(z，：）*log(l/u);
[0136] END IF；
[0137] 206、根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度；
[0138] 通過如下式子根據(jù)更新后的種群計(jì)算適應(yīng)度：
[0139]
[0140]其中，f為懲罰系數(shù)；
[0141] 利用競爭算子對(duì)父代粒子的適應(yīng)度和子代粒子的適應(yīng)度進(jìn)行比較，選取產(chǎn)生效果 較好的適應(yīng)度作為當(dāng)前的適應(yīng)度。例如，如果新產(chǎn)生的子代的適應(yīng)度的效果優(yōu)于父代適應(yīng) 度，則交換兩個(gè)適應(yīng)度，反之則不替換，效果較好的得以保存下來進(jìn)行下一次的比較。當(dāng)?shù)?代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)時(shí)，則最后的當(dāng)前適應(yīng)度為可以產(chǎn)生最佳效果的適應(yīng)度。
[0142] 207、采用競爭算子比較父代和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次迭 代的父代；
[0143] 如上所述，在根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度之后，可以采用競爭算 子比較父代和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次迭代的父代。
[0144] 208、判斷計(jì)算的迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)，若是，則執(zhí)行步驟209， 否則，跳轉(zhuǎn)至步驟203;
[0145] 每次在采用競爭算子比較父代和子代的適應(yīng)度，確定下一次迭代的父代之后，可 以判斷計(jì)算的迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)，若是，則執(zhí)行步驟209，否則，跳轉(zhuǎn)至 步驟203。
[0146] 209、計(jì)算并輸出該多區(qū)域經(jīng)濟(jì)調(diào)度計(jì)算的結(jié)果。
[0147] 若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出該多區(qū)域經(jīng)濟(jì)調(diào)度計(jì) 算的結(jié)果。
[0148] 與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例中一種基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào) 度方法具有如下顯著的效果：
[0149 ] 1、步驟簡單，控制參數(shù)少，求解容易；
[0150] 2、將小世界網(wǎng)絡(luò)模型引入到量子粒子群算法的優(yōu)化算法，小世界量子粒子群算法 通過將小世界以隨機(jī)加邊方式動(dòng)態(tài)改變種群個(gè)體的鄰域拓?fù)浣Y(jié)構(gòu)的理念引入到量子粒子 群算法，使得小世界量子粒子群算法在優(yōu)化過程中提高種群的多樣性，同時(shí)改善了量子粒 子群算法容易陷入局部最優(yōu)的缺點(diǎn)。
[0151] 為驗(yàn)證本發(fā)明所提出的小世界量子粒子群算法NWQPS0(小世界量子粒子群）的有 效性和優(yōu)越性，下面通過參數(shù)和曲線的方式進(jìn)行說明：
[0152] 預(yù)先設(shè)定如下:機(jī)組數(shù)量40,按照如圖3方式進(jìn)行分區(qū)，種群大小M = 200,最大迭代 次數(shù)為maxgen = 500，四個(gè)區(qū)域的懲罰系數(shù)分別為0.65、0.75、0.75和0.8，40機(jī)組系統(tǒng)的機(jī) 組參數(shù)如表1。
[0153] 在本案例，采用NWQPS0算法的調(diào)度結(jié)果如表2所示，收斂曲線如圖4所示，為了證明 NWQPS0算法的優(yōu)越性，我們將NWQPS0算法的優(yōu)化結(jié)果和其他智能優(yōu)化算法進(jìn)行了比較如表 3所示。
[0154] 表1 40機(jī)組系統(tǒng)參數(shù)表
[0155]
[0156]
[0157] 表2采用NWQPS040機(jī)組調(diào)度結(jié)果
[0158]
[0159]
[0160] 表3 NWQPS0算法的優(yōu)化結(jié)果和其他算法對(duì)比
[0161]
[0162] 表4各個(gè)區(qū)域功率平衡度
[0163]
[0164]
[0165] 由上面表1、表2、表3和圖3、圖4可以看出，采用NWQPS0算法40機(jī)組4區(qū)域系統(tǒng)進(jìn)行 仿真，通過仿真得到的的機(jī)組調(diào)度結(jié)果和優(yōu)化結(jié)果如表2和表3所示。從表3我們可以看出 NWQPS0算法的優(yōu)化結(jié)果為122422.8336$/h，顯然優(yōu)于表中的其他算法的優(yōu)化結(jié)果。另外一 方面，NWQPS0調(diào)度結(jié)果的總功率不平衡度以及各個(gè)區(qū)域功率不平衡度如表4所示，可以看出 NWQPS0在功率平衡方面的表現(xiàn)同樣讓人滿意。因此，可以說NWQPS0算法在解決多區(qū)域電力 系統(tǒng)經(jīng)濟(jì)調(diào)度問題表現(xiàn)更好。
[0166] 所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)， 裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。
[0167] 以上所述，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制;盡管參照前 述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對(duì)前 述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換;而這些 修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)量子粒子群算法的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，包括： S1:建立多區(qū)域經(jīng)濟(jì)調(diào)度問題的目標(biāo)函數(shù)； S2:對(duì)所述目標(biāo)函數(shù)采用NW小世界網(wǎng)絡(luò)改進(jìn)量子粒子群算法進(jìn)行優(yōu)化，具體包括： S2-1:種群初始化； S2-2:構(gòu)建小世界網(wǎng)絡(luò)，得到鄰接矩陣； S2-3:根據(jù)小世界鄰接矩陣進(jìn)行更新種群，產(chǎn)生子代粒子； S2-4:根據(jù)適應(yīng)度函數(shù)計(jì)算更新后的種群的適應(yīng)度； S2-5:采用競爭算子比較父代和子代的適應(yīng)度，適應(yīng)度好的保留下來作為下一次迭代 的父代； S2-6:若計(jì)算的迭代次數(shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則計(jì)算并輸出所述多區(qū)域經(jīng)濟(jì)調(diào) 度計(jì)算的結(jié)果，否則，跳轉(zhuǎn)至步驟S2-2。2. 根據(jù)權(quán)利要求1所述的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，所述目標(biāo)函數(shù)具體為：其中Fu(Pu)是第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用函數(shù)，aリ、bリ、cリ、eリ,k和fリ,k分別是第 i各區(qū)域的第j臺(tái)發(fā)電機(jī)的費(fèi)用系數(shù)，N是區(qū)域的數(shù)量，Ml是第i個(gè)區(qū)域的發(fā)電機(jī)數(shù)量，Pu是第 i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所發(fā)出的實(shí)際功率；巧胃為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出的最 小功率； 所述目標(biāo)函數(shù)的約束條件包括：其中，巧max為第i個(gè)區(qū)域的第j臺(tái)發(fā)電機(jī)所能發(fā)出的最大功率；其中，時(shí)1是區(qū)域i的負(fù)荷要求，Tir是從區(qū)域i通過聯(lián)絡(luò)線傳輸?shù)絽^(qū)域r的功率； Tir, min《Tir《Tir, max ,1二 1,2, . . . . ,Ν,Γ 二 1,2,.....Ν, ? ; 其中，Tir,"inTir,"ax分別是從區(qū)域i傳輸功率到區(qū)域r的最小和最大功率。 3 .根據(jù)權(quán)利要求2所述的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，所述步驟S2-1具體包括： 根據(jù)W下公式對(duì)所述目標(biāo)函數(shù)進(jìn)行初始化： rand (0，1)為一個(gè)0~1的隨機(jī)數(shù)。4. 根據(jù)權(quán)利要求2所述的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，所述步驟S2-2具體包括： 根據(jù)NW小世界網(wǎng)絡(luò)拓?fù)淅碚摪凑疹A(yù)設(shè)的度量生成小世界的鄰接矩陣； 若當(dāng)前所述計(jì)算的迭代次數(shù)大于0,則根據(jù)步驟S2-3對(duì)生成的鄰接矩陣進(jìn)行種群更新 和步驟S2-4計(jì)算得到的初始適應(yīng)度進(jìn)行選擇。5. 根據(jù)權(quán)利要求4所述的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，所述步驟2-3具體包括： 若種群為初次更新，采用如下數(shù)學(xué)模型對(duì)鄰接矩陣內(nèi)的粒子進(jìn)行更新： A(z,r)=rl*pbest(z,r)+(1-rl)*lgbest(1,r)； 其中pbest為初始種群，Igbest為通過小世界網(wǎng)絡(luò)選擇后產(chǎn)生占優(yōu)解對(duì)應(yīng)的粒子； 若種群并非初次更新，則將當(dāng)前迭代計(jì)算之前產(chǎn)生的新種群繼續(xù)W概率的形式更新， 若概率滿足預(yù)設(shè)值，則采用如下數(shù)學(xué)模型進(jìn)行更新： A(z,: )=A(z,: ) + (0.5+0.5*((maxgen-m)/maxgen))*Aa(z, : )*log(l/u); 若概率不滿足預(yù)設(shè)值，則采用如下數(shù)據(jù)模型進(jìn)行更新： A(z,: )=A(z,: )-(0.5+0.5*((maxgen-m)/maxgen))*Aa(z, : )*log(l/u); 其中，maxgen為最大迭代次數(shù)，m為當(dāng)前迭代次數(shù)，u為0~1的隨機(jī)數(shù)，Aa(z,:)為小世界 網(wǎng)絡(luò)產(chǎn)生的鄰接矩陣的平均值和對(duì)應(yīng)初始種群的差的絕對(duì)值。6.根據(jù)權(quán)利要求5所述的多區(qū)域經(jīng)濟(jì)調(diào)度方法，其特征在于，所述步驟2-4具體包括： 通過如下式子根據(jù)更新后的種群計(jì)算適應(yīng)度：其中，f為懲罰系數(shù)； 采用競爭算子對(duì)更新產(chǎn)生的子代粒子的適應(yīng)度和父代粒子的適應(yīng)度進(jìn)行比較，選取產(chǎn) 生效果較好的適應(yīng)度作為當(dāng)前的適應(yīng)度。
【文檔編號(hào)】G06N3/00GK105976052SQ201610281825
【公開日】2016年9月28日
【申請(qǐng)日】2016年4月28日
【發(fā)明人】李錦焙, 孟安波
【申請(qǐng)人】廣東工業(yè)大學(xué)