林展華

（北京科東電力控制系統(tǒng)有限責(zé)任公司，北京 100192）

0 引 言

優(yōu)化調(diào)度技術(shù)作為一項(xiàng)基于數(shù)學(xué)模型的應(yīng)用技術(shù)，是電力科研部門(mén)重點(diǎn)關(guān)注的技術(shù)。經(jīng)過(guò)大量的實(shí)踐證明，運(yùn)用現(xiàn)代群體智能算法調(diào)度電機(jī)組，能夠得到較大概率的全局近似解，具有較強(qiáng)的實(shí)用性和高效性。自1960 年以來(lái)，隨著高速計(jì)算機(jī)技術(shù)的普及，最優(yōu)化問(wèn)題得到了解決[1]。由于最優(yōu)解理論與算法的快速發(fā)展，使相關(guān)研究成為市場(chǎng)內(nèi)一個(gè)新興課題。隨著仿生學(xué)研究的興起，利用仿生學(xué)方法設(shè)計(jì)高效求解最優(yōu)問(wèn)題的方法開(kāi)始變得更加可行，如鳥(niǎo)群、蜂群、群集等，此類(lèi)算法具有穩(wěn)定、高效、快速等特點(diǎn)，其也為求解最優(yōu)問(wèn)題提供一條新的途徑[2]。群體智能自從被提出以來(lái)，在人工智能、通信網(wǎng)絡(luò)、工業(yè)生產(chǎn)中得到越來(lái)越多的應(yīng)用。本項(xiàng)目的開(kāi)展將為群體智能的發(fā)展提供新的思路與方法，改進(jìn)粒子群算法是一種新的群體智能優(yōu)化方法，其簡(jiǎn)單、易實(shí)現(xiàn)，可實(shí)現(xiàn)并行搜索和高效計(jì)算，適用于求解多種復(fù)雜問(wèn)題，并有很大概率獲得全局最優(yōu)解[3]。目前，改進(jìn)粒子群算法已被廣泛應(yīng)用于電力系統(tǒng)的各個(gè)方面，并具備良好的發(fā)展趨勢(shì)。為全面落實(shí)此項(xiàng)工作，降低電機(jī)組的發(fā)電成本，研究一種新的基于改進(jìn)粒子群算法的智能電力調(diào)度自動(dòng)化主站電機(jī)組的調(diào)度方法，旨在通過(guò)此次設(shè)計(jì)，為改進(jìn)粒子群算法在相關(guān)領(lǐng)域內(nèi)的推廣提供進(jìn)一步的指導(dǎo)與幫助。

1 建立智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)

為滿(mǎn)足電機(jī)組的優(yōu)化調(diào)度需求，開(kāi)展相關(guān)研究前，建立智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)，在此過(guò)程中，明確智能電力調(diào)度自動(dòng)化主站運(yùn)行的目標(biāo)是經(jīng)濟(jì)成本最小化，即支出費(fèi)用最小化，并且為排除影響電廠(chǎng)調(diào)度成本的相關(guān)因素，將智能電力調(diào)度自動(dòng)化主站發(fā)電過(guò)程中的消耗量作為首要目標(biāo)[4]。建立的目標(biāo)函數(shù)為

式中：F1min表示智能電力調(diào)度自動(dòng)化主站發(fā)電過(guò)程中以最小消耗量為目標(biāo)的函數(shù)；ai、bi、ci表示編號(hào)為i的電廠(chǎng)的燃料耗量特性系數(shù)；Pi表示編號(hào)為i的電廠(chǎng)在電能調(diào)度過(guò)程中的有功出力情況；n表示智能電力調(diào)度自動(dòng)化主站中的電廠(chǎng)數(shù)量。在此基礎(chǔ)上，將智能電力調(diào)度自動(dòng)化主站發(fā)電過(guò)程的最小排放量作為目標(biāo)[5]。建立的目標(biāo)函數(shù)為

式中：F2min表示將智能電力調(diào)度自動(dòng)化主站發(fā)電過(guò)程中的最小排放量作為目標(biāo)構(gòu)建的目標(biāo)函數(shù)；αi、βi、γi表示編號(hào)為i的電廠(chǎng)的發(fā)電氣體燃燒系數(shù)。完成上述內(nèi)容的研究后，將發(fā)電過(guò)程中由于線(xiàn)路損耗所引起的發(fā)電損失作為另一目標(biāo)[6]。建立的目標(biāo)函數(shù)為

式中：F3min表示將發(fā)電過(guò)程中由于線(xiàn)路損耗所引起的最小發(fā)電損失為目標(biāo)所構(gòu)建的目標(biāo)函數(shù)；δ表示發(fā)電過(guò)程中的線(xiàn)路損耗系數(shù)；PD表示智能電力調(diào)度自動(dòng)化主站的總負(fù)荷需求；u表示電網(wǎng)中的負(fù)荷節(jié)點(diǎn)。綜合上述內(nèi)容，得到智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)為

按照上述方式，完成智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)構(gòu)建。

2 基于改進(jìn)粒子群算法的電機(jī)組調(diào)度最優(yōu)解計(jì)算

在上述內(nèi)容的基礎(chǔ)上，引入改進(jìn)的粒子群算法，計(jì)算電機(jī)組的最優(yōu)調(diào)度。在此過(guò)程中，將智能電力調(diào)度自動(dòng)化主站中的每一個(gè)節(jié)點(diǎn)作為一個(gè)粒子，將電機(jī)組優(yōu)化調(diào)度過(guò)程作為空間中的粒子尋優(yōu)過(guò)程。

電機(jī)組在未調(diào)度前，粒子的狀態(tài)為初始化狀態(tài)（隨機(jī)狀態(tài)），每次迭代過(guò)程，粒子都將根據(jù)自身的極值與整個(gè)群體的極值進(jìn)行匹配，也可以將此過(guò)程作為電機(jī)組調(diào)度最優(yōu)解更新過(guò)程，計(jì)算公式為

式中：vN+1表示迭代次數(shù)為N+1 時(shí)對(duì)應(yīng)的粒子在空間中的尋優(yōu)速度（更新速度）；vN表示迭代次數(shù)為N時(shí)對(duì)應(yīng)的粒子在空間中的尋優(yōu)速度（更新速度）；c1、c2表示改進(jìn)粒子群算法迭代過(guò)程中的學(xué)習(xí)因子；p表示粒子個(gè)體當(dāng)前所在的空間位置；bestN表示迭代次數(shù)為N時(shí)對(duì)應(yīng)的粒子在空間中的最優(yōu)解；xN表示迭代次數(shù)為N時(shí)對(duì)應(yīng)的粒子極值；g表示更新后粒子個(gè)體所在的空間位置。按照上述方式，實(shí)現(xiàn)基于改進(jìn)粒子群算法的電機(jī)組調(diào)度最優(yōu)解計(jì)算。

3 電機(jī)組調(diào)度方案全局尋優(yōu)

在基于改進(jìn)粒子群算法的電機(jī)組調(diào)度最優(yōu)解計(jì)算的基礎(chǔ)上，為避免改進(jìn)粒子群在空間中的尋優(yōu)出現(xiàn)局部最優(yōu)解，影響電機(jī)組調(diào)度的全局尋優(yōu)，在完成上述設(shè)計(jì)后，設(shè)計(jì)電機(jī)組調(diào)度方案的全局尋優(yōu)。在此過(guò)程中，考慮到粒子在空間中的更新速度與收斂性會(huì)影響全局尋優(yōu)結(jié)果，可以在粒子群中加入一個(gè)慣性系數(shù)，將此系數(shù)作為約束，對(duì)粒子在空間中的更新或飛行速度進(jìn)行控制。約束后的粒子在空間中的尋優(yōu)速度為

4 實(shí)例應(yīng)用分析

文章從3 個(gè)方面開(kāi)展基于改進(jìn)粒子群算法的智能電力調(diào)度自動(dòng)化主站電機(jī)組的調(diào)度方法的設(shè)計(jì)研究，為實(shí)現(xiàn)該調(diào)度方法在實(shí)際應(yīng)用中應(yīng)用效果的檢驗(yàn)，以某地區(qū)大型發(fā)電中心為例，按照提出的方法，調(diào)度發(fā)電中心中的電機(jī)組，檢驗(yàn)所提出的電機(jī)組調(diào)度方法能否在應(yīng)用中發(fā)揮預(yù)期的優(yōu)化效果。

通過(guò)與此單位相關(guān)負(fù)責(zé)人的交涉可知，為滿(mǎn)足電力市場(chǎng)的自動(dòng)化與智能化發(fā)展需求，技術(shù)部投入大量資金用于調(diào)度中心發(fā)電過(guò)程的智能化改造，為落實(shí)此項(xiàng)工作，運(yùn)營(yíng)單位建造智能電力調(diào)度自動(dòng)化主站，并采用調(diào)度電機(jī)組的方式進(jìn)一步優(yōu)化此方面工作。盡管資金、人力投入量巨大，但根據(jù)用電用戶(hù)的反饋、運(yùn)營(yíng)管理部門(mén)的階段性工作進(jìn)展可知，現(xiàn)有的調(diào)度方法并未在應(yīng)用中達(dá)到預(yù)期效果。

為排除相關(guān)因素對(duì)電機(jī)組調(diào)度過(guò)程的影響，在調(diào)度前對(duì)電機(jī)組運(yùn)行過(guò)程中的基本情況與主要技術(shù)參數(shù)進(jìn)行分析，相關(guān)內(nèi)容如表1 所示。

表1 電機(jī)組運(yùn)行過(guò)程中的基本情況與主要技術(shù)參數(shù)

采用文章所提方法進(jìn)行基于改進(jìn)粒子群算法的電機(jī)組調(diào)度，調(diào)度過(guò)程中，根據(jù)智能電力調(diào)度自動(dòng)化主站的運(yùn)行需求，建立智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)。為確保改進(jìn)粒子群算法在實(shí)際應(yīng)用中發(fā)揮預(yù)期效果，按照表2 所示的內(nèi)容設(shè)計(jì)改進(jìn)粒子群算法中參數(shù)條件。

表2 改進(jìn)粒子群算法中的參數(shù)條件

在此基礎(chǔ)上，通過(guò)電機(jī)組調(diào)度方案的全局尋優(yōu)，實(shí)現(xiàn)智能電力調(diào)度自動(dòng)化主站的改進(jìn)粒子群算法的電機(jī)組調(diào)度。

完成上述研究后，將電機(jī)組調(diào)度前、調(diào)度后的發(fā)電成本作為檢驗(yàn)調(diào)度方法應(yīng)用效果的關(guān)鍵指標(biāo)之一，統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果如圖1 所示。

圖1 電機(jī)組調(diào)度前后的發(fā)電成本對(duì)比

從圖1 所示的實(shí)驗(yàn)結(jié)果可以看出，使用文章所提方法調(diào)度電機(jī)組后，電機(jī)組調(diào)度前的發(fā)電成本大于電機(jī)組調(diào)度后的發(fā)電成本，由此可見(jiàn)，此次研究提出的基于改進(jìn)粒子群算法的智能電力調(diào)度自動(dòng)化主站電機(jī)組的調(diào)度方法的應(yīng)用效果良好，按照規(guī)范使用該方法進(jìn)行電機(jī)組調(diào)度，可以有效減少電站發(fā)電過(guò)程中的經(jīng)濟(jì)成本，為發(fā)電企業(yè)的市場(chǎng)運(yùn)營(yíng)創(chuàng)造更高的價(jià)值與經(jīng)濟(jì)效益。

5 結(jié) 論

通過(guò)建立智能電力調(diào)度自動(dòng)化主站的電機(jī)組調(diào)度目標(biāo)函數(shù)、電機(jī)組調(diào)度最優(yōu)解計(jì)算以及電機(jī)組調(diào)度方案全局尋優(yōu)，開(kāi)展基于改進(jìn)粒子群算法的智能電力調(diào)度自動(dòng)化主站電機(jī)組的調(diào)度方法設(shè)計(jì)研究。完成對(duì)該方法的設(shè)計(jì)后，以某地區(qū)大型發(fā)電中心為例，設(shè)計(jì)實(shí)例應(yīng)用實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，使用文章所提方法進(jìn)行電機(jī)組調(diào)度可以有效減少電站發(fā)電過(guò)程中的經(jīng)濟(jì)成本，為發(fā)電企業(yè)的市場(chǎng)運(yùn)營(yíng)創(chuàng)造更高的價(jià)值與經(jīng)濟(jì)效益。