《基于MATLAB 改进遗传算法的有功负荷分配研究.doc》由会员分享，可在线阅读，更多相关《基于MATLAB 改进遗传算法的有功负荷分配研究.doc（9页珍藏版）》请在三一办公上搜索。
1、 基于Matlab改进遗传算法的有功负荷分配研究梁思聪 王维庆 张新燕（新疆大学电气工程学院，新疆乌鲁木齐， 830008）摘要：遗传算法在优化多约束、多目标问题时有明显的优势。Matlab为该算法实现提供了简单的方法。用爬山算法和遗传算法相结合，可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足。机组负荷优化分配是一种可提高电厂经济性的手段, 但目前还没有得到一种绝对严格的算法。为了解决这个问题，引入模糊理论建立了电站机组负荷分配模型，并运用爬山算法与遗传算法相结合求解。该算法不同于常规优化算法特点在于：优化过程简单，容易得到全局最优解，适合大规模的复杂系
2、统求解。方法的有效性通过算例分析得到了验证。关键词：有功负荷分配；隶属函数；遗传算法（GA）；优化 Study of Active power dispatch based on improved genetic algorithm optimization in Matlab Liang Si-cong, Zhang Xin-yan,Wang Wei-qing(College of Electrical Engineering, Xinjiang University, Urumqi Xinjiang, 830008) Abstract Genetic algrithm has remark
3、able superiority as optimizing multi-objective,many restriction problem.Matlab provided a simple and convenient method for the algrithms realization. The hybrid genetic algorithm witch is the combination of genetic algorithm and hill-climbing algorithm, can overcom the weakness of genetic algorithm
4、in local search and hilling-climbing in global search. The optimization of active power dispatch among power generating sets is a measure for improving economy of power plants, but now there is no absolutely strict algorithm. In this paper,a model of optimization of load allocation among power gener
5、ating sets is established with fuzzy theory; and applied the hybrid genetic algorithm to solve the model. The algorithm is different from normal optimization algorithms as follows : simple language; easier getting best solutions in full place; and being suitable for solving the complicated systems w
6、ith large scale. Finally, an example is given to illustrate the validity of the approach.Keywords ：active power dispatch; membership function; genetic algorithm; optimization0 引言随着电力系统规模的日益扩大，电力系统的经济运行越来越重要，机组负荷分配就是其中一个非常重要的问题。机组负荷分配是在预先规定的调度周期内，在确保机组安全运行，并满足各种约束条件下，合理确定所有可用机组的启、教育部博士点专项基金项目 (200607
7、55001) ;自治区高校高技术研究重点项目(XJEDU2004I04 ); 国家自然基金课题（50767003）停机状态和电站各机组间的负荷分配，使系统总运行费用最小。机组负荷分配是一个包含整型和连续变量的高维、离散、非凸的混合非线性优化问题,当系统的规模较大时,要从理论上求得精确的最优解相当困难。随着计算机运行速度的提高,现代智能优化算法在机组优化负荷分配中体现出优势,主要包括模拟退火、遗传算法、进化策略、人工神经网络、蚁群优化、混沌优化等方法。其中，遗传算法( GA)由于其对求解问题的限制较少，不要求目标函数连续且可微而备受关注1；另外，GA在求解非线性问题时表现出较强的鲁棒性、全局优化
8、性和可并行处理性，这些优点使其在电力系统的经济运行中得到广泛的应用。采用遗传算法解决机组组合问题，是未来的发展方向之一 2。Matlab 的遗传算法工具箱（GAOT）在求解负荷分配问题的可行解或满意解时，总体上解的质量不是很高。许多学者为此对GA做出了很多改进，但无论是通过改变计算参数，算法结构还是运算规模，总的效果依旧不是很理想。针对这一不足，本文将局部搜索能力很强的爬山算法与Matlab 的遗传算法工具箱（GAOT）相结合，提出了一种性能良好，且操作简单的计算策略来对电站机组负荷经济分配进行优化求解。同时，在考虑机组组合负荷优化分配不确定的基础上，将模糊理论引入所研究的问题中，采用梯形模糊
9、数来表示每台机组的运行负荷，建立了电站机组负荷分配的模糊模型，并通过一个例子对上述模糊建模和计算策略进行了验证。1 电厂机组负荷分配模糊建模1.1 数学模型电厂机组负荷分配即各台机组在安全可靠运行的前提下，经济合理地承担负荷获得最小煤耗量的多约束最优化问题。电厂机组的煤耗可用二次曲线方程表示，() (1)式中, ,为第台机组的煤耗特性系数;为第台机组的煤耗;为第台机组的负荷。设全厂有台机组可以投入运行，总负荷为，经济运行的目的就是根据煤耗特性，在满足负荷需求和约束条件下，将此负荷合理的分配在台机组上，使总的煤耗量为最小。其模型描述如下。(1) 目标函数考虑机组启停,目标函数为 （2）式中，表示
10、机组的运行状态(0表示停机，1表示运行)。(2) 功率平衡约束 (3)(3) 功率上下限约束 (4) (5) (6)式中, 为调度下达到电厂系统总负荷；, 为第台机组的负荷上、下限。从目标函数可以看到，状态参数的加入把优化问题提升为的规模，为使下面设计的算法加快计算速度，根据机组负荷分配的特点，文献3将机组状态隐含在负荷中，其具体操作是：设为功率判断参数，将机组功率下限置零，这样在0,之间遍历。如果，则中间变量 ,否则，将中间变量代入目标函数中进行计算，其效果等同于式(2)中的。通过该处理方法，将机组状态判断隐含在负荷 的取值区间，优化问题减少为 规模。目标函数转化为 （7）1.2 隶属函数
11、考虑的不确定性因素是每台机组的负荷，即把每台机组的负荷看作模糊数。 模糊建模的关键在于确定模糊变量的隶属函数，隶属函数的确定目前还没有一套成熟的方法，基本上是根据试验或者经验来确定。梯形隶属函数与人们研究不确定性问题的思考方式相近，所以很多文献都采用该类型的函数来考虑机组负荷的随机性。故模糊变量也采用梯形函数来表示4。(8) 式中, 为电厂机组负荷的隶属函数。相应的函数图形如图1所示。10P 图 1 机组有功隶属函数 Fig.1 Membership of generating power令，经过推导， (9) （10）这样，原问题就等价成了一个以电厂机组负荷分配的隶属度为变量的非线性规划模型
12、。2 改进的计算策略设计2.1 改进策略的设计思想先采用Matlab 的遗传算法工具箱（GAOT）对问题进行优化求解，当GA群体进化到预定代数或当前最佳个体的适应值改善低于预定的阈值时，选择当前最佳个体作为初始个体，采用爬山算法继续完成局部搜索过程，以提高后期的计算效率。 2.2 Matlab 的遗传算法工具箱（GAOT）及其参数设置简介5、6Matlab 的遗传算法工具箱（GAOT）核心函数主程序ga. m 和初始种群的生成函数initializega.m提供了遗传算法工具箱与外部的接口。在Matlab 环境下，运行这两函数并设定相应的参数, 就可以完成优化。根据优化问题的特点，在设置GAO
13、T参数时选用浮点数编码。限制各决策变量机组负荷的隶属度 在其取值范围内取值，在进化过程中，按所设计的交叉和变异算子产生的子代均被限制在其取值范围内,故发电机组功率上下限约束自动满足。对其他约束条件，采用动态惩罚函数法进行处理。处理后得到如下新的目标函数： （13）式中动态惩罚函数 这里为进化代数，C通常取0.5,。因GAOT优化时只能计算函数的最大值，故在计算时需将式（13）取负。即 2.3 爬山算法的设计7爬山算法的程序流程如图2所示。该程序以遗传计算的结果作为初值，由两个循环完成主体计算；其终止条件为：a 适应值最大值大于某一个值且连续若干代所获得的最优解没有变化，则认为已成熟收敛。b 迭
14、代次数超过某一规定的限值。遗传计算终止，得到当前最佳个体 计算个体适应度值：；置初值体:生成随机序列: 体:顺序取体:对位基因进行变异，即计算新个体的适应度：体:If then =, =体:k = k + 1体:k n体:是判断:满足终止条件吗？体:否终 止体: 图2 爬山算法流程图 Fig.2 flow chart of hill-climbing algorithm3 电站机组负荷分配优化计算实例及分析 某火电厂有一台150MW和两台300MW发电机组，其机组发电煤耗特性系数和负荷上下限约束如表1 所示。 表1 机组发电煤耗特性系数和负荷上下限约束 Tab.1 Cofficients of
15、 coal consumption and power limits机组 ，1 0.0007 0.30 4 80， 150 2 0.0004 0.32 4.5 100， 300 3 0.00045 0 .30 3.5 100， 300 根据本文2.2节的结论和表1的数据，用Matlab语言编制本例的适应度函数文件，并以fs.m为文件名存放在Matlabk中的work工作组中。根据优化问题的特点，编码方式选用浮点式，种群规模设为pop _ size = 30,交叉率Pc=0.4, 变异率Pm=0.08。下面为基于GAOT对该实例进行求解的调用程序：bounds=ones(3,1)*0 1;ini
16、tPop=initializega(30,bounds,fs);X endPop bPop trace = ga(bounds,fs, , initPop , 1e-6 1 1 , maxGenTerm, 50,normGeomSelect,0.1,arithXov, 2 , nonUnifMutation, 2 80 3 );plot(trace(: , 1),trace(: , 3), r - ) ;hold onplot(trace(: , 1),trace (: , 2) , b*) ;xlabel(Generation);ylabel( Fittness) ;运行以上程序后，得到的适
17、应度值进化曲线如图3所示。 图3 适应度变化曲线 Fig.3 Evaluating curve of value图2中由*组成的曲线表示平均适应值的变化；另一条曲线表示每代最优适应值的变化。由图可知，随迭代数的增加，种群的平均值呈现了稳定上升的趋势；相应地每代解也向最优解方向靠拢。最后种群平均值和代最优解都趋于平稳。在通过以上计算得出初步优化结果后，应用本文2.4节的爬山算法程序得出最后的优化解，对上面两结果分别比较如表2和表3所示。 表2 机组组合方案结果比较(1)Tab.2 Comparison of units commitment according to different meth
18、ods（1）方法 GAOT 0 0.10296 0.14704 307.5147 混合法 0 0.10296 0.14705 307.5136 表3 机组组合方案结果比较（2）Tab.2 Comparison of units commitment according to different methods（2）方法 GAOT 150 279.4080 270.5920 307.5147 混合法 150 279.4080 270.590 307.5136由以上两表可以看出，本文提出的计算策略对单纯的遗传算法在局部搜索能力方面的不足有很好的补偿作用。在对以上两种方法各进行100次运算后统计发现
19、，单纯的遗传算法有62次可以收敛到质量较高的优化值，而用本文的混合法后，有87次可以收敛到最优解。另外，由于在相同迭代代数下，爬山算法比遗传算法用时要少得多，所以在适当情况下可以减少遗传算法的代数，这样就为一些需要进行在线大规模运算场合的应用提供了可能。下面仍以上例各发电机组为例，假设1、2、3号机组所用燃料的价格分别为100、110、90元/t，在考虑价格因素下用本文的计算策略重新分配各机组负荷。对于这一计算，只需对上例中的适应度函数文件做一简单修改，然后按照上例计算步骤进行完全相同的操作，其计算结果如表4所示。表4 考虑燃煤价格后的机组组合方案结果Tab.4 units commitmen
20、t considering different price of coal M/(元) 150 215.09 334.91 30472 由上表可看出，在考虑各机组燃煤价格因素后，2号机组比上例少发了64.318MW，3号机组比上例多发了64.32MW，这是因为3号机组所用燃煤价格比2号便宜所致。由些可看出，用本文的计算策略，不仅可以得到质量很高的最优解，计算效率高，而且编程很简单，使用者几乎可以用现成的程序就可以完成运算。3 结论 本文采用模糊理论建立了电站机组负荷分配的模糊模型，提出了一种基于Matlab 的遗传算法工具箱（GAOT）和爬山算法相结合的计算策略，用实例验证了它的有效性和优越性
21、。通过实例可以明显地发现，这一策略不仅具有编程语言简单，容易得到全局最优解的显著特点，而且因为其计算效率高，为大规模的复杂系统的在线求解提供了一种可行的办法。参考文献：1 Haupt R L , Haupt S E. Practical Genetic AlgorithmsM . New York : John Wiley & Sons ,1998.2 Maifeld T T. Sheble Genetic - Based Unit Commitment Algorithm J . IEEE Trans on Power Systems，1996 ，11 (3) ：135921370.3 廖艳
22、芬,马晓茜. 改进的混沌优化方法在电站机组负荷分配中的应用J . 动力工程,2006 ,26 (1) :93296.4 陈海焱,陈金富,段献忠. 含风电场电力系统经济调度的模糊建模及优化算法 J . 电力系统自动化, 2006 , 30(2) :22226.5 雷英杰, 张善文等. Matlab 遗传算法工具箱及应用M. 西安: 西安电子科技大学出版社,20056 陈秋莲等. 基于Matlab 遗传算法工具箱的优化计算实现J . 现代电子技术, 2007,第2 期7 刑维建,张国力. 基于改进遗传算法的有功经济负荷分配J . 华北电力大学报,2005,32(1)8 赵晶,董红斌. 基于遗传算法
23、的目标优化研究J. 应用科技,2007,34(8)9 康积涛,苏琳,杨武. 改进自适应遗传算法用于电力系统无功优化J. 电气应用,2006,5(10)10 Yokota T , Gen M. Optimal Design of System Reliabilityby an Approved Genetic Algorithm J . Transactions ofInstitute of Elect ronics Information and CommunicationEngineers , 1995 ,78 (6) : 7022709.11 苏玲. 基于混沌搜索的遗传算法在电力系统无功优
24、化中的研究D. 河北：华北电力大学，200412 陈怡等. 电力系统分析M. 北京：中国电力出版社,2005作者简介：梁思聪（1980），男，汉，新疆人，新疆大学在读硕士，研究方向为高压线路继电保护。王维庆（1959，男，教授，博士生导师，研究方向为集散控制系统与风能、太阳能控制技术，2004-2005 年在德国作高级访问学者。张新燕(1964)，女，新疆人，教授，硕士生导师，西安交通大学在读博士，研究方向为风力机控制，电气系统优化设计，2006-2007年在德国作访问学者。作者姓名：梁思聪 工作单位：新疆大学通讯地址:新疆乌鲁木齐市友好北21号新疆大学电气工程学院电力系统及其自动化研究生 邮
25、政编码：830008 手机号：13999921078电子邮箱：lscmxm我的大学爱情观1、什么是大学爱情：大学是一个相对宽松，时间自由，自己支配的环境，也正因为这样，培植爱情之花最肥沃的土地。大学生恋爱一直是大学校园的热门话题，恋爱和学业也就自然成为了大学生在校期间面对的两个主要问题。恋爱关系处理得好、正确，健康，可以成为学习和事业的催化剂，使人学习努力、成绩上升；恋爱关系处理的不当，不健康，可能分散精力、浪费时间、情绪波动、成绩下降。因此，大学生的恋爱观必须树立在健康之上，并且树立正确的恋爱观是十分有必要的。因此我从下面几方面谈谈自己的对大学爱情观。2、什么是健康的爱情：1) 尊重对方，不
26、显示对爱情的占有欲，不把爱情放第一位，不痴情过分；2) 理解对方，互相关心，互相支持，互相鼓励，并以对方的幸福为自己的满足; 3) 是彼此独立的前提下结合；3、什么是不健康的爱情：1)盲目的约会，忽视了学业;2)过于痴情，一味地要求对方表露爱的情怀，这种爱情常有病态的夸张;3)缺乏体贴怜爱之心，只表现自己强烈的占有欲;4)偏重于外表的追求;4、大学生处理两人的在爱情观需要三思：1. 不影响学习：大学恋爱可以说是一种必要的经历，学习是大学的基本和主要任务，这两者之间有错综复杂的关系，有的学生因为爱情，过分的忽视了学习，把感情放在第一位；学习的时候就认真的去学，不要去想爱情中的事，谈恋爱的时候用心
27、去谈，也可以交流下学习，互相鼓励，共同进步。2. 有足够的精力：大学生活，说忙也会很忙，但说轻松也是相对会轻松的！大学生恋爱必须合理安排自身的精力，忙于学习的同时不能因为感情的事情分心，不能在学习期间，放弃学习而去谈感情，把握合理的精力，分配好学习和感情。3、 有合理的时间；大学时间可以分为学习和生活时间，合理把握好学习时间和生活时间的“度”很重要；学习的时候，不能分配学习时间去安排两人的在一起的事情，应该以学习为第一；生活时间，两人可以相互谈谈恋爱，用心去谈，也可以交流下学习，互相鼓励，共同进步。5、大学生对爱情需要认识与理解，主要涉及到以下几个方面：（一） 明确学生的主要任务“放弃时间的人
28、，时间也会放弃他。”大学时代是吸纳知识、增长才干的时期。作为当代大学生，要认识到现在的任务是学习学习做人、学习知识、学习为人民服务的本领。在校大学生要集中精力，投入到学习和社会实践中，而不是因把过多的精力、时间用于谈情说爱浪费宝贵的青春年华。因此，明确自己的目标，规划自己的学习道路，合理分配好学习和恋爱的地位。（二） 树林正确的恋爱观提倡志同道合、有默契、相互喜欢的爱情：在恋人的选择上最重要的条件应该是志同道合，思想品德、事业理想和生活情趣等大体一致。摆正爱情与学习、事业的关系：大学生应该把学习、事业放在首位，摆正爱情与学习、事业的关系，不能把宝贵的大学时间，锻炼自身的时间都用于谈情说有爱而放
29、松了学习。 相互理解、相互信任，是一份责任和奉献。爱情是奉献而不时索取，是拥有而不是占有。身边的人与事时刻为我们敲响警钟，不再让悲剧重演。生命只有一次，不会重来，大学生一定要树立正确的爱情观。（三） 发展健康的恋爱行为 在当今大学校园，情侣成双入对已司空见惯。抑制大学生恋爱是不实际的，大学生一定要发展健康的恋爱行为。与恋人多谈谈学习与工作，把恋爱行为限制在社会规范内，不致越轨，要使爱情沿着健康的道路发展。正如马克思所说：“在我看来，真正的爱情是表现在恋人对他的偶像采取含蓄、谦恭甚至羞涩的态度，而绝不是表现在随意流露热情和过早的亲昵。”（四） 爱情不是一件跟风的事儿。很多大学生的爱情实际上是跟风
30、的结果，是看到别人有了爱情，看到别人幸福的样子（注意，只是看上去很美），产生了羊群心理，也就花了大把的时间和精力去寻找爱情（五） 距离才是保持爱情之花常开不败的法宝。爱情到底需要花多少时间，这是一个很大的问题。有的大学生爱情失败，不是因为男女双方在一起的时间太少，而是因为他们在一起的时间太多。相反，很多大学生恋爱成功，不是因为男女双方在一起的时间太少，而是因为他们准确地把握了在一起的时间的多少程度。（六） 爱情不是自我封闭的二人世界。很多人过分的活在两人世界，对身边的同学，身边好友渐渐的失去联系，失去了对话，生活中只有彼此两人；班级活动也不参加，社外活动也不参加，每天除了对方还是对方，这样不利于大学生健康发展，不仅影响学习，影响了自身交际和合作能力。总结：男女之间面对恋爱，首先要摆正好自己的心态，树立自尊、自爱、自强、自重应有的品格，千万不要盲目地追求爱，也不宜过急追求爱，要分清自己的条件是否成熟。要树立正确的恋爱观，明确大学的目的，以学习为第一；规划好大学计划，在不影响学习的条件下，要对恋爱认真，专一，相互鼓励，相互学习，共同进步；认真对待恋爱观，做健康的恋爱；总之，我们大学生要树立正确的恋爱观念，让大学的爱情成为青春记忆里最美的风景，而不是终身的遗憾！
