一种基于遗传算法的抽水蓄能电站调度方法

摘要

本发明公开了一种基于遗传算法的抽水蓄能电站调度方法，是在火电机组机组组合结果的基础上，对抽蓄电站进行优化调度，所建立的抽蓄电站最优调度模型是一个包含离散变量和连续变量的优化问题。离散变量为抽蓄电站在各调度区间的工作状态(发电或者抽水)；连续变量为抽蓄电站在各调度区间的发电/抽水功率。该方法在火电机组机组组合的基础上，对抽蓄电站进行优化调度，既考虑了负荷特性又考虑了抽蓄电站和常规火电机组的技术特性，通过构建调度模型，提高抽蓄电站经济效益和社会效应。

主权项

1.一种基于遗传算法的抽水蓄能电站调度方法，其特征在于，包括以下步骤：(1)将整个调度时段的小时数T按照30分钟的时间步长分为2T个调度区间；各调度区间内火电机组的出力，抽蓄电站的抽水/发电功率以及负荷需求均保持不变；(2)随机产生遗传算法的初始染色体种群，种群规模为10T，采用长度为2T的二进制编码表示染色体种群中的一条染色体；每条染色体给出了抽蓄电站在整个调度时段内的工作状态，根据抽蓄电站的工作状态可将整个调度时段分为m个抽水/发电阶段，m≤2T；(3)根据边际发电成本最小的原则，优化抽蓄电站在各抽水阶段的抽水功率时间序列优化目标是确保火电系统为应对抽水功率而增大出力导致的额外发电成本最小；(4)根据边际发电成本最大的原则，优化抽蓄电站在各发电阶段的发电功率时间序列优化目标是确保火电系统因抽蓄电站发电功率而节约的发电成本额最大；(5)根据步骤(3)和步骤(4)的优化结果计算种群中各染色体的适应度：$F_{\mathrm{it}}=\underset{j=1}{\overset{m}{\Sigma }}(G_j-C_j)$式中，G_j为抽蓄电站发电阶段火电系统因抽蓄电站的发电功率而节约的发电成本，若阶段j为抽蓄电站的抽水阶段，则G_j的值为零；C_j为抽蓄电站抽水阶段火电系统为应对抽水功率而增大出力导致的额外发电成本，若阶段j为抽蓄电站的发电阶段，则G_j的值为零；(6)以种群中各染色体的适应度为基础，采用遗传操作更新染色体种群；(7)重复执行步骤(3)至步骤(6)，直至算法满足预置的收敛条件。