基于改进遗传算法的区域旋转备用容量的优化

《基于改进遗传算法的区域旋转备用容量的优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第29J~．／2009年第3期湖南电力研究与试验基于改进遗传算法的区域旋转备用容量的优化李辉，李宁，梁文举(1．湖南省电力公司调度通信局，湖南长沙410007；2．湖南大学电气与信息工程学院，湖南长沙410082)摘要：在改进遗传算法的基础上，提出了区域购买旋转备用成本最小的数学模型和求解方法。模型按照备用交易“协调运作”、备用价格按区域统一边际价格结算并计及了联络线传输容量上下限、备用机组提供容量上下限、旋转备用爬坡率等约束条件。算例表明本算法能更加有效地达到或接近全局最优解，区域备用容量在优

2、化后降低了获取的备用容量，充分体现了区域间的备用支持，优化了各地的电力资源。关键词：旋转备用；区域；遗传算法中图分类号：TM73；TM727文献标识码：A文章编号：10084)198(2009)034)0014)4OptimizationofregionalspinningreservecapacitybasedonimprovedgeneticalgorithmLIHui，LINing，LIANGWen-ju(1．HunanElectricPowerCorporationDispatches＆

3、CommunicationBureau，Changsha410007，China；2．CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，China)Abstract：Basedonimprovedgeneticalgorithm，themathematicalmodelandselutionforminimumcostofspinninglq~sel'veinl'c．~Jonsw啪present

4、ed．Restrictionconditions，such舶sedealcoordination，l~se／-cepricesettledaccordingtoregionalU—niformm8rginprieeandconsideringtheupperandlowerlimitsoftransmissioncapacityofcontactlines，themaximumandmini—mumcapacityoflt~serveunits，andspinningrescl'veclimbi

5、ngrate，etal，weTeconsideredinthemode．Thecalculationindica-tedthatthisalgorithmcanbemoreeficientinachievingOrapproachingtheglobaloptimization，Thege~efiealgorithmmethodtakesadvantageofreselwesupportsbetweentheregions，decreasestotali~$erveprocurement，and

6、optimizesthepowerI80Urce8．Keywords：spinningre．rye；region；geneticalgorithm对区域电力市场特性所提出的一个重要研究课题。1前言区域电力市场模式分为“统一运作”和“协调运区域电力市场中，为了更好地利用各地区资作”【3J，在”协调运作”的模式下对区域电力市场源，对备用进行跨区交易很有必要u。一旦发生运行备用容量需求和获取进行了初步的讨论H】。紧急情况，则可相互支援，提高运行可靠性，而且在给定一个初始备用需求的基础上，逐步依据约束能

7、够通过正确管理跨省的辅助服务提高系统的安全条件进行修改，按照一定步长增加需求量，所得的性。因此，通过协调优化，合理确定从每个省结果减少了各地的备用容量，并且全区域的安全性级电力市场获取的备用容量，能够在保证区域电网仍然能够得到保证。但是，该方法中的备用价格只安全运行的前提下，达到经济上购买备用成本最是作为已确定备用容量需求条件下，选择机组的参小。该方法也适用于省内各地区之间备用获取量。考，没能很好体现备用购买成本的影响且只计算了如何优化区域电力市场备用容量的分配，是针单个时段。基于报价排队法、非

8、线性规划法2种以收稿Et期：2008—11-20研究与试验湖南电力第29~／2009年第3期区域购买备用成本最小为目标分别计算了单一时段新个体。和多时段下区域备用获取的方法，但方法计算繁2．3小范围竞争择优的交叉、变异操作琐，需用时间长J。从加快收敛速度、全局搜索性能2方面考虑。文中采用改进简单遗传算法研究如何确定区域将某对父母A，B进行／7,次(3—5次)交叉、变异购买备用容量成本最小，将几个时段联合优化，同操作，生成2个不同的个体，选出其中1个最高时考虑到了减少备用机组的频繁开停机，旋转备用