基于改進蝙蝠算法的電力系統節能發電調度策略研究

程 琳，陳 財，劉 影，于 傳，胡 煒

( 1.安徽電氣工程職業技術學院，安徽合肥 230051；2.國網安徽省電力有限公司培訓中心，安徽合肥 230022； 3.電子科技大學，四川成都 611731)

0 引言

能源是社會經濟發展的動力源泉，隨著全球自然資源消耗不斷加劇，能源供給短缺問題日益嚴重，如何保障生態環境、促進能源合理利用成為社會各界廣泛關注的焦點[1].隨著水電發電規模不斷擴大，電力工業面臨著水電、火電并網、協同優化的問題.文獻[2]采用數學分析方法對水電與火電聯合運行經濟性問題進行了分析.文獻[3]研究了水火電最優協調方程，在電力行業得到廣泛應用.針對如何有效提高電力系統運行經濟性、安全性和環保性等問題，文獻[4-7]采用了不同的目前熱門的人工智能算法探討了電力系統調度優化問題.文獻[8]描述發電機出力與成本之間的關系，采用分段函數和非線性函數來計算成本，并通過閥點效應來構建電能生產成本模型，但由于采用了非連續性的跳躍性函數作為分析工具，這會大大提高模型求解難度.文獻[9]將電網的優化目標從對投入運行的成本最小化向用戶的購電成本最小化轉變.從而在市場化環境下，將電力企業最優化目標體現為市場經濟性需求.文獻[10]將火電企業將實時費用最小、水火置換效率最高等作為優化調度目標，但文獻中沒有綜合考慮所有影響水電發電企業經營效益的因素，如忽視了經濟性、環保性等問題.

通過分析近年來相關研究文獻可以看出，優化準則并非是固定不變的，而是要在水火發電機內在規律和機制基礎上，根據電力行業政策、環境保護、市場體制等因素的變化，以制定更加科學合理的電力系統運行目標.因此，本文首先研究了負荷與電網中發電廠之間的特性關系，通過重點研究水電站運行特性、火電站運行特性以及水火電電力系統間的協調運行特性，從而構建了考慮負荷變換的水、火電站的電力系統優化問題數學模型，并采用改進的蝙蝠優化算法對模型進行優化處理.

1 考慮負荷變換的水、火電站的系統特性分析

在大電網運行的某個時間周期內，大電網中的水、火電站會按照負荷分布特性各自承擔部分變換的負荷量.設：水電站承擔的負荷量為PDh，火電站承擔的負荷量為PDTh.大電網系統中總負荷量可以由水、火電站的負荷承擔，因此特性方程可以采用式(1)予以描述：

(1)

式(1)中PD為電網總的負荷，at,bt,ct為隨時間變化的系數，通常取值范圍為0～1，PTh表示火電站出力，由于希望火電站承擔負荷量最優.因此，式(1)中火電站機組對不可再生的燃煤料所消耗量最小的目標函數可以表示為：

(2)

其中λ為調節變量，式(2)的最優條件為：

(3)

通過式(3)求解可以得到火電機組在燃煤料消耗量最小時所對應的機組最大出力：

(4)

通過最優條件式(2)求解后，由式(4)可知，在調度周期內，火電機組在各個時段承擔的負荷是均勻的，并且處于基本相等的狀態.在這種求解條件下，火電機組對燃煤料的消耗量才能夠達到最小值.因此在工程實際應用中，我們可以在大電網的節能調度中將水電廠承擔多余的變化負荷而火電廠承擔電網中基本負荷量.

2 水、火電站的節能發電調度目標優化

為了進一步實現水、火電站間的節能發電調度的目標優化，我們在式(1)的數學模型的基礎上，分別引入了大電網的網絡損耗最小以及水電站用水量最佳等目標函數，并將它們與火電站的煤耗量最小化一同作為新的目標函數，共同構成大電網系統考慮水、火電站間協調配合的節能發電調度目標函數.

2.1 電網網絡損耗最小化目標函數

大電網中的網絡損耗越小，預示著電力系統在運行時實現的經濟性越高.目前，對于電網建立網絡損耗數學模型普遍是基于潮流方程，對每個節點的節點電壓分別進行建模，所建模型為式(5)所示.

(5)

式(5)中，K表示大電網中的節點數目；Vi、Vj、θi、θj以及Rij、Xij分別表示電網中節點i、節點j的電壓、相角以及節點i與節點j之間的電阻值、電抗值.通常，式(5)也可以采用式(6)的簡化模型進行表示.

(6)

式(6)中，Pgi、Pgj分別表示電網中節點i與節點j的注入有功功率.BiQ、Bij、BQQ為電網的網絡損耗計算系數.那么，可以得到電網網絡損耗最小化目標函數為：

(7)

2.2 水電站用水優化目標函數

我們根據水電站的運行特性以及水電站的棄水策略，提出通過調節水電站蓄水量，使其最大化，從而實現水電站動態棄水的目標函數，如式(8)所示.

(8)

式(8)中，NL、Vendi分別表示具有調節功能的水電站個數，以及第i個水電站的蓄水量，而每個水電站的蓄水量是根據負荷量變換情況進行動態調節.

綜上我們可以得到考慮負荷變換時，含水、火電站的電力系統節能發電調度多目標優化的目標函數：

(9)

式(9)的約束條件為：

(1)電力系統的負荷平衡約束條件：

(10)

(2)火電站的運行約束條件

(11)

(3)水電站的運行約束條件：

(12)

式(9)～式(12)就構成考慮負荷變換時，含水、火電站的電力系統節能發電調度的多目標優化數學模型.

3 蝙蝠算法及其改進

3.1 蝙蝠算法基本原理

fi=fmin+(fmax-fmin)β

(13)

(14)

(15)

圖1 蝙蝠算法的基本原理流程框圖Fig.1 Principle flow chart of bat algorithm

3.2 蝙蝠算法的改進

通過分析蝙蝠算法使用的主要策略，發現在算法中，式(16)提供局部搜索從而獲得最優解.但是，不難看出，式(16)的局部搜索能力不是很強，因此為了提高算法的收斂速度，我們需要平衡蝙蝠的局部搜索能力和全局搜索能力.

飛行距離在蝙蝠算法中就是步長.在算法中，飛行距離每完成一次調整，就會產生一個最優值，記為xold.那么，在下一次迭代中，xold被作為當前的優化解，參與調整，通過調整后又會獲得一個新的最優解xnew，蝙蝠算法的迭代過程滿足式(16).

xnew(i)=xold+εAt

(16)

式(16)中，ε為滿足[-1,1]均勻分布區間中的一個隨機數；At表示響度平均值.因此，參數間的調整滿足如下定義式：

At+1(i)=αAt(i)

(17)

式(17)中，α∈(0,1)，是一個隨機數.我們對解向量及其目標函數值重新以矩陣形式進行表示：

(18)

(19)

chi+1=chi×(1-chi)(0≤i≤K)

(20)

K是混沌序列的長度，chi∈(0,1)是一個隨機數.然后將chi映射到間隔時間[xl,xu]內的混沌矢量CHi中.

CHi=xl+chi×(xu-xl)

(21)

(22)

λ是收縮因子，它的定義如下：

(23)

由式(23)可以看出，λ會隨著進化代數的增加而減小，即隨著進化的進程，局部搜索范圍會變小.改進蝙蝠算法在前面構建的含水、火發電站的發電調度多目標優化模型中應遵循如下的步驟：

(1)系統參數初始化，主要包括水、火電電力系統各節點電壓等基本參數以及改進蝙蝠算法初始參數.

(2)根據式(18)～式(23)，更新速度與位置.

(3)定義一個滿足[0,1]均勻分布的隨機數rand，判斷rand是否滿足約束條件.如果滿足，轉到(4)；反之，根據式(16)進行局部搜索，直到滿足約束條件，進入步驟(4).

(4)獲取位置新解.

(5)判斷位置新解是否優于原來的最優解，并判斷rand是否滿足rand

(6)更新位置參數.

(7)判斷位置新解是否優于當前解.如果滿足，轉到(8)；反之，轉到(9).

(8)以位置新解代替當前最優解，再次更新位置、速度.

(9)判斷是否達到最大迭代次數.如果滿足，轉到(10)；反之，回到(2).

(10)輸出蝙蝠算法最優解，算法結束.

4 實驗仿真

仿真選用了8座水電站、10座火電站以及500kV電網進行案例分析，這8座水電站一次記為：AB、BC、CD、DE、EF、FG、GH、HI.這10座火電站依次記為：JK、KL、LM、MN、NO、OP、PQ、QR、RS、ST.根據電網的實際運行數據，得到大電網系統的一天內日負荷數據，見表1.8座水電站的水能指標參數及水庫特征參數分別如表2所示.10座火電站采用數值擬合后得到的參數見表3.

表1 電網日負荷數據Tab.1 Daily load data of power grid

表2 8座水電站水能指標參數Tab.2 Index Parameters for eight Hydropower Stations

表3 10座火電站參數Tab.3 Parameters of ten thermal power station

改進蝙蝠算法參數初始值定義如下：fmax=1；fmin=-1；At=0.25；α=0.95；n=50；maxcycle=1000.

選取水電廠動態棄水策略下蓄水量最大化、火電廠綜合耗煤消耗量最小化作為相應的目標函數，應用改進蝙蝠算法進行多目標優化，其結果如圖2所示.

圖2 多目標優化結果Fig.2 Multi-objective optimization results

由圖2可知，基于改進蝙蝠算法的水火電節能發電調度多目標優化共計獲得33個非支配的解，在圖2中表示為相應的點.圖2中縱坐標日能源消耗量表示應最大程度使用的水電廠發電，橫坐標污染物排放量表示在源消耗量中火電廠綜合耗煤消耗量應最小.最優解對應的蓄水量是1 345 850.72 t，綜合燃料消耗量為295.11 t/d.本文選用蝙蝠算法與改進蝙蝠算法做比較，其結果如表4所示.

由表4可以看出基于改進蝙蝠算法的含水、火電站的電力系統節能發電調度要比采用傳動蝙蝠算法更能節約蓄水量和燃料的消耗量.

5 小結

本文在考慮負荷特性基礎上，結合火電站的煤耗量最小化目標，大電網的網絡損耗最小以及有對水電站蓄水量的調節最大化等多目標的優化目標函數，從而整體構建了含水、火電站的電力系統節能發電調度多目標優化數學模型.在模型求解中，本文采用同時實現局部最優與全局最優的蝙蝠算法，并在分析蝙蝠算法基本原理和工作過程的基礎上，引入參數動態更新與混沌因子，形成了改進蝙蝠算法.仿真結果表明，采用改進蝙蝠算法能夠對所建的多目標模型進行優化處理，得到節能發電調度結果比采用傳統蝙蝠算法更能夠滿足設置的約束條件.