【正文】 四部分組成的大系統(tǒng)。 從電力工業(yè)自身技術(shù)經(jīng)濟(jì)特點(diǎn)和改革發(fā)展的趨勢(shì)來看，電力系統(tǒng)是一個(gè)電力生產(chǎn)系統(tǒng)和電力商業(yè)系統(tǒng)綜合集成的技、工、貿(mào)一體化的工商系統(tǒng)。從電力經(jīng)濟(jì)角度來看，電力工業(yè)是發(fā)電商競價(jià)上網(wǎng)，輸電網(wǎng)壟斷專營，供電側(cè)供電商可靠供電，提供優(yōu)質(zhì)服務(wù)，科學(xué)用電的市場與監(jiān)督相互配合。從系統(tǒng)科學(xué)角度來看，電力工業(yè)是一個(gè)典型的由人、財(cái)、物組成的多級(jí)復(fù)雜系統(tǒng)，包括發(fā)電、輸電、配電的一個(gè)高度信息化的信息系統(tǒng)，是由電力規(guī)劃、負(fù)荷預(yù)測(cè)、負(fù)荷調(diào)度、運(yùn)行控制、工況監(jiān)督、故障診斷、輸電服務(wù)、交易買賣、合同管理、計(jì)量收費(fèi)、電力監(jiān)管等環(huán)節(jié)組成 ]1[ ，由發(fā)電商、輸電公司、配電商、供電商、終端用戶等 市場主體參與的復(fù)雜系統(tǒng)。 我國電力工業(yè)現(xiàn)狀 電力工業(yè)是國民經(jīng)濟(jì)中具有先行性的重要基礎(chǔ)產(chǎn)業(yè)，與國民經(jīng)濟(jì)的關(guān)系極為密切，經(jīng)濟(jì)增長快，對(duì)電的需求就大，反之就小。近年來國家實(shí)施積極的財(cái)政政策，加大投資力度，國內(nèi)經(jīng)濟(jì)發(fā)展趨勢(shì)良好。核電發(fā)電量穩(wěn)步增長，全年發(fā)電量 501億千瓦時(shí)，同比增長 14． 1％。 到 2020年，我國一次能源消費(fèi)總量將達(dá)到 34億噸煤，發(fā)電裝機(jī)容量需達(dá)到 9． 5億千瓦。風(fēng)電占 2． 1％。 2020年進(jìn)入四季度后，隨著大批新增機(jī)組的投產(chǎn)，電力供需形勢(shì)將有明顯好轉(zhuǎn)，電力缺口有較大幅度下降，但部分地區(qū)仍然緊張。 2020年全國電力供需狀況比 2020年更加緩解，但仍然存在局部地區(qū)、局部時(shí)段供需緊張。 電力行業(yè)的高速發(fā)展以及與國民經(jīng)濟(jì)的密切聯(lián)系，不可避免地帶來電力工業(yè)市場化的發(fā)展。 優(yōu)化調(diào)度方法在電力系統(tǒng)中的應(yīng)用 電力系統(tǒng)一旦實(shí)施市場化運(yùn)行后，電力系統(tǒng)運(yùn)行的各個(gè)環(huán)節(jié)中都出現(xiàn)了很多需要解決的問題。 在傳統(tǒng)的電力系統(tǒng)優(yōu)化調(diào)度過程中，進(jìn)行優(yōu)化調(diào)度的目標(biāo)多為系統(tǒng)發(fā)電費(fèi)用最小。 優(yōu)化調(diào)度中的主要問題 首先，經(jīng)濟(jì)負(fù)荷分配 ]3[ 是電力系統(tǒng)中一個(gè)典型的優(yōu)化調(diào)度問題。預(yù) 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 3 計(jì)到 2020年，我國一次能源消費(fèi)總量將達(dá)到 34億噸煤。其中火電占 69． 5％。這不僅對(duì)我國的煤炭生產(chǎn)將形成巨大壓力，環(huán)境壓力也將會(huì)非常大。通過在可利用的機(jī)組之間合理地分配出 力，使全電力系統(tǒng)達(dá)到最大的經(jīng)濟(jì)性 (發(fā)電成本為最小 )，可以節(jié)約能源帶來巨大的經(jīng)紀(jì)效益。以電網(wǎng)收益最大為目標(biāo)的電力市場中機(jī)組各時(shí)段各階段報(bào)價(jià)和發(fā)電計(jì)劃問題，就成了電力企業(yè)的關(guān)注所在。染。中國應(yīng)該把能源有效性和環(huán)境目標(biāo)納入其競爭性電力市場的管理框架 ]4[ ，納入電力系統(tǒng)的優(yōu)化調(diào)度中共同管理，同時(shí)迅速采取措施使電價(jià)更能反映實(shí)際成本 ，以便讓投資者選擇更有效的設(shè)備和燃料，同時(shí)讓消費(fèi)者做到節(jié)約用電。 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 4 GA用目標(biāo)函數(shù)本身建立尋優(yōu)方向，無需求導(dǎo)求逆等復(fù)導(dǎo)數(shù)數(shù)學(xué)運(yùn)算，且可以方便的引入各種約束條件，更有利于得到最優(yōu)解，適合于處理混合非線性規(guī)劃和多目標(biāo)優(yōu)化。國內(nèi)已經(jīng)有學(xué)者在不同領(lǐng)域研究了遺傳算法在多目標(biāo)問題中的應(yīng)用。對(duì)于電力系統(tǒng)的多目標(biāo)優(yōu)化調(diào)度的遺傳算法求解也有學(xué)者作了嘗試。傳統(tǒng)的數(shù)學(xué)優(yōu)化方法如線性規(guī)劃、非線性規(guī)劃、整數(shù)規(guī)劃、二次規(guī)劃、動(dòng)態(tài)規(guī)劃等方法不能實(shí)現(xiàn)全局最優(yōu)，只能找到局部最優(yōu)解。盡管遺傳算法本身在理論和應(yīng)用方法上仍有許多待進(jìn)一步研究的問題，但是它在函數(shù)優(yōu)化，組合優(yōu)化，生產(chǎn)調(diào)度，自動(dòng)控制等方面展現(xiàn)了其特色和魅力，成為求解全局優(yōu)化問題的有力工具之一。它的思想源于生物遺傳學(xué)和適者生存的自然規(guī)律，是具有“生成 +檢測(cè)一的迭代過程的搜索算法。其中，選擇、交叉和變異構(gòu)成了遺傳算法的 遺傳操作；參數(shù)編碼、初始群體的設(shè)定、適應(yīng)度函數(shù)的設(shè)計(jì)、遺傳操作設(shè)計(jì)、控制參數(shù)設(shè)定五個(gè)要素組成了遺傳算法的核心內(nèi)容。它的主要步驟如下： 1．編碼： GA在進(jìn)行搜索之前先將解空間的解數(shù)據(jù)表示成遺傳空間的基因型串結(jié)構(gòu)數(shù)據(jù)，這些串結(jié)構(gòu)數(shù)據(jù)的不同組合便構(gòu)成了不同的點(diǎn) 。 3．適應(yīng)性值評(píng)估檢測(cè)：適應(yīng)性函數(shù) 表明個(gè)體或解的優(yōu)劣性。 4．選擇：選擇的目的是為了從當(dāng)前群體中選出優(yōu)良的個(gè)體，使它們有機(jī)會(huì)作為父代為下一代繁殖子孫．遺傳算法通過選擇過程體現(xiàn)這一思想，進(jìn)行選擇的原則是適應(yīng)性強(qiáng)的個(gè)體為下一代貢獻(xiàn)一個(gè)或多個(gè)后代的概率大。 5．交叉：交叉操作是遺傳算法中最主要的遺傳操作．通過交叉操作可以得到新一代個(gè) 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 5 體，新個(gè)體組合了其父輩個(gè)體的特性。 6．變異：變異首先在群體中隨機(jī)選擇一個(gè)個(gè)體，對(duì)于選中的個(gè)體以一定的概率隨機(jī)地改變串結(jié) 構(gòu)數(shù)據(jù)中某個(gè)串的值。變異為新個(gè)體的產(chǎn)生提供了機(jī)會(huì)。否則，用經(jīng)過選擇、交叉、變異所得到的新一代群體取代上一代群體，并返回到第 4步即選擇操作處繼續(xù)循 環(huán)執(zhí)行。 所以說，遺傳算法在搜索過程中一直在搜索群體中個(gè)體的某個(gè)重要的結(jié)構(gòu)相似性。 基于三值字符集 {0， 1， *}所產(chǎn)生的能描述具有某些結(jié)構(gòu)相似性的 0， 19符串集的字符串稱為模式。 遺傳算法中，串的運(yùn)算實(shí)質(zhì)上是模式的運(yùn)算。 群體 P(t) 選擇運(yùn)算 交叉運(yùn)算 解碼 變異運(yùn)算 群體 P（ t+1） 解集合 個(gè)體評(píng)價(jià) 解空間 遺傳空間 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 7 顯然，一個(gè)模式的階數(shù)越高，其樣本數(shù)就 越少，因而確定性越高，但在遺傳算法的變異操作中，階數(shù)高的模式更容易遭到破壞，也就是說，階數(shù)短的模式生命力強(qiáng)。 模式的定義距越短，則該模式在交叉運(yùn)算中被破壞的概率越小，也就是說，定義距短的模式生命力強(qiáng)。 模式定理 (schemata theorem)：在遺傳算法選擇，交叉和變異的作用下，具有低階，短定義以及平均適應(yīng)度高于群體平均適應(yīng)度的模式在子代中將得 以指數(shù)級(jí)增長。因此模式定理作為遺傳算法的理論基礎(chǔ)，它決定了遺傳算法能較好地找到全局最優(yōu)解。正如搭積木一樣，這些“好一的模式在遺傳操作下相互拼搭，結(jié)合，產(chǎn)生適應(yīng)度更高的串，從而找到更優(yōu)的解，這就是積木塊假設(shè)的內(nèi)容。 模式定理保證了較優(yōu)的模式的樣本數(shù)呈指數(shù)級(jí)增長，從而滿足了尋找最優(yōu)解的必要條件，即遺傳算法存在尋找到最優(yōu)解的可能性。 遺傳算法的隱并行性 ]7[ 遺傳算法中一個(gè)串實(shí)際隱含著多個(gè)模式，遺傳算法實(shí)質(zhì)上是模式的運(yùn)算。那么，若群體規(guī)模為 n，則其中隱含的模式個(gè)數(shù)介于 t2和， tn2 之間。遺傳算法中能以指數(shù)級(jí)增長的模式 個(gè)數(shù)的下限為 )( 3nO 。遺傳算法有效處理的模式總數(shù)正比于群體數(shù) n的立方。 遺傳算法性能評(píng)估 遺傳算法的實(shí)現(xiàn)涉及到前述的五個(gè)要素，而每個(gè)要素又對(duì)應(yīng)不同的環(huán)境存在各種相應(yīng)的設(shè)計(jì)策略和方法。因此，評(píng)估遺傳算法的性能對(duì)于研究和應(yīng)用遺傳算法是十分重要的。在沒有具體要求的情況下，一般采用各代中最優(yōu)個(gè)體的適應(yīng)度值和群體的平均適應(yīng)度值。前者測(cè)量收斂性，后者測(cè)量動(dòng)態(tài)性能。一般來說，在離線應(yīng)用中，優(yōu)化問題的求解可以得到模擬，在一定的優(yōu)化進(jìn)程停止準(zhǔn)則下，當(dāng)前最好的解可以被保存和利用；在在線應(yīng)用中，優(yōu)化問題的求解必須通過真正的實(shí)驗(yàn)在線實(shí)現(xiàn)，其好處在于可以迅速地得到 較好的優(yōu)化結(jié)果。如果在線性能用平均適應(yīng)度來描述，則通過簡單計(jì)算第一代到當(dāng) 前代的各代平均適應(yīng)度值對(duì)世代數(shù)的平均值即可獲得在線性能。 sXe 為環(huán)境 e下策略 s的離線性能，則有： ??? Tt ee tfTsX 1 39。 )(1)( （ 2— 2） 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 9 其中 )}() . . .2(),1({)(39。具體來說，在進(jìn)化過程中每進(jìn)化一代就統(tǒng)計(jì)目前為止的各代中的最佳適應(yīng)度或最佳平均適應(yīng)度，并計(jì)算對(duì)進(jìn)化代數(shù)的平均值。它與傳統(tǒng)的算法不同，大多數(shù)古典的優(yōu)化算法是基于一個(gè)單一的度量函數(shù) (評(píng)估函數(shù) )的梯度或較高次統(tǒng)計(jì)以產(chǎn)生一個(gè)確定性的試驗(yàn)解序列； 遺傳算法不依賴于梯度信息， 而是通過模擬自然進(jìn)化過程來搜索最優(yōu)解 (optimal solution)，它利用某種編碼技術(shù)，作用于染色體的數(shù)字串，模擬由這些串組成的群體的進(jìn)化過程，遺傳算法通過有組織的，隨機(jī)的信息交換來重新組合那些適應(yīng)性好的串，生成新的串的群體。遺傳算法的處理對(duì)象不是參數(shù)本身，而是在參數(shù)集進(jìn)行了編碼的個(gè)體。這一特點(diǎn)使得遺傳算法具有廣泛的應(yīng)用領(lǐng)域。許多傳統(tǒng)的搜索方法都是單點(diǎn)搜索，這種點(diǎn)對(duì)點(diǎn)的搜索方法，對(duì)于多峰分布的搜索空間常常會(huì)陷入局部的某個(gè)單峰的極點(diǎn)．相反，遺傳算法采用的是同時(shí)處理群體中多個(gè)個(gè)體的方法，即同時(shí)對(duì)搜索空間中的多個(gè)解進(jìn)行估。 3．不需要輔助信息。更重要的是，遺傳算法的適應(yīng)度函數(shù)不僅不受連續(xù)可微的約束，而且其定義域可以任意設(shè)定。 4．內(nèi)在啟發(fā)式隨機(jī)搜索的特性。概率僅僅是作為一種工具來引導(dǎo)其搜索過程朝著搜索空間的更優(yōu)化的解區(qū)域移動(dòng)的。 5．遺 傳算法在搜索過程中不容易陷入局部最優(yōu)，即使在所定義的適應(yīng)度函數(shù)是不連續(xù)的，非規(guī)則的或有噪聲的情況下，也能以很大的概率找到全局最優(yōu)解。 7．遺傳算法固有的并行性和并行計(jì)算的能力。 遺傳算法的不足之處 遺傳算法作為一種優(yōu)化方法，它存在自身的局限性： 1．編碼不規(guī)范及編碼存在表示的不準(zhǔn)確定?？紤]約束的一個(gè)方 法就是對(duì)不可行解采用閾值，這樣，計(jì)算時(shí)間必然增加。 4．遺傳算法對(duì)算法的精度，可靠度計(jì)算復(fù)雜性等方面，還沒有有效的定量方法。 遺傳算法與傳統(tǒng)算法的比較 日前的最優(yōu)化問題，目標(biāo)函數(shù)和約束條件的種類繁多，有的是線性的，有的是非線性的，有的是連續(xù)的，有的 是離散的，有的是單峰值，有的是多峰值的。因而求出其近似最優(yōu)解或滿意解是人們主要研究的問題之一。解析法主要包括爬山法和間接法，隨機(jī)法主要包括導(dǎo)向隨機(jī)方法和盲目隨機(jī)方法。 此類問題可以利用遺傳算法求解。 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 11 算法與啟發(fā)式算法的比較 啟發(fā)式算法是指通過尋求一種能產(chǎn)生可行解的啟發(fā)式規(guī)則，找到問題的一個(gè)最優(yōu)解或近似最優(yōu)解。這個(gè)啟發(fā)式規(guī)則一般無通用性，不適用于其它問題。 爬山法是直接法，梯度法和 Hessian法的通稱。爬山法的 搜索過程是確定的，它通過產(chǎn)生一系列的點(diǎn)收斂到最優(yōu)解 (有時(shí)是局部最優(yōu)解 )，而遺傳算法的搜索過程是隨機(jī)的，它產(chǎn)生一系列隨機(jī)種群序列，二者的主要差別可以歸納如下 ： (1) 爬山法的初始點(diǎn)僅有一個(gè)，由決策者給出，遺傳算法的初始點(diǎn)有多個(gè)，是隨機(jī)產(chǎn)生的。對(duì)同一優(yōu)化問題，遺傳算法所使用的機(jī)時(shí)比爬山法所花費(fèi)的機(jī)時(shí)要多，但遺傳算法可以處理一些爬山法所不能解決的優(yōu)化問題。對(duì)于特定的問題，窮舉法有時(shí)也表現(xiàn)出很好的特性。 與上述的搜索方法相比，盲目隨機(jī)搜索方法有所改進(jìn)，但它的搜索效率仍然不高。而遺傳算法作為導(dǎo)向隨機(jī)搜索方法，是對(duì)一個(gè)被編碼的參數(shù)空間進(jìn)行高效搜索。 hCO本質(zhì)上是一種基于群體的多代理算法。如何合理地將 規(guī)劃模型轉(zhuǎn)變成適合螞蟻算法的模型，有待人們進(jìn)一步的研究。利用遺傳算法進(jìn)行電力系統(tǒng)調(diào)度優(yōu)化規(guī)劃，可得出若干個(gè)最優(yōu)、次優(yōu)方案，供規(guī)劃人員根據(jù)實(shí)際情況進(jìn)行決策選擇。遺傳算法中的“選擇一操作是以和個(gè)體的適應(yīng)度有關(guān)的概率來進(jìn)行的。在這一點(diǎn)上它同模擬退火法十分相似。 混沌優(yōu)化算法是近年來隨著混沌學(xué)科的發(fā)展而被提出來的另外一種新算法，它通過將優(yōu)化問題模型向混沌變量的映射，充分利用混沌變量在混沌運(yùn)動(dòng)中所具有的遍歷性，隨機(jī)性，規(guī)律性來尋找全局的最優(yōu)解。 改進(jìn)的遺傳算法 遺傳算法的主要問題和解決方案 標(biāo)準(zhǔn)的遺傳算法是具有“生成 +檢測(cè) 的迭代過程的搜索算法。但標(biāo)準(zhǔn)遺傳算法存在一些不足，下面是標(biāo)準(zhǔn)遺傳算法中存在的主要問題和解決方案。 為了改進(jìn)簡單遺傳算法的實(shí)際計(jì)算性能，很多學(xué)者的改進(jìn)工作也是分別從參數(shù)編碼，初始群體設(shè)定，適應(yīng)度函數(shù)標(biāo)定，遺傳操作算子，控制參數(shù)的選擇以及遺傳算法結(jié)構(gòu)等方面提出的。 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 13 (2)采用混合遺傳算法 (Hybrid Geic Algorithm)]8[ 。在進(jìn)化過程中調(diào)整算法控制參數(shù)和編碼精度。 (5)采用并行算法。在一個(gè)調(diào)度周期內(nèi)，根據(jù)負(fù)荷變化的曲線圖，分時(shí)段迸行計(jì)算。假設(shè)系統(tǒng)中有 N臺(tái)可運(yùn)行機(jī)組，各時(shí)段的總負(fù)荷為 dP ，機(jī)組的功率儲(chǔ)備為 rP ，并且假設(shè)電能損耗已經(jīng)被包括在總負(fù)荷以及 機(jī)組的功率儲(chǔ)備 中 ]10[ 。 N—— 發(fā)電機(jī)組數(shù) )( itPF —— 第 i臺(tái)機(jī)組的發(fā)電費(fèi)用，一般采用二次型，即 iitiitiiti cPbPaPF ??? 2)( 其中iii cba , 為機(jī)組 i的運(yùn)行費(fèi)用特性參數(shù) 。 t—— 機(jī)組的運(yùn)行時(shí)間參數(shù)。 華中科技大學(xué)文華學(xué)院畢業(yè)設(shè)計(jì)（論文 ） 14 tS —— 機(jī)組啟動(dòng)費(fèi)用，它與機(jī)組所建立的數(shù)學(xué)模型有關(guān)分為兩類： a) 冷卻 啟動(dòng) 機(jī)組從冷卻狀態(tài)啟動(dòng)，啟動(dòng)費(fèi)用與停機(jī)時(shí)間 t的長短有關(guān)。 ))e x p (1()( ???? ? （ 3— 2） 式中： iS1 —— 第 i臺(tái)機(jī)組鍋爐冷啟動(dòng)費(fèi)用； iS0 —— 第 i太機(jī)組啟動(dòng)費(fèi)用常數(shù)； ? —— 機(jī)爐的熱時(shí)間常數(shù)； 39。 b) “壓火”啟動(dòng) 機(jī)組從“壓火”啟動(dòng)，其啟動(dòng)費(fèi)用可表示為； ii StStS 0139。39。1iS —— 壓火 1h所需的起動(dòng)費(fèi)用。 根據(jù)物理規(guī)律 ，上式在任何條件下絕對(duì)成立。 dP —— 表示調(diào)度中心下達(dá)給發(fā)電