(湛江供电局524000)
摘要:基于节能减排的电力系统优化调度是追求购电成本和废气排放量均尽量低，这有利于减缓全球暖化而促进人类社会可持续发展。本文基于帕累托最优前沿的多目标优化理论，建立了基于节能减排的电力系统优化调度的购电成本模型和废气排放量模型；针对帕累托最优解集，提出了一种归一决策方法以确定一个对多目标很好权衡的决策向量；针对基于节能减排的电力系统优化调度问题，提出了多目标粒子群算法的改进策略，将多目标粒子群算法由单一种群扩展为两个不同性质的种群和在NSGA-Ⅱ的非支配排序基础上建立了动态更新的非劣解库，有效地维护了群体的多样性和避免了优化计算过程造成的非劣解浪费现象。通过算例仿真，采用改进的多目标粒子群算法求解基于节能减排的电力系统优化调度问题，在满足系统内的负荷需求和机组的各项约束条件下，能够更有效地降低购电成本和减小废气排放量，而归一决策方法能够很好地权衡购电成本和废气排放量之间的矛盾以确定最终的调度方案。
关键词:电力系统；优化调度；节能减排；归一决策；多目标粒子群算法
ABSTRACT
Environmental/Economicpowerdispatchischasingpowerpurchasecostandemissionsaslowaspossible,whichwillhelptoslowdownglobalwarmingandpromotethesustainabledevelopmentofhumansociety.ThispapersetuppowerpurchasecostmodelandemissionsmodelofEnvironmental/EconomicpowerdispatchbasedonParetooptimalfrontofmulti-objectiveoptimizationtheory;ForParetooptimalsolutionset,weproposeamethodfornormalizingdecisiontoidentifyagoodtrade-offformulti-objectivedecisionvector.ForEnvironmental/Economicpowerdispatchproblem,thispaperproposesamulti-objectiveparticleswarmalgorithmimprovementstrategies.Inthispaper,multi-objectiveparticleswarmalgorithmextendedfromasinglepopulationofthedifferentnatureofthetwopopulationsandbasedonnon-dominatedsortingmethodNSGA-Ⅱontheestablishmentofaupdatingnoinferiorsolutionlibrary.Thismethodiseffectiveinmaintainingpopulationpersityandavoidthewasteofnon-inferiorsolutionsdueprocessoptimization.Throughthenumericalexample,theuseofimprovedparticleswarmoptimizationalgorithmforEnvironmental/Economicpowerdispatchproblem.Withinthesystemtosatisfythecustomerloaddemandandtheconstraintsofunits,theproposedmethodcaneffectivelyreducepowerpurchasecostsandreduceemissions.Thenormalizationdecisioncanweighcontradictorypowerpurchasecostsandemissionstodeterminethefinalbetweentheschedulingschemes.
【Keywords】Powersystem;OptimalScheduling;Energyconservation;Normalizeddecision;
Multi-objectiveparticleswarmoptimization
1绪论
由于我国全社会对电能的需求量逐年增长促使电能的供需矛盾越来越突出，实施电力系统优化调度变得迫不及待。另一方面，全球暖化威胁人类社会的发展，世界各国都采取行动以遏制全球暖化，而全球暖化的主要原因是温室气体的排放。因此，基于节能减排的电力系统优化调度问题具有重大意义。
2基于节能减排的电力系统优化调度
2.1多目标优化问题
多目标优化问题可被定义为如下形式：
(1)
目标函数优化是将决策向量映射到目标空间，找出最优的目标向量。
2.2购电成本模型和废气排放量模型
在长期合约的电力市场上，电网公司的购电原则应该是购电成本最低，则购电成本的函数模型：
(2)
火电机组排放的气体主要包括CO2、SO2、NOx等，综合考虑后，则系统内的废气排放量的函数模型：
(3)
2.3任务与决策
(1)任务：使用优化算法对基于节能减排的电力系统优化调度问题进行求解以得到帕累托最优解集，对应求出购电成本和废气排放量的帕累托最优前沿，如图1所示。
(2)决策：本文提出一种归一决策的方法，具体操作如图2所示。实线为优化两个目标函数的帕累托最优前沿，向量A为两目标函数均最小对应的向量，在帕累托最优前沿上的目标向量B距离向量A最近，与目标向量B有映射关系的决策向量为归一决策向量。采用归一决策方法确定调度方案，电网调度机构可以避免大量繁琐的经验分析工作，科学合理地实现基于节能减排的电力系统优化调度。
图2归一决策方法图示
3多目标粒子群算法的改进
3.1粒子群算法
粒子群算法是根据以下公式来运行：
3.2改进策略
改进策略一：扩展两个不同性质的种群。种群1为“志向远大”种群，种群的粒子认为在离“我”远的地方才能找到最优解；种群2为“安于现状”种群，种群的粒子认为在离“我”近的地方也能找到最优解。
改进策略二：建立动态更新的非劣解库。非劣解库随着新一代非劣解的加入而不断更新。由于其内部的去重和去受支配机制，库的非劣解数量是动态变化的，直到找到问题真正的帕累托最优前沿，非劣解数量才会不断上升，又因为问题存在约束条件，所以，库的非劣解数量只能上升到一定的规模。非劣解库更新后，从非劣解库中挑选出拥挤距离大的非劣解粒子组成优质粒子库，再从优质粒子库随机选择一个优质粒子作为全局最优放到下一代寻优，引导粒子向拥挤距离大的粒子位置飞行以得到均匀分布的帕累托最优前沿。非劣解库动态更新过程如图3所示。
图3非劣解库动态更新过程
3.3改进前后的优化效果对比
图4优化效果对比
多目标粒子群算法改进前后的优化效果对比，如图4所示。图4A为多目标粒子群算法改进前的优化效果，图4B为多目标粒子群算法改进后的优化效果。在同等条件下，改进的多目标粒子群算法找到优化后的目标向量不仅丰富，而且绝大多数的目标向量均匀地分布在真正的帕累托前沿上。
从测试结果来看，改进的粒子群算法在多目标优化过程中，通过将单一种群扩展为两个不同性质的种群和建立动态更新的非劣解库可以高效地得到均匀分布的帕累托最优前沿，表明了改进的多目标粒子群算法求解多目标优化问题具有高效的寻优能力，具有良好的多目标优化性能。
4算例仿真
采用基本和改进的多目标粒子群算法对IEEE-30节点系统进行基于节能减排的电力系统优化调度求解，结果如图5和表1所示。
图5多目标粒子群算法改进前后的优化对比
表1IEEE-30节点系统最优调度安排
在满足系统的负荷需求的情况下，采用基本和改进的多目标粒子群算法求解IEEE-30节点系统基于节能减排的电力系统优化调度的购电成本和废气排放量情况如表2所示。
表2归一决策后的购电成本和废气排放量对比
由表1和表2可以看出，采用本文改进的多目标粒子群算法对IEEE-30节点系统优化调度进行求解可以得到更低购电成本和更小的废气排放量，表明了本文改进的多目标粒子群算法的优越性，更加适合求解基于节能减排的电力系统优化调度问题。
5总结
本文从购电成本模型和废气排放量模型、多目标粒子群算法和电力系统优化调度三个方面着手，研究电网调度机构在现时代背景下如何实现基于节能减排的电力系统优化调度问题。本文将归一决策方法和改进的多目标粒子群算法应用到IEEE-30节点系统优化调度求解当中，结果验证了本文提出的归一决策方法和改进的多目标粒子群算法的可行性和更有效地实现基于节能减排的电力系统优化调度。
参考文献:
【1】安建强．节能调度环境下省级电力公司购售电优化模型[D]．北京：华北电力大学，2013，3．
【2】AhmedAhmedEl-Sawym，ZeinabMohamedHendawy，MohamedA.El-Shorbagy．ReferencePointBasedTR-PSOforMulti-ObjectiveEnvironmental/EconomicDispatch[J]．ScientificResearch，2013，4(5)：803-813．
【3】AzzaA.ElDesouky．SecurityandStochasticEconomicDispatchofPowerSystemIncludingWindandSolarResourceswithEnvironmentalConsideration[J]．InternationalJournalofRenewableEnergyResearc，2013，3(4)：951-958．
【4】李刚．水火电系统短期节能发电调度研究与应用[D]．大连：大连理工大学，2007，7．
【5】孙惠娟，彭春华，易洪京．大规模风电接入电网多目标随机优化调度[J]．电力自动化设备，2012，32(5)：123-128．
【6】白永祥．省级调度中心风电场调度管理技术支持系统关键问题研究[D]．天津：天津大学，2010，11．
【7】张晓辉，董兴华．含风电场多目标低碳电力系统动态经济调度研究[J]．电网技术，2013，37(1)：24-31．
【8】王扬．风电短期预测及其并网调度方法研究[D]．杭州：浙江大学，2011，7．
【9】罗华飞．MATLABGUI设计学习手记(第2版)[M]．北京：北京航空航天大学出版社，2011，2．
【10】陈垚光．精通MATLABGUI设计[M]．北京：电子工业出版社，2008，2．