基于遗传算法的多类型电源调度方法与流程

本发明涉及基于遗传算法的多类型电源调度方法，属于能源协调优化。

背景技术：

1、在新能源领域，尤其是在风能和太阳能的利用上，存在着诸多挑战，比如能源的不稳定性和不可预测性。这些特点要求电源调度系统必须具备高度的灵活性和适应性，以便能够有效地应对能源产出的波动性。同时，随着电力市场的不断演化，电源调度不仅要考虑技术因素，还要顾及市场机制、政策法规以及环境影响等复杂因素。

2、此外，传统的电源调度方法往往依赖于精确的数学模型，并采用确定性算法来求解。然而，面对实际的复杂系统，这些方法很难获得满意的解决方案。

技术实现思路

1、本发明要解决的技术问题是：基于遗传算法的多类型电源调度方法，以克服现有技术的不足。

2、本发明的技术方案为：基于遗传算法的多类型电源调度方法，所述方法包括以下步骤：

3、a.收集风能、太阳能、燃煤电厂和电网负载的实时数据；

4、b.根据电力市场需求、政策法规和环境因素设定电源调度的目标函数；

5、c.利用遗传算法对电源调度进行优化；

6、d.基于优化结果实施电源调度。

7、进一步地，所述风能的实时数据包括风力发电上网电价、空气密度、风轮扫风面积、风速和功率系数。

8、进一步地，所述太阳能实时数据包括太阳能发电上网电价、太阳辐照度、光伏板面积和光伏板转换效率。

9、进一步地，所述燃煤电厂的实时数据包括燃煤发电上网电价、燃料消耗量、发电厂热效率和发电厂电机效率。

10、进一步地，所述电网负载的实时数据包括时间、日期、特殊日子、温度和湿度。

11、进一步地，所述目标函数为：

12、

13、其中，p2,j＝gj(t)*bj*ηj，p3,k＝qk(t)*ck*εj，f1(p1,i)＝i1,i+γ*p1,i,f2(p2,j)＝i2,j+β*p2,j，f3(p3,k)＝i3,k+α*p3,k；p1,i第i个风电站的发电功率；ρi表示第i个风电站处的空气密度，θi表示第i个风电站的功率系数；ai表示第i个风电站的风轮扫风面积；vi(t)表示时间t时刻的风速；p2,j表示第j个光伏电站的发电功率；gj(t)表示第j个光伏电站处的太阳辐照度；bj为第j个光伏电站的光伏板面积；ηj表示第j个光伏电站的光伏转换效率；p3,k表示第k个燃煤电厂的发电功率；qk(t)表示第k个燃煤电厂t时刻的的燃料消耗量；ck表示第k个燃煤电厂的热效率；εj表示第k个燃煤电厂的发电机效率；f1(p1,i)表示风电站与发电功率相关的成本函数；f2(p2,j)表示光伏电站与发电功率相关的成本函数；f3(p3,k)表示燃煤电厂与发电功率相关的成本函数；i1,i表示第i个风电站初始投资成本，γ表示风电站的设备损耗常数；β表示太阳能电站的设备损耗常数；α表示燃煤电厂的设备损耗常数；

14、约束条件为：

15、

16、

17、

18、其中，表示第i个风电站最小接入功率，表示第i个风电站最大接入功率，表示第j个光伏电站最小接入功率，表示第j个光伏电站最大接入功率，表示第k个燃煤电厂最小接入功率，表示第k个燃煤电厂最大接入功率。

19、进一步地，所述利用遗传算法对电源调度进行优化包括以下步骤：

20、s01、定义遗传算法的初始种群，每个个体代表一种可能的电源调度方案；

21、s02、对新生成的种群进行适应度评估，根据电力系统的实际需求和环境条件，计算每个调度方案的适应度函数的评分，选择评分较高的电源调度方案作为优秀调度方案；

22、s03、在选择出的优秀调度方案中随机对调度方案进行两两配对，对配对的路径进行交叉操作，生成新的调度方案；

23、s04、对新生成的调度方案进行变异操作；

24、s05、将通过交叉或变异操作生成的新调度方案加入到种群中；

25、s06、检查是否满足停止条件，如果满足停止条件，则停止迭代，输出当前适应度值最高的调度方案作为最优路径；否则，返回步骤s02，继续下一轮的迭代。

26、进一步地，所述停止条件为当迭代次数达到最高迭代次数时。

27、本发明的有益效果是：与现有技术相比，本发明采用遗传算法对多类型电源(包括风能、太阳能和燃煤电厂)进行调度，提高了系统对能源波动性和不确定性的适应性和灵活性。其次，这种方法综合考虑了电力市场需求、政策法规、环境因素以及实时数据，如风速、太阳辐照度和电网负载等，使得电源调度更加高效和环境友好。此外，通过遗传算法的迭代过程，能够在复杂的电源调度问题中找到近似最优解，这是传统基于确定性算法和精确数学模型难以实现的。最后，该方案通过设置目标函数和约束条件，实现了对电源调度的优化，这不仅提高了电能的利用效率，还有助于降低能源成本和设备损耗，为电力系统的可持续发展提供了强有力的支持。

技术特征：

1.基于遗传算法的多类型电源调度方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于遗传算法的新能源与多类型电源调度方法，其特征在于，所述风能的实时数据包括风力发电上网电价、空气密度、风轮扫风面积、风速和功率系数。

3.根据权利要求2所述的基于遗传算法的多类型电源调度方法，其特征在于，所述太阳能实时数据包括太阳能发电上网电价、太阳辐照度、光伏板面积和光伏板转换效率。

4.根据权利要求3所述的基于遗传算法的多类型电源调度方法，其特征在于，所述燃煤电厂的实时数据包括燃煤发电上网电价、燃料消耗量、发电厂热效率和发电厂电机效率。

5.根据权利要求3所述的基于遗传算法的多类型电源调度方法，其特征在于，所述电网负载的实时数据包括时间、日期、特殊日子、温度和湿度。

6.根据权利要求1-5任意一项所述的基于遗传算法的多类型电源调度方法，其特征在于，所述目标函数为：

7.根据权利要求6所述的基于遗传算法的多类型电源调度方法，其特征在于，所述利用遗传算法对电源调度进行优化包括以下步骤：

8.根据权利要求7所述的基于遗传算法的多类型电源调度方法，其特征在于，所述停止条件为当迭代次数达到最高迭代次数时。

技术总结
本发明公开了基于遗传算法的多类型电源调度方法，所述方法包括以下步骤：a.收集风能、太阳能、燃煤电厂和电网负载的实时数据；b.根据电力市场需求、政策法规和环境因素设定电源调度的目标函数；c.利用遗传算法对电源调度进行优化；d.基于优化结果实施电源调度。以解决现有技术采用确定性算法来求解，面对实际的复杂系统，这些方法很难获得满意的解决方案的问题。

技术研发人员：胡骏涵,吴方权,刘亦驰,纪元,汤成佳,刘文霞,李雄,胡江,周玲,袁捷,陈卿,何向刚,卫薇,舒彧,马蕊
受保护的技术使用者：贵州电网有限责任公司
技术研发日：
技术公布日：2024/2/6