一种评估含风电电力系统旋转备用效益和风险的方法

文档序号:10594805阅读:255来源:国知局
一种评估含风电电力系统旋转备用效益和风险的方法
【专利摘要】本发明涉及一种评估含风电电力系统旋转备用效益和风险的方法,在提取系统旋转备用的容量价格、能量价格、单位失负荷价格、弃风价格以后,建立最大的系统旋转备用效益期望值模型以及建立最小的系统旋转备用效益风险模型,最后求解期望旋转备用效益和风险值。本发明提出的一种评估含风电电力系统旋转备用效益和风险的方法,更直观地描述旋转备用效益和风险之间关系,为旋转备用决策者制定旋转备用计划、期望旋转备用效益和风险的评估提供参考。
【专利说明】
-种评估含风电电力系统旋转备用效益和风险的方法
技术领域
[0001] 本发明设及电力市场分析领域,特别是一种评估含风电电力系统旋转备用效益和 风险的方法。
【背景技术】
[0002] 大规模的风电并网,对电力系统的可靠性和经济性造成重大的影响;由于负荷功 率和风电出力的随机性,给系统旋转备用计划的制定造成极大的困难,因此相关文献也进 行了大量的研究,取得不少的研究成果。但是,目前对含大规模风电并网旋转备用效益和风 险的评估研究较少。系统购买旋转备用为保证系统可靠性的同时,也力求旋转备用产生最 大的效益,同时降低系统的风险。因此,如何权衡旋转备用效益和风险进行旋转备用容量的 制定,是一个值得重视的课题。
[0003] 随着大规模的风电并网,加剧了系统旋转备用计划制定的难度,评估含风电电力 系统旋转备用效益和风险对可再生能源的发展与保证系统的可靠性、经济性具有重要意 义。由于负荷功率和风电出力的随机性、不确定性因素,含风电电力系统旋转备用效益变成 一个不确定的因素,很难精确估计,因此需要评估旋转备用效益存在的风险。

【发明内容】

[0004] 有鉴于此,本发明的目的是提出一种评估含风电电力系统旋转备用效益和风险的 方法,更直观地描述旋转备用效益和风险之间关系,为旋转备用决策者制定旋转备用计划、 期望旋转备用效益和风险的评估提供参考。
[0005] 本发明采用W下方案实现:一种评估含风电电力系统旋转备用效益和风险的方 法,具体包括W下步骤:
[0006] 步骤SI:提取系统旋转备用的容量价格、能量价格、单位失负荷价格、弃风价格;
[0007] 步骤S2:建立最大的系统旋转备用效益期望值模型;由于负荷功率和风电出力的 预测偏差,使得旋转备用效益不是一个确定值,因此采用期望旋转备用效益作为旋转备用 效益的估计值。定义该模型:系统24h内因购买旋转备用而减少损失的期望值与旋转备用所 需成本的期望值之差最大,用数学函数表述如下:
[000引
[0009] 其中,E(Vt)、E(W〇分别为在t时段因购买上旋转备用而减少失负荷损失的期望值 和因购买下旋转备用而减少弃风损失的期望值;E(Bu.t)、E(Bd.t)分别为在t时段上旋转备 用和下旋转备用能量成本的期望值;Cu.t、Cd.t分别为在t时段上旋转备用和下旋转备用的 容量成本;
[0010] 步骤S3:建立最小的系统旋转备用效益风险模型:采用加权半方差法度量旋转备 用效益的风险,描述收益程度和损失程度的关系;
[0011] 步骤S4:求解期望旋转备用效益和风险值。
[0012] 进一步地,所述步骤S2具体包括W下步骤:
[0013] 步骤S21:t时段因购买上旋转备用而减少的失负荷损失Vt:
[0014] Vt = QLloss. tQlloss-t;
[0015] 其中,QLlMS.t、化less.t分别为在t时段单位失负荷损失和因购买上旋转备用而减少 的失负荷功率;
[0016] 其中,Qlioss . t取t时段上旋转备用的备用容量Ru . t和实际上旋转备用容量需求量 Mu. t中的最小值:
[0017] QLi〇ss.t=min[Mu.t,Ru.t];
[0018] 步骤S22:t时段因购买下旋转备用而减少的弃风损失Wt:
[0019] Wt = QWioss. tQwioss.t;
[0020] 其中,9?1。33.*、9?1。33.*分别为在1:时段单位弃风损失和因购买下旋转备用而减少的 弃风功率;
[0021] 其中,QwiMS.t取t时段旋转备用的备用容量Rd.t和实际下旋转备用容量需求量Md.t 中的最小值:
[0022] Qwioss.t=min[Md.t,Rd.t];
[0023] 步骤S23:t时段因购买上下旋转备用产生的容量成本和能量成本:
[0024] Cu. t =。.tRu.t; Cd.t = rd.tRd.t;
[00 巧]Bu. t = hu. tHu. t; Bd. t = hd. tHd. t;
[0026] E(Bu.t)=hu.tE(Hu.t);E(Bd.t)=hd.tEWd.t);
[0027] 其中,。.*山。.*心.*心.*分别为在谢段上旋转备用的容量价格和能量价格、下旋 转备用的容量价格和能量价格;Hu.分别为实际上下旋转备用容量的调用量,其值分 别專于QlIoss . t和Qwioss .t;E( Hu.t)、E( Hd.t)分别为在t时段上旋转备用和下旋转备用调用重 的期望值;
[0028] 步骤S24:将负荷预测偏差近似看成服从均值为零的正态分布,风电出力预测偏差 采用拉普拉斯正态混合分布;采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差, 每一种可能的预测偏差对应一种实际等效负荷随机状态;通过蒙特卡罗法模拟出的数据, 得到相应部分的期望值化(VtKE(Wt)、E化.t)、E(Bd.t)。
[0029] 进一步地,所述步骤S3具体为:旋转备用效益高于和低于旋转备用效益期望值的 两个半方差的加权差,用数学函数表述如下:
[0030]
[0031 ] 其中,n、E (n)分别表不《统在24h内的旋转备用效益和旋转备用效益的期望值; I为实际等效负荷随机状态的集合;、为第i种状态发生的概率;a为风险偏好系数,是风险 厌恶程度的标志;
[0032] 丑:中.
[0033]
[0034]
[0035] 进一步地,所述步骤S4包括的约束条件有:备用机会约束、风电场有功出力约束;
[0036] 所述备用机会约束为:为了保证系统的可靠性要求,旋转备用须满足一定概率的 负荷功率波动和风电出力波动。从单个时间段上定义,保证单个时段内旋转备用满足系统 等效负荷预测偏差的概率不小于给定值,用数学函数表述如下:
[0037] Pr{Ru.t>Pt-Pf.t}> 丫;
[003引 Pr{Rd.t>Pf.t-Pt}>S;
[0039] 其中,Pf.t、Pt分别为在t时段系统预测等效负荷和实际等效负荷河靠性水平丫、S 分别为日前市场的失负荷概率和弃风概率所能允许的上限值;
[0040] 其中,系统预测等效负荷为日前负荷功率预测值与风电出力预测值之差,系统实 际等效负荷为实际负荷功率与实际风电出力之差,用数学函数表述如下:
[0041] Pf.t = PLf.广 Pwf.t;
[0042] Pt = PL.t-Pw.t = PLf .t+ A PL.i;-(Pwf .t+ A Pw.t);
[004引其中,PLf.t、Pwf.t分别为在t时段日前负荷功率预测值和风电出力预测值;PL.t、 Pw.t分别为在t时段实际负荷功率和风电出力;APl.t、APw.t分别为在t时段负荷功率和风 电出力预测偏差,服从一定概率分布的的随机变量;
[0044] 所沐风点扬有功出力约束用数学函数表述如下:
[0045]
[0046] 其中,/T"为风电场的最大有功输出。
[0047] 进一步地,所述步骤S4W期望旋转备用效益最大和风险最小为多目标模型,采用 基于极端值综合策略的多目标粒子群算法进行优化解算,求解期望旋转备用效益和风险 值:
[0048] 其中,全局最优粒子Gibest的选择策略为:采用不同Gibest选择策略的组合来选择 群体中的最优粒子,粒子的全局最优通过=种策略获取:
[0049] 策略1:从外部档案非劣解集中随机选取一个非支配解作为全局最优,记为 邑besti;
[0050] 策略2:根据外部档案非劣解的密集距离对非支配解进行降序排列,从密集距离的 前10%中任意选择一个粒子作为全局最优,记为gbest2;其中,所述密集距离不包括两个端 点的密集距离;
[0051] 策略3:从非劣解集中的两个极端值中任意选择一个粒子作为全局最优,记为 gbest3;策略3为极端值选择策略;
[0052] 设粒子的个数为m个,在每次迭代中,选择其中a个粒子Wgbesti为全局最优,选择 其中b个粒子Wgbest2为全局最优,选择其中(m-a-b)个粒子Wgbests为全局最优,且a、b满 足 a+b<m;
[0053] 其中,粒子速度和位置更新为:
[0054] vi(n+l) = CO vi(n)+cin(pibest-Xi(n))
[0055] +C2r2[Gibest ? Z广Xi(n)];
[0056] xi(n+l)=xi(n)+vi(n+l);
[0057] 其中,Gibest为第i个粒子的全局最优向量;Zi为系数向量;Pibest为个体最优粒 子;《为惯性权值;ri和K为[0,1]之间的随机数;n是当前迭代次数;Cl和C2为常数;V为粒子 速度;X为粒子位置;
[0化引其中,Gibest=[gbestl,gbest2,gbest3],Zi=[Zl,Z2,Z3]T;由上述分析可知;若i《 日,21=[1,0,0]了;若日<1《6,21 = [0,1,0]了;否则,21=[0,0,1]了。
[0059] 与现有技术相比,本发明有W下有益效果:本发明考虑系统上下旋转备用的容量 成本和能量成本、因购买旋转备用而减少的系统损失,W及旋转备用效益的离散程度建立 多目标模型,通过该模型全面地反映出风电并网后旋转备用对系统旋转备用效益和风险的 影响,描述旋转备用效益和风险之间的关系。采用蒙特卡罗法对实际负荷功率和风电出力 进行模拟,并采用基于极端值综合策略的多目标粒子群算法进行求解,得出期望旋转备用 效益-风险有效前沿和日前旋转备用计划,W及风险偏好系数、可靠性水平、预测偏差、对期 望旋转备用效益和风险的影响。为备用决策者制定旋转备用计划、期望旋转备用效益和风 险的评估提供参考,实现旋转备用效益和风险的平衡。
【附图说明】
[0060] 图1为本发明的原理流程示意图。
【具体实施方式】
[0061] 下面结合附图及实施例对本发明做进一步说明。
[0062] 如图1所示,本实施例提供了一种评估含风电电力系统旋转备用效益和风险的方 法,具体包括W下步骤:
[0063] 步骤SI:提取系统旋转备用的容量价格、能量价格、单位失负荷价格、弃风价格;
[0064] 步骤S2:建立最大的系统旋转备用效益期望值模型;由于负荷功率和风电出力的 预测偏差,使得旋转备用效益不是一个确定值,因此采用期望旋转备用效益作为旋转备用 效益的估计值。定义该模型:系统24h内因购买旋转备用而减少损失的期望值与旋转备用所 需成本的期望值之差最大,用数学函数表述如下:
[00 化]
[0066] 其中,E(Vt)、E(Wt)分别为在t时段因购买上旋转备用而减少失负荷损失的期望值 和因购买下旋转备用而减少弃风损失的期望值;E(Bu.t)、E(Bd.t)分别为在t时段上旋转备 用和下旋转备用能量成本的期望值;Cu.t、Cd.t分别为在t时段上旋转备用和下旋转备用的 容量成本;
[0067] 步骤S3:建立最小的系统旋转备用效益风险模型:采用加权半方差法度量旋转备 用效益的风险,描述收益程度和损失程度的关系;
[0068] 步骤S4:求解期望旋转备用效益和风险值。
[0069] 在本实施例中,所述步骤S2具体包括W下步骤:
[0070] 步骤S21 :t时段因购买上旋转备用而减少的失负荷损失Vt:
[0071 ] Vt = QLloss ? tQlloss ? t ;
[0072] 其中,QLlMS.t、QLlMs.t分别为在t时段单位失负荷损失和因购买上旋转备用而减少 的失负荷功率;
[0073] 其中,QlIdss.t取t时段上旋转备用的备用容量Ru.t和实际上旋转备用容量需求量 Mu. t中的最小值:
[0074] QLi〇ss.t=min[Mu.t,Ru.t];
[0075] 步骤S22:t时段因购买下旋转备用而减少的弃风损失Wt:
[0076] Wt = qwi〇ss.tQwi〇ss.t;
[0077] 其中,qwl。ss.t、Qwl。ss.t分别为在t时段单位弃风损失和因购买下旋转备用而减少的 弃风功率;
[007引其中,Qwioss.t取t时段旋转备用的备用容量Rd.t和实际下旋转备用容量需求量Md.t 中的最小值:
[0079] Qwioss.t=min[Md.t,Rd.t];
[0080] 步骤S23:t时段因购买上下旋转备用产生的容量成本和能量成本:
[0081 ] Cu.t = ru.tRu.t;Cd.t = rd.tRd.t;
[0082] Bu.t = hu.tHu.t;Bd.t = hd.tHd.t;
[008;3] E(Bu.t)=hu.tE(Hu.t);E(Bd.t)=hd.tEWd.t);
[0084] 其中,。.*山。.*心.*心.*分别为在谢段上旋转备用的容量价格和能量价格、下旋 转备用的容量价格和能量价格;Hu.分别为实际上下旋转备用容量的调用量,其值分 别專于QlIoss . t和Qwioss .t;E( Hu.t)、E( Hd.t)分别为在t时段上旋转备用和下旋转备用调用重 的期望值;
[0085] 步骤S24:将负荷预测偏差近似看成服从均值为零的正态分布,风电出力预测偏差 采用拉普拉斯正态混合分布;采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差, 每一种可能的预测偏差对应一种实际等效负荷随机状态;通过蒙特卡罗法模拟出的数据, 得到相应部分的期望值化(VtKE(Wt)、E化.t)、E(Bd.t)。
[0086] 在本实施例中,所述步骤S3具体为:旋转备用效益高于和低于旋转备用效益期望 值的两个半方差的加权差,用数学函数表述如下:
[0087]
.
[0088] 其中,n、E(n)分别表示系统在24h内的旋转备用效益和旋转备用效益的期望值; I为实际等效负荷随机状态的集合;、为第i种状态发生的概率;a为风险偏好系数,是风险 厌恶程度的标志;
[0089] 其中,
[0090]
[0091]
[0092] 在本实施例中,所述步骤S4包括的约束条件有:备用机会约束、风电场有功出力约 束;
[0093] 所述备用机会约束为:为了保证系统的可靠性要求,旋转备用须满足一定概率的 负荷功率波动和风电出力波动。从单个时间段上定义,保证单个时段内旋转备用满足系统 等效负荷预测偏差的概率不小于给定值,用数学函数表述如下:
[0094] Pr{Ru.t>Pt-Pf.t}> 丫;
[0095] Pr{Rd.t>Pf.t-Pt}>S;
[0096] 其中,Pf.t、Pt分别为在t时段系统预测等效负荷和实际等效负荷河靠性水平丫、S 分别为日前市场的失负荷概率和弃风概率所能允许的上限值;
[0097] 其中,系统预测等效负荷为日前负荷功率预测值与风电出力预测值之差,系统实 际等效负荷为实际负荷功率与实际风电出力之差,用数学函数表述如下:
[009引 Pf.t = PLf.广 Pwf.t;
[0099] Pt = PL.t-Pw.t = PLf .t+ A PL.i;-(Pwf .t+ A Pw.t);
[0100] 其中,PLf.t、Pwf.t分别为在t时段日前负荷功率预测值和风电出力预测值;PL.t、 Pw.t分别为在t时段实际负荷功率和风电出力;APl.t、APw.t分别为在t时段负荷功率和风 电出力预测偏差,服从一定概率分布的的随机变量;
[0101] 所沐风由场有巧m力约束用数学函数表述如下:
[0102]
[0103] 其中,巧r*为风电场的最大有功输出。
[0104] 较佳的,在本实施例中,W期望旋转备用效益最大和风险最小为多目标模型,采用 基于极端值综合策略的多目标粒子群算法进行优化解算,求解期望旋转备用效益和风险 值。
[010日]其中,全局最优粒子Gibest的选择策略:
[0106] 本实施例采用不同Gibest选择策略的组合来选择群体中的最优粒子,粒子的全局 最优通过=种策略获取:
[0107] 策略1:从外部档案非劣解集中随机选取一个非支配解作为全局最优,记为 邑besti。
[0108] 策略2:根据外部档案非劣解的密集距离对非支配解进行降序排列(不包括两个端 点的密集距离),从密集距离的前10%中任意选择一个粒子作为全局最优,记为gbest2。
[0109] 策略3(极端值选择策略):从非劣解集中的两个极端值中任意选择一个粒子作为 全局最优,记为gbest3。
[0110] 策略1操作简单,但由于每一个非支配解都具有相同被选中的概率,所W会导致粒 子较密集的区域选择概率大,不利于全局捜索。策略2提高了密集距离大的粒子被选中的概 率,但全局捜索能力还不够。策略3提高了粒子边缘的捜索能力,扩大非支配解集的范围,但 不利于化reto最优边界的分布。因此,本发明将运S种选择策略相组合,用于全局最优粒子 的选取。
[0111] 设粒子的个数为m个,在每次迭代中,选择其中a个粒子Wgbesti为全局最优,选择 其中b个粒子Wgbest2为全局最优,选择其中(m-a-b)个粒子Wgbests为全局最优,且a、b满 足 a+b<m。
[0112]其中,粒子速度和位置更新为:
[011;3] vi(n+l)= W Vi(n)+ci;ri(pibest-Xi(n))
[0114] +c2r2[Gibest ? Z广Xi(n)];
[0115] xi(n+l)=xi(n)+vi(n+l);
[0116] 其中,Gibest为第i个粒子的全局最优向量;Zi为系数向量;Pibest为个体最优粒 子;《为惯性权值;ri和K为[0,1]之间的随机数;n是当前迭代次数;Cl和C2为常数;V为粒子 速度;X为粒子位置。
[0117] 其中,Gibest = [gbesti,gbest2,gbest3] ,Zi= [Zi,Z2,Z3]t。由上述分析可知:若 日,21=[1,0,0]了;若日<1《6,21 = [0,1,0]了;否则,21=[0,0,1]了。
[0118] W上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与 修饰,皆应属本发明的涵盖范围。
【主权项】
1. 一种评估含风电电力系统旋转备用效益和风险的方法,其特征在于:包括以下步骤: 步骤S1:提取系统旋转备用的容量价格、能量价格、单位失负荷价格、弃风价格; 步骤S2:建立最大的系统旋转备用效益期望值模型;定义该模型:系统24h内因购买旋 转备用而减少损失的期望值与旋转备用所需成本的期望值之差最大,用数学函数表述如 下: /二]其中,E(Vt)、E(Wt)分别为在t时段因购买上旋转备用而减少失负荷损失的期望值和因 购买下旋转备用而减少弃风损失的期望值;E(Bu.t)、E(Bd.t)分别为在t时段上旋转备用和 下旋转备用能量成本的期望值;C u.t、Cd.t分别为在t时段上旋转备用和下旋转备用的容量 成本; 步骤S3:建立最小的系统旋转备用效益风险模型:采用加权半方差法度量旋转备用效 益的风险,描述收益程度和损失程度的关系; 步骤S4:求解期望旋转备用效益和风险值。2. 根据权利要求1所述的一种评估含风电电力系统旋转备用效益和风险的方法,其特 征在于:所述步骤S2具体包括以下步骤: 步骤S21:t时段因购买上旋转备用而减少的失负荷损失Vt: Vt - QLloss · tQLloss · t ; 其中,911。33.1;、(^1。33.1;分别为在1:时段单位失负荷损失和因购买上旋转备用而减少的失 负荷功率; 其中,Quoss.t取t时段上旋转备用的备用容量Ru.t和实际上旋转备用容量需求量M u.t中 的最小值: Qli〇ss . t-ruin [Mu. t,Ru. t ]; 步骤S22:t时段因购买下旋转备用而减少的弃风损失Wt: fft - Qffloss · tQffloss · t ; 其中,9?1_.*、0?1_.*分别为在切寸段单位弃风损失和因购买下旋转备用而减少的弃风 功率; 其中,Qwioss.t取t时段旋转备用的备用容量Rd.t和实际下旋转备用容量需求量Md.冲的 最小值: Qwi〇ss · t-ruin [Md. t,Rd. t]; 步骤S23:t时段因购买上下旋转备用产生的容量成本和能量成本: Cu · t= Tu · tRu ·?;0(?·? = Γ(?· tRd · t ; Bu · t= hu · tHu · t ; Bd · t= hd · tHd · t ; E(Bu.t) = hu.tE(Hu.t) ;E(Bd.t) = hd.tE(Hd.t); 其中,ru. t、hu. t、rd. t、hd. t分别为在t时段上旋转备用的容量价格和能量价格、下旋转备 用的容量价格和能量价格;Hu.t、Hd.t分别为实际上下旋转备用容量的调用量,其值分别等 于QLloss.t和咖1_.*而凡.*)4他.*)分别为在七时段上旋转备用和下旋转备用调用量的期 望值; 步骤S24:将负荷预测偏差近似看成服从均值为零的正态分布,风电出力预测偏差采用 拉普拉斯正态混合分布;采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差,每一 种可能的预测偏差对应一种实际等效负荷随机状态;通过蒙特卡罗法模拟出的数据,得到 相应部分的期望值(E(Vt)、E(W t)、E(Bu.t)、E(Bd.t)。3. 根据权利要求1所述的一种评估含风电电力系统旋转备用效益和风险的方法,其特 征在于:所述步骤S3具体为:旋转备用效益高于和低于旋转备用效益期望值的两个半方差 的加权差,用数学函数表述如下: 二 /:*=.-?/ ?=7 _ 其中,Π 、Ε( π )分别表示系统在24h内的旋转备用效益和旋转备用效益的期望值;I为 实际等效负荷随机状态的集合为第i种状态发生的概率;α为风险偏好系数,是风险厌恶 程度的标志; 其中,u4. 根据权利要求1所述的一种评估含风电电力系统旋转备用效益和风险的方法,其特 征在于:所述步骤S4包括的约束条件有:备用机会约束、风电场有功出力约束; 所述备用机会约束为:从单个时间段上定义,保证单个时段内旋转备用满足系统等效 负荷预测偏差的概率不小于给定值,用数学函数表述如下: Pr{Ru-t^Pt-Pf-t} ^ γ ; Pr{Rd.t彡 Pf.t-Pt}彡δ; 其中,Pf.t、Pt分别为在t时段系统预测等效负荷和实际等效负荷;可靠性水平γ、δ分别 为日前市场的失负荷概率和弃风概率所能允许的上限值; 其中,系统预测等效负荷为日前负荷功率预测值与风电出力预测值之差,系统实际等 效负荷为实际负荷功率与实际风电出力之差,用数学函数表述如下: Pf .t=PLf .t-Pwf .t; Pt = PL.t-Pw.t = PLf .t+ Δ PL.t-(Pwf .t+ Δ Pw.t); 其中,PLf. t、Pw. t分别为在t时段日前负荷功率预测值和风电出力预测值;PL. t、Pw. t分别 为在t时段实际负荷功率和风电出力;APL.t、APw.t分别为在t时段负荷功率和风电出力预 测偏差,服从一定概率分布的的随机变量; 所述风电场有功出力约束用数学函数表述如下:其中,/Γ"5为风电场的最大有功输出。5. 根据权利要求1所述的一种评估含风电电力系统旋转备用效益和风险的方法,其特 征在于:所述步骤S4以期望旋转备用效益最大和风险最小为多目标模型,采用基于极端值 综合策略的多目标粒子群算法进行优化解算,求解期望旋转备用效益和风险值: 其中,全局最优粒子61以^的选择策略为:采用不同61以^选择策略的组合来选择群体 中的最优粒子,粒子的全局最优通过三种策略获取: 策略1:从外部档案非劣解集中随机选取一个非支配解作为全局最优,记为gbest1; 策略2:根据外部档案非劣解的密集距离对非支配解进行降序排列,从密集距离的前 10%中任意选择一个粒子作为全局最优,记为gbest2;其中,所述密集距离不包括两个端点 的密集距离; 策略3:从非劣解集中的两个极端值中任意选择一个粒子作为全局最优,记为gbest3;策 略3为极端值选择策略; 设粒子的个数为m个,在每次迭代中,选择其中a个粒子以gbesti为全局最优,选择其中b 个粒子以gbest2为全局最优,选择其中(m-a-b)个粒子以gbest3为全局最优,且a、b满足a+b <m; 其中,粒子速度和位置更新为:xi(n+l) =xi(n)+vi(n+l); 其中,Gibest为第i个粒子的全局最优向量;Zi为系数向量;pibest为个体最优粒子;ω 为惯性权值;ri和r2为[0,1 ]之间的随机数;η是当前迭代次数;ci和C2为常数;ν为粒子速度; X为粒子位置; 其中,Gibest = [gbesti,gbest2,gbest3],Zi = [ζι,Ζ2,Ζ3]τ;由上述分析可知:若i<a,Zi =[1,0,0];右a〈i〇3,Zi= [0,1,0];否则,Zi= [0,0,1]。
【文档编号】G06Q10/06GK105956799SQ201610458681
【公开日】2016年9月21日
【申请日】2016年6月22日
【发明人】江岳文, 刘兴宇, 林建新, 温步瀛
【申请人】福州大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1