论文部分内容阅读
电力系统有功调度(optimal power flow,OPF)技术不仅是提高电能质量的主要技术,而且是确保电力系统经济和安全运行的最基本、最重要的方法之一。在过去的研究中,OPF被建立为单目标优化问题,其主要目标函数为基本燃料费用最小化。随着日益增加的电力需求和愈加严重的环境问题,线路网损和燃料废气排放总量等目标被考虑,并纳入到OPF问题的目标函数中。因此,研究人员将更多的注意力集中到研究多个目标同时优化的OPF问题,OPF问题被建模为多目标有功调度(multi-objective optimal power flow,MOOPF)问题,并已成为电力系统运行规划不可或缺的应用。针对多目标、大规模和多约束的MOOPF问题,本文做了如下研究。首先,结合多目标优化问题和OPF问题已有研究的相关数学描述,建立了MOOPF的数学模型,包括基本燃料费用、考虑阀点效应的燃料费用、线路网损和燃料废气排放总量四种目标函数,以及一系列需要满足的约束条件。针对不等式约束条件的处理方式,与常用的罚函数法(penalty function approach,PFA)相比,提出了一种新的约束-先验Pareto占优方法(constraints-prior Pareto-domination approach,CPA)来确保不等式约束量不超过其允许范围。此外,为了证明CPA解决约束MOOPF的可行性和有效性,利用标准多目标萤火虫算法(multi-objective firefly algorithm,MOFA)作为算法主体,基于所提出的CPA和常用的PFA组成了两种算法MOFA-CPA和MOFA-PFA,并在两个测试系统上进行了对比研究,包括两组双目标优化仿真和三组三目标优化仿真。仿真测试结果证明了所提出的CPA在处理不等式约束方面的优越性,相比于常用的PFA,CPA的求解效率更高。其次,针对标准MOFA在电力系统MOOPF问题研究上的不足和空白,以及收敛速度慢和求解精度不高,提出了一种新的多目标萤火虫算法(multi-objective dimension-based firefly algorithm,MODFA),该算法有两个修改地方:一是引入全局引导机制替换萤火虫个体两两对比移动机制;二是采用维度变换策略更新全局引导萤火虫个体。为了验证所提出的MODFA算法处理多约束MOOPF问题的效果,将MODFA和经典的NSGA-III、NSGA-II以及MOPSO算法在IEEE30、IEEE57、IEEE118三个不同规模的系统针对8个不同方案进行MOOPF问题的仿真。四种算法均采纳拥挤距离计算和快速非被占优解排序等优化策略来获得Pareto前端,使用本文所提出的约束-先验Pareto占优法处理不等式约束条件下的状态变量。实验结果表明,四种算法都能够获得分布均匀和多样性好的Pareto前端解集,验证了模型的合理性和算法的有效性;相比于NSGA-III、NSGA-II以及MOPSO,提出的MODFA具有获得更分布均匀和高质量Pareto前端的能力;相比于标准MOFA,改进的MODFA的寻优能力更强。最后,为了比较多目标算法的性能,使用世代距离和超体积两个性能指标来评估MODFA、NSGA-III、NSGA-II和MOPSO四种算法获得的Pareto前端的逼近性、均匀分布性和多样性,并利用Wilcoxon符号秩次检验进行了统计结果的分析。