3)模型求解与分析
我们根据上面的算法步骤,我们编C++程序(附录1),并代入各机组和负荷的初始数据。可以得到一总成本为6580¥的最优机组组合计划,如表一所示:
表一 3母线系统的最优机组组合计划
机组G1 机组G2
小时 1 状态 运行 关机
出力(MW) 100 0
备用(MW) 100 0
2 状态 运行 关机
出力(MW) 130 0
备用(MW) 70 0
3 状态 运行 运行
出力(MW) 130 40
备用(MW) 70 60
4 状态 运行 关机
出力(MW) 140 0
备用(MW) 60 0
总成本(¥) 6580
使用穷举搜索法对该问题虽然能得出结果,但其运行效率太低,不能用于求解大规模问题,且编程实现较复杂,不是一种优良的算法。
问题2和问题3
1) 优化模型Ⅱ
问题2和问题3的优化模型为 (14)
(15)2)求解算法
对于问题2和3,我们同时采用穷举搜索法和遗传算法两种算法进行求解,并将求得结果进行比较,以比较两种算法的优劣。穷举搜索法的算法思想与问题1的求解算法思想一致。遗传算法的流程图如图二所示。
图二 遗传算法流程图
矩阵实数编码遗传算法的描述:
针对机组组合问题的矩阵实数编码
本文以要安排发电机组起停计划作为遗传算法中的个体,采用实数矩阵形式进行编码。其具体形式为
(16)
其中: 为遗传种群中的第 个个体
为编码矩阵中的第 行第 列元素,含义为发电机组 在 时段的发电出力
为编码矩阵中的第 个列向量,含义为 时段内发电机组间的负荷分配情况
为编码矩阵中的第 个行向量,含义为发电机组 在发电计划制定周期内的出力过程
发电机组的运行状态取决于矩阵中元素的具体取值,即根据机组在某时段中的出力大小来确定启停状态,具体表达式为
(17)
遗传种群初始化
遗传种群初始化时,按编码矩阵中列向量的顺序进行。以 中 为例,初始过程如下:
(1)生成服从均匀分布的随机数数组
(18)
其中: 为在发电机组 最大最小出力之间随机生成的正数
(2)计算百分比系数数组
(19)其中:
(3)初始化各台发电机组的出力,即初始化
上一页 [1] [2] [3] [4] [5] [6] [7] [8] 下一页