基于NSGA-2算法的水-火-光电力系统多目标优化调度——附代码

目录

摘要：

引言：

水-火-光多目标优化调度模型：

（1）经济性目标

（2）环境保护目标

NSGA-2算法原理：

程序运行结果：

本文Matlab代码分享 

---

摘要：

        本文对梯级水电站群、火电与新能源发多元电力系统优化调度问题进行了深入研究，着重探讨了其互补运行特性、建模及其求解方法。结合水电、火电多种复杂约束，建立了综合考量经济和环保的多目标水-火-新能源电力系统多目标优化调度模型。随后，提出了一种混合多目标NSGA-2算法来求解该模型，制定一组多目标非支配优化调度方案，为多能互补电力系统的能源优化配置和经济环保运行提供了有效的指导意见。使用Matlab编写，注释详细可改性强。

引言：

        在我国当前的电力系统结构中，水电和火电占据了主导地位。为了响应国家建设资源节约型、环境友好型的社会能源发展战略，提升水电在当前电力系统中的作用，为火电机组分担了系统的负荷，从而减少了火力发电对煤炭的需求量，同时也减轻了燃煤之后的二氧化碳和污染物排放。当前，国家正在大力发展新能源战略，在一些风资源和光资源比较丰富的地区规划建立了很多风场和光伏电站，随着其规模的不断增大，正逐步成为电力系统中的重要组成部分。

        可以看出，目前电力系统结构正趋向于多元化发展，单纯的分析水电和火电系统的优化调度已经不能满足多元电网发电调度的要求，故亟需进一步向多能源互补的联合优化调度转变。一般地，火电机组的运行过程中有较为稳定的出力，但这是建立在高煤耗基础上的，导致了火电机组的发电运行成本偏高，而且也会产生大量二氧化碳和硫化污染物。新能源属于清洁能源，发电运行时没有污染和排放，但是很容易受到外部影响，具有很强的随机性和间歇性，气候的变化将会大大影响其出力的稳定性，而这种不确定性也将对电力系统产生负面作用。相对而言，水电机组具有出力稳定，快速启停机等优点，可以在电力系统中配合新能源发电，在一定程度上消纳新能源发电的不确定性。

        但是，水力发电通常受季节性变化规律影响，可能会增加弃水损失。所以，研究梯级水电站群、火电与新能源发多元电力系统运行特性，综合考虑电力系统经济目标与环境保护目标，可以更好地促进多能互补电力系统的发展。

水-火-光多目标优化调度模型：

通过分析水电、火电系统运行规律，综合考虑电力系统的经济效益和环境影响，建立了水-火-新能源电力系统多目标优化调度模型。在满足不同系统模块多种复杂约束前提条件下，合理规划梯级水电站和传统火电机组的出力，使得电力系统在经济和环境两方面达到整体最优。

目标函数：

（1）经济性目标

（2）环境保护目标

        以火电为主的电力系统是要靠燃烧煤炭来驱动的，所以会排放大量的二氧化碳等废气，本文在建模时着重考虑了二氧化碳排放对环境的影响。水电和新能源属于清洁可再生能源，因此运行过程中不会产生污染和排放，在此忽略二者对环境的破坏。火电机组通过燃煤发电，其运行过程中二氧化碳的排放量与机组的功率相关，可以被近似描述为一个二次函数，本文考虑的污染气体排放也主要来自于火电机组。因此，电力系统为了减少二氧化碳的排放，发电的同时兼顾环境状况。建立以下环境保护目标：

NSGA-2算法原理：

NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。

NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改进而来，其改进主要是针对如上所述的三个方面：

①提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，从而保留了最为优秀的所有个体；

②引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度；

③采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。

程序运行结果：

 

本文Matlab代码分享