(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111596304.5 (22)申请日 2021.12.24 (71)申请人 郑州轻工业大 学 地址 450000 河南省郑州市高新 技术产业 开发区科 学大道136号 (72)发明人 武小鹏　和萍　李从善　陶玉昆　 季玉琦　赵琛　范嘉乐　董杰　 任智源　杜跃　苏畅　 (74)专利代理 机构 郑州优盾知识产权代理有限 公司 41125 代理人 栗改 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/12(2006.01)H02J 3/00(2006.01) H02J 3/46(2006.01) H02J 3/48(2006.01) (54)发明名称 一种基于遗传算法的电力系统调度方法 (57)摘要 本发明提出了一种基于遗传算法的电力系 统调度方法， 用于解决集中式控制方法不能满足 现有电网规模需求的问题。 本发明的步骤为： 根 据电力系统经济调度的优化问题， 建立电力系统 经济调度模 型； 利用有功功率平衡方程对目标函 数和电机节点有功功率出力约束方程进行 降元 处理， 得到降元后的新经济调度模型； 利用遗传 算法对新经济调度模型进行求解， 在满足各电机 节点约束方程的同时实现有功供需平衡， 得到的 最优值为最优调度方案。 本发明利用遗传算法可 以同时处理群体中的多个个体， 对搜索空间中的 多个解进行评估， 减少陷入局部最优解的风险； 不仅能快速得到满足设定条件的全局最优解， 而 且节省电力系统运营成本， 为电力系统经济调度 提供新的计算方法。 权利要求书2页 说明书6页 附图2页 CN 114282807 A 2022.04.05 CN 114282807 A 1.一种基于 遗传算法的电力系统调度方法， 其特 征在于， 其 步骤如下： 根据电力系统经济调度的优化问题， 建立电力系统经济调度模型； 利用有功功率平衡方程对目标函数和电机节点有功功率出力约束方程进行降元处理， 得到降元后的新经济调度模型； 利用遗传算法对新经济调度模型进行求解， 在满足各电机节点约束方程的同时实现有 功供需平衡， 得到的最优值 为最优调度方案 。 2.根据权利要求1所述的基于遗传算法的电力系统调度方法， 其特征在于， 所述电力系 统经济调 度模型以所有电机节 点的电机运营成本最小作为目标， 建立目标函数； 同时， 所有 电机节点的有功功 率出力之和满足总负荷需求， 且所有电机节点的有功功 率出力满足自身 约束条件。 3.根据权利要求2所述的基于遗传算法的电力系统调度方法， 其特征在于， 所述电力系 统经济调度模型的目标函数为： 其中， f(xi)表示成本函数， xi表示第i个电机节点的有功功率出力， ai、 bi和ci分别表示 第i个电机节点的成本系数， n表示电机节点总数； 所述电机节点的有功 功率出力之和满足总负荷需求 为： 所有电机节点的有功 功率出力满足自身约束条件为： 其中， xL表示总负荷量， 和 分别表示第i个电机节点有功功率出力的上限和下 限， 表示第i个电机节点在t 时刻的有功功率出力， xUi和xDi分别表示第i个电机节点在一 个时间段内的最大向上爬功率和最大向下爬坡功率。 4.根据权利要求3所述的基于遗传算法的电力系统调度方法， 其特征在于， 所述有功功 率平衡方程的等 价方程为： 利用等价方程对目标函数和电机节点有功功率出力约束方程进行降元整理， 得到新经 济调度模型： 且满足： 权　利　要　求　书 1/2 页 2 CN 114282807 A 2其中， i＝1,…,n‑1， an、 bn和cn分别表示第n个电机节点的成本系数。 5.根据权利要求1或4所述的基于遗传算法的 电力系统调度方法， 其特征在于， 所述遗 传算法中： 确定种群规模为n ‑1个个体； 以电力系统中部 分电机节 点首次输出的有功功 率作 为初始种群， 利用二进制方法对初始种群进 行编码， 得到不同染色体； 根据新经济调度模型 的目标函数f(xi)计算初始种群中各个体适应度， 利用适应度计算各个体适应度的选择概 率为： 其中， pc表示个体j的适应度在整个群体的个体适应度总和中所占比例， fj表示个体j的 适应度， m表示群 体大小。 6.根据权利要求5所述的基于遗传算法的电力系统调度方法， 其特征在于， 所述遗传算 法中如果个体的适应度满足要求， 则停止遗传算法运行并输出最优结果； 否则利用 “选择‑ 交叉‑变异”新生新一代群体， 重新计算个体的适应度， 以此运行遗传算法， 直到个体适应度 满足要求， 产生 最优值。 7.根据权利要求6所述的基于遗传算法的电力系统调度方法， 其特征在于， 所述种群中 的适应度越高的个体的染色体被复制并遗传给下一代； 适应度低的个体的染色体与其它适 应度低的个体进行交叉， 得到新个体； 同时， 个体中的染色体通过变异产生新的个体； 通过 遗传、 交叉、 变异产生的个体组成新一代种群， 重新代入目标函数计算适应度， 直到种群中 出现适应度最高的个 体为寻找到的最优值。权　利　要　求　书 2/2 页 3 CN 114282807 A 3