【技術實現步驟摘要】
本專利技術涉及對削峰填谷效果進行優化，特別涉及。
技術介紹
現階段關于削峰填谷研究的重點問題同時也是熱點問題是如何確定一種能夠同時降低峰負荷、減小峰谷差的優化方法，該問題是一個典型的具有多變量、多約束條件的多目標優化問題。 目前削峰填谷多目標優化方法還局限于傳統的多目標優化處理方法。傳統的多目標優化方法有權重法、約束法和目標規劃法等，將多目標優化問題轉化為單目標優化問題，然后利用求解單目標優化問題的方法獲得問題的一個解。文獻[I]提出將最小峰負荷、最小峰谷差和用戶滿意度設為優化目標，對這三個目標設置權重，將多目標問題轉化為單目標問題進行求解；文獻[2]在對最小峰負荷、最小峰谷差多目標優化問題進行分析時，雖然采用模糊隸屬度函數對優化目標進行處理，但在優化的關鍵步驟上采用了將優化目標轉換成約束條件方法，將多目標優化問題轉化為單目標優化問題進行分析，其本質上仍然屬于傳統多目標優化方法。 專利技術人在實現本專利技術的過程中，發現現有技術中至少存在以下缺點和不足: 傳統算法各個目標函數的權值是人為規定的，通常得到一種削峰填谷優化效果，但該方法具有較大主觀性。鑒于我國以火力發電為主，調峰調頻能力較差的格局，削峰填谷效果不好會為調峰調頻帶來巨大壓力，嚴重影響電壓、頻率等電能質量。
技術實現思路
本專利技術提供了，本方法獲取到多種優化后的削峰填谷效果，避免了對調峰調頻產生巨大壓力，提高了電壓、頻率等電能質量，詳見下文描述:，所述方法包括以下步驟: (1)建立削峰填谷優化模型； (2)對所述削峰填谷優化模型進行求解，獲取最優峰負荷和峰谷差； 所述削峰填谷優化模型具體為:
【技術保護點】
一種負荷曲線的削峰填谷優化方法，其特征在于，所述方法包括以下步驟：（1）建立削峰填谷優化模型；（2）對所述削峰填谷優化模型進行求解，獲取最優峰負荷和峰谷差；所述削峰填谷優化模型具體為：Qi′=Qif(Pf)i∈TfQj′=Qjf(Pg)j∈TgQk′=Qkf(Pp)+[Σi(Qi′-Qi)+Σj(Qj′-Qj)+Σk(Qkf(Pp)-Qk)]/nk∈Tp其中，Pf、Pp、Pg為一組電價；Tf、Tg、Tp表示峰、谷、平時段；Qi、Qj、Qk表示削峰填谷前峰、谷、平時段的用電量；表示削峰填谷后峰、谷、平時段的用電量；n為平時段的小時數；優化目標函數（a）峰負荷值Qmax的最小化：min(Qmax)=min{max[Q(Pf,Pp,Pg,Tf,Tp,Tg)]}（b）峰谷負荷差Qmax?Qmin最小化：min(Qmax?Qmin)=min{max[Q(Pf,Pp,Pg,Tf,Tp,Tg)]?min[Q(Pf,Pp,Pg,Tf,Tp,
【技術特征摘要】
1.一種負荷曲線的削峰填谷優化方法，其特征在于，所述方法包括以下步驟: (1)建立削峰填谷優化模型； (2)對所述削峰填谷優化模型進行求解，獲取最優峰負荷和峰谷差； 所述削峰填谷優化模型具體為:2.根據權利要求1所述的一種負荷曲線的削峰填谷優化方法，其特征在于，所述對所述削峰填谷優化模型進行求解，獲取最優峰負荷和峰谷差具體包括: (1)對實際峰、平、谷電價進行編碼和解碼；在各時段電價變動的范圍內產生初始種群; (2)將當前種群所有個體分別代入峰負荷和峰谷差的目標函數，求出每個個體對應的各目標函數值；根據所述各目標函數值對所述當前種群進行快速非支配排序，并計算擁擠距離； (3)通過排序結果和所述擁擠距離計算虛擬適應度，并進行個體選擇、交叉和變異運算；對運算后結果運用精英策略，獲取新子代種群； (4)以所述新子代種群為基礎，重復執行步驟(2)-(3)，直至達到最大迭代次數，獲取多組峰負荷和峰谷差；...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。