技术摘要：
本发明涉及一种基于灰色预测演化算法的电力机组组合方法，包括：设置电力机组的约束条件；建立表示各个种群个体的开关状态的二进制矩阵和输出电力的实数矩阵；采用二进制遗传算法生成开关状态的二进制矩阵，采用灰色预测演化算法生成在机组电力范围内的输出电力的实数  全部
背景技术：
电力机组组合问题是指一个调度周期内，在满足用户负荷要求和各类机组约束条 件下，合理安排各机组的启停状态和出力情况，使系统运行费用达到最小。处理电力机组组 合问题的方法大致可分为三类：经典的数值优化技术、元启发式算法和混合技术。 决定技术具有表达简单、鲁棒性强、非迭代性、收敛速度快等优点，但是它们在得 到好的解的同时消耗了大量计算时间，不适合应用于大规模的机组组合问题。为了解决这 个问题，许多研究者将元启发式算法应用于机组组合问题，取得了很好的效果，甚至还有一 些研究者试图将结合元启发式算法与决定技术优点的混合方法用于解决此问题。 元启发式技术按照其机组组合的两个子问题可分为两类，第一类的算法采用元启 发式算法确定机组开/关状态的最佳组合，而电力调度采用lambda迭代法或其他经济调度 方法等具体问题技术；第二类的算法采用二进制以及实数随机算法分别确定机组开/关状 态的最佳组合和功率分配。 大部分的元启发式算法是为了优化机组组合问题的机组开关调度而忽略了电力 调度方面，而关于同时解决机组组合问题的元启发式算法的文献数量十分有限，且这些技 术需要以牺牲时间为代价获得好的结果。
技术实现要素：
本发明针对现有技术中存在的技术问题，提供一种基于灰色预测演化算法的电力 机组组合方法，解决现有技术中不能同时解决电力组合的两个方面很好的平衡解的质量和 计算时间的问题。 本发明解决上述技术问题的技术方案如下：一种基于灰色预测演化算法的电力机 组组合方法，包括： 步骤1，设置电力机组的约束条件； 步骤2，建立表示各个种群个体的开关状态的二进制矩阵和输出电力的实数矩阵； 各个所述种群个体表示各个所述电力机组组合； 步骤3，针对各个每一代种群个体，采用二进制遗传算法生成开关状态的二进制矩 阵，采用灰色预测演化算法生成在机组电力范围内的输出电力的实数矩阵，保证种群所有 个体的所述二进制矩阵和所述实数矩阵满足所述约束条件； 步骤4，选择当代种群的最优的种群个体进入下一代直到达到最大迭代次数后停 止，种群代数为最大迭代次数的最优个体为所述电力机组组合为题的最优解。 本发明的有益效果是：本发明提供的一种基于灰色预测演化算法的电力机组组合 方法，二进制遗传算法作用于机组开关状态，灰色预测演化算法作用于电力调度的混合算 3 CN 111582487 A 说　明　书 2/5 页 法，将两种元启发式算法并行操作来解决机组组合问题的机组开关状态和电力调度两个子 问题，有效地体现了两个算法各自的优点，并成功地应用于机组组合问题，能够在大规模的 机组上取得较好的效果；这种混合元启发式算法显著节约电力系统成本，且输入参数少，便 于操作员操作。 在上述技术方案的基础上，本发明还可以做如下改进。 进一步，所述步骤1中设置的约束条件包括系统约束和发电机组约束； 所述系统约束包括系统电力负荷约束和旋转储备约束； 所述发电机组约束包括机组电力限制和最小开启/关闭时间约束。 进一步，所述步骤3还包括：根据电力机组规模设置种群大小和最大迭代次数。 进一步，所述步骤3还包括设置所述二进制遗传算法中的交叉因子和变异因子的 值，确定所述灰色预测演化算法的阈值。 进一步，所述步骤3中生成开关状态的二进制矩阵的过程包括： 种群初始化，各个所述种群个体的二进制矩阵以相同的概率随机生成0或1，生成 第一代的所述种群个体的二进制矩阵；由二进制遗传算法生成之后各代的所述种群个体的 二进制矩阵。 进一步，所述步骤3中生成开关状态的实数矩阵的过程包括： 种群初始化，第一代种群个体随机初始化，第二代和第三代种群个体所述实数矩 阵由元启发式算法中的一种生成；由灰色预测演化算法生成之后各代的所述种群个体的实 数矩阵。 进一步，所述步骤3中生成新的所述种群个体的所述二进制矩阵和所述实数矩阵 必须满足所述约束条件，采用约束修复机制对不可行解进行约束修复之前对所述机组进行 排序生成优先序列。 进一步，所述二进制矩阵生成后对其进行旋转储备约束修复后，进行最小开启/关 闭时间约束修复，按照优先序列对机组降序，依次将机组状态设置为关闭状态直到满足约 束为止。 进一步，所述实数矩阵生成后将超出电力限制的机组的电力设置为边界值。 进一步，所述步骤4之后还包括：测试所述基于灰色预算演化算法解决电力机组组 合问题的效果。 采用上述进一步方案的有益效果是：由于本发明的目的就是使机组组合问题的成 本最小，即适应度值最小，因此在最大迭代次数种群中的成本最小的个体为最优个体，此个 体的二进制矩阵和实数矩阵点乘后的结果为最优的实际输出电力矩阵，即最优机组组合， 此个体的适应度值为最小成本。将测试机组组合经过以上步骤后所得到的最小成本与之前 机组组合的最小成本进行数据对比，通过实验对比可验证本发明的有效性和优越性。 附图说明 图1为本发明提供的一种基于灰色预测演化算法的电力机组组合方法的实施例的 流程图； 图2为本发明提供的种群个体的实施例的结构图。 4 CN 111582487 A 说　明　书 3/5 页