基于演化算法和讨价还价博弈的多目标最优潮流研究

doi:10.3969/j.issn.1000-7229.2015.05.004

电力建设 ›› 2015, Vol. 36 ›› Issue (5): 20-24.doi: 10.3969/j.issn.1000-7229.2015.05.004

基于演化算法和讨价还价博弈的多目标最优潮流研究

付艳兰¹，赵雪霖²，刘铠诚²，何光宇³

1.海南电网公司，海口市 570273；2.电力系统国家重点实验室（清华大学电机系），北京市 100084； 3.上海交通大学电机系，上海市 200240

出版日期:2015-05-01
作者简介:付艳兰（1983），女，硕士，主要研究方向为电力系统自动化；赵雪霖（1991），女，硕士研究生，主要研究方向为电器节能；刘铠诚（1988），男，博士研究生，研究方向为无功电压自动控制、智能调度；何光宇（1972），男，博士、教授、博士生导师，主要研究方向为智能调度与智能电网、优化技术及其在电力系统中的应用。
基金资助:
国家高技术研究发展计划项目（863计划）（2012AA050201）。

Multi-Objective Optimal Power Flow Based on Evolutionary Algorithm and Bargaining Game

FU Yanlan¹, ZHAO Xuelin², LIU Kaicheng², HE Guangyu³

1. Hainan Power Grid Corporation, Haikou 570273, China；2. State Key Laboratory of Power Systems, Department of Electrical Engineering, Tsinghua University, Beijing 100084, China；3. Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China

Online:2015-05-01
Supported by:
Project Supported by the National High Technology Research and Development of China （863 Program）（2012AA050201）.

摘要/Abstract

摘要：

针对电力系统的多目标最优潮流问题，首先通过遗传算法取得帕累托解集，从而充分反映出不同优化目标之间相互影响、相互背离的内在关系，在此基础上利用纳什讨价还价博弈方法选取全局最优解。探讨同时考虑发电费用（或发电煤耗）最小和系统网损最小的多目标最优潮流问题，首先验证该问题满足讨价还价博弈公理，再通过强度帕累托演化算法（strong Pareto evolution algorithm 2, SPEA2）求解得到帕累托前沿，保证收敛速度较快且帕累托前沿分布均匀，最后基于纳什讨价还价博弈求得最优解，解决了不同目标函数之间可能存在的矛盾。该文通过对IEEE 14节点系统的算例计算，验证了该方法的有效性。

关键词: 多目标, 最优潮流, 纳什讨价还价博弈, 遗传算法

Abstract:

To solve the multi-objective optimal power flow （OPF） problem, genetic algorithm （GA） was used to find the Pareto front, and fully reflect the interaction and deviation internal relation of different optimal objective functions. On this basis, Nash Bargaining Game was used to get the global optimal solution. This paper discussed the multi-objective OPF problem with considering the minimum generation cost （or coal consumption） and the minimum system loss simultaneously. This paper firstly verified that the problem could satisfy the Nash Bargaining axiom, secondly obtained the Pareto front by strong Pareto evolution algorithm 2 （SPEA2）, which could ensure faster convergence rate and more uniform Pareto front, and then used Nash Bargaining to find the optimal solution and solve the possible contradiction between the different objective function. Case study on IEEE 14-bus system verified the effectiveness of the proposed algorithm.

Key words: multi-objective, optimal power flow （OPF）, Nash Bargaining Game, genetic algorithm

中图分类号:

TM 73

付艳兰，赵雪霖，刘铠诚，何光宇. 基于演化算法和讨价还价博弈的多目标最优潮流研究[J]. 电力建设, 2015, 36(5): 20-24.

FU Yanlan, ZHAO Xuelin, LIU Kaicheng, HE Guangyu. Multi-Objective Optimal Power Flow Based on Evolutionary Algorithm and Bargaining Game[J]. ELECTRIC POWER CONSTRUCTION, 2015, 36(5): 20-24.

参考文献

［1］袁贵川，王建全,韩帧祥.电力市场下的最优潮流［J］.电网技术, 2004,28（5）:13-17.
Yuan Guichuan, Wang Jianquan, Han Zhenxiang. Optimal power flow under electricity market［J］.Power System Technology,2004,28（5）:13-17.
［2］王彬, 何光宇, 卢建刚, 等. 考虑电网运行状态不确定性的最优潮流研究［J］. 电力建设, 2014，35（10）: 1-6.
Wang Bin, He Guangyu, Lu Jiangang， et al. Optimal Power Flow with Considering Operation State Uncertainty of Power System［J］. Electric Power Construction, 2014, 35（10）: 1-6.
［3］ Wei H, Sasaki H, Kubokawa J. An interior point nonlinear programming for optimal power flow problems with a novel data structure［J］. IEEE Transactions on Power Systems, 1997, 13（3）:870-877.
［4］ Yan Wei, Yu Juan, Yu D C, et al. A new optimal reactive power flow model in rectangular form and its solution by predictor corrector primal dual interior point method［J］. IEEE Transactions on Power Systems, 2006,21（1）:61-67.
［5］刘明波，段晓军，赵艳. 多目标最优潮流问题的模糊建模及内点解法［J］.电力系统自动化，1999，23（14）：37-40.
Liu Mingbo，Duan Xiaojun，Zhao Yan. Fuzzy modeling and interior point algorithm of multi-objective OPF problem［J］. Automation of Electric Power Systems，1999，23（14）：37-40.
［6］卓峻峰,赵冬梅.基于混沌搜索的多目标模糊优化潮流算法［J］.电网技术,2003,27（2）:41-44.
Zhuo Junfeng, Zhao Dongmei. A chaos optimization based algorithm for multi-objective fuzzy optimal power flow［J］. Power System Technology, 2003,27（2）:41-44.
［7］唐忠, 蔡智慧, 黎文华. 基于免疫禁忌混合算法的多目标最优潮流计算［J］. 高电压技术, 2008, 34（9）: 1954-1958.
Tang Zhong, Cai Zhihui, Li Wenhua. Multi-objective optimal power flow calculation based on immune/Tabu search hybrid algorithm ［J］. High Voltage Engineering, 2008, 34（9）: 1954-1958.
［8］卫志农, 向育鹏, 孙国强, 等. 计及碳排放含有碳捕集电厂电网的多目标动态最优潮流［J］. 电网技术, 2012, 36（12）: 11-17.
Wei Zhinong, Xiang Yupeng, Sun Guoqiang, et al. Carbon emission-considered multi-objective dynamic optimal power flow of power system containing carbon-capture plant［J］.Power System Technology,2012,36（12）:11-17.
［9］叶承晋, 黄民翔. 考虑暂态稳定性的多目标最优潮流［J］. 中国电机工程学报, 2013, 33（10）: 137-144.
Ye Chengjin, Huang Minxiang. Multi-objective optimal power flow considering transient stability［J］.Proceedings of the CSEE,2013, 33（10）:137-144.
［10］ Deb K, Pratap A, Agarwal S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II［J］. IEEE Transactions on Evolutionary Computation, 2002, 6（2）: 182-197.
［11］ Mendoza F, Bernal-Agustin J L, Dominguez-Navarro J A. NSGA and SPEA applied to multiobjective design of power distribution systems［J］. IEEE Transactions on Power Systems, 2006, 21（4）: 1938-1945.
［12］ Zitzler E，Laumanns M，Thiele L. SPEA2: Improving the strength Pareto evolutionary algorithm［R］, 2001.
［13］张伯明, 陈寿孙. 高等电力网络分析［M］. 北京：清华大学出版社，1996.

[1]	檀勤良, 丁毅宏, 李渝, 李锐. 考虑经济环境平衡的风光火联合外送调度策略多目标优化[J]. 电力建设, 2020, 41(8): 129-136.
[2]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[3]	魏震波，任小林，黄宇涵. 考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设, 2020, 41(7): 92-99.
[4]	杨蕾，吴琛，黄伟，郭成，向川，何鑫，邢超，奚鑫泽，周鑫，杨博，张孝顺. 含高比例风光新能源电网的多目标无功优化算法[J]. 电力建设, 2020, 41(7): 100-109.
[5]	赵海兵，张焕云，葛杨，程浩原，高文浩，艾芊. 细胞-组织认知下的主动配电系统双层多目标控制策略[J]. 电力建设, 2020, 41(5): 81-92.
[6]	沈青文，程若发，付鑫. 一种计及脆弱性指标的分布式电源优化配置方法[J]. 电力建设, 2020, 41(3): 54-61.
[7]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[8]	钱科军，秦萌，宋远军，周振凯，刘乙，谢鹰，陈丽娟. 基于模糊隶属度的充电站多目标优化调度[J]. 电力建设, 2020, 41(2): 118-124.
[9]	邓玉君，周建萍，茅大钧，胡成奕，叶剑桥，方乐. 基于AFSA的新型电力弹簧多目标电能质量优化控制[J]. 电力建设, 2020, 41(2): 125-132.
[10]	王上行，贾学翠，王立华，闫士杰，李相俊. 混合储能系统的功率变换器电流预测控制方法[J]. 电力建设, 2020, 41(1): 71-79.
[11]	袁桂丽，董金凤，魏更，贾新潮. 基于需求响应和多能互补的冷热电联产微网优化调度[J]. 电力建设, 2019, 40(9): 64-72.
[12]	宫建锋，曹雨晨，胡志冰，陈星屹，葛鹏江，张鹏. 基于改进遗传算法的工业园区综合能源系统能量管理方法[J]. 电力建设, 2019, 40(8): 51-58.
[13]	谭思维，刘洋，许立雄，王瀚琳. 考虑风电消纳的区域多微网-配电网能源交易模式[J]. 电力建设, 2019, 40(7): 1-9.
[14]	孙充勃，宋毅，蔡超，原凯，杨雄. 考虑多场景需求的配电网分布式储能多目标优化配置方法[J]. 电力建设, 2019, 40(7): 48-56.
[15]	潘益，郑建勇，韩文军，张苏，马天. 考虑特高压直流馈入的受端输电网架优化方法[J]. 电力建设, 2019, 40(4): 1-8.

基于演化算法和讨价还价博弈的多目标最优潮流研究

Multi-Objective Optimal Power Flow Based on Evolutionary Algorithm and Bargaining Game

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价