王归新，田中天

（三峡大学 电气与新能源学院，湖北宜昌 443002）

引言

尽管近年来各种新能源迅速发展，但传统的火力与水力发电仍然在电力系统中占据着主导地位。水火电系统的发电调度一直是电力系统经济调度中研究的重要问题之一，其主要目的在于使火电厂的耗煤量最小，即发电成本最小[1]。考虑到其庞大的体量，短期水火电调度优化不仅可以带来巨大的经济效益，也有着良好的环保价值。

短期水火电调度优化问题由于要服从众多的复杂约束条件，研究者面临的是一个大型的动态、非凸、有时滞的非线性规划问题[2]。解决这一问题的传统方法主要是数学规划，例如线性规划法、非线性规划法、动态规划法等。但传统方法应对上述难点时表现出明显的缺陷，往往陷入维数灾的困局，冗长的计算时间也无法满足实际的使用要求[3,4]。

智能算法的兴起为短期水火电调度提供了新的方法，如遗传算法、粒子群算法、人工神经网络法等在处理这一问题时都有较好的表现[5-8]，虽然存在收敛速度慢、陷入局部最优解的不足，但是通过对参数的优化设置和迭代策略的改进可以取得更好的效果[9]。因此，不同的智能算法及改进策略已经成为短期水火电调度主要的研究方向。灰狼优化和哈里斯鹰优化均是这几年受到生物捕猎行为模式启发而提出的新型智能算法，在不同的应用领域都有较为不错的表现[10,11]。本研究利用分层结构将这两种算法结合起来，得到了一种新的分层混合灰狼-哈里斯鹰优化算法，使其具有更强的全局搜索能力，并将其应用到短期水火电调度优化上。……