考虑风电光伏出力不确定性的多目标最优潮流

风电和光伏等出力不确定的电源在电网的渗透率逐渐增高,给电网的潮流优化带来一定影响.为此,本文针对考虑风电光伏出力不确定性的电网多目标最优潮流进行了研究.首先分析了风机、光伏出力的不确定性,建立了相关的数学概率模型.然后建立了以电网运行成本、有功损耗、电压偏移最小为目标的多目标优化模型.针对本文模型,提出利用量子粒子群算法进行求解.最后利用IEEE30节点系统进行仿真分析,对比说明了考虑风机和光伏出力与否对最优潮流的影响.     

一种需求响应参与下风电储能系统调度方法的研究

针对风电并网对电力系统稳定性的不利影响,论文将储能系统和需求响应引入含风电的电网优化调度中.首先以系统最低发电成本为调度目标,以日前预测和实时风能预测作为随机变量,将需求响应和储能系统分别引入需求侧和发电侧,同时通过两阶段调度,构建风电储能系统的两阶段调度优化模型.其次利用粒子群优化算法对模型进行求解.应用场景分析的结构表明,所提调度方法采用粒子群优化算法可以较好求得模型的全局最优解;通过储能系统和需求响应的引入可以提高主动配电网的风电利用效率,降低发电成本.     

不确定性云环境工作流调度多目标优化

云计算弹性的资源提供和虚拟机性能的不稳定性使得工作流的执行面临诸多不确定性.针对此问题,考虑执行时间具有不确定性,基于执行时间和代价的同步优化,提出同步满足健壮性的三目标优化工作流调度算法.以满足帕累托最优的均衡最优解集的形式进行建模,以启发式方式对模型求解.为衡量均衡解的质量,设计基于超体积的评估机制,得到冲突目标的均衡调度解,比原始双目标优化对执行时间的波动具有更小敏感性.实验结果表明,比较未考虑不确定性的双目标优化,该算法求解质量更高,均衡度更好,更符合不确定性实时云工作流调度.     

含风电的发电资源优化调度与仿真研究

风电大规模集群接入电网给电力系统的调度带来巨大挑战.基于对风功率波动特性的分析,将风电作为负的负荷,构建了以污染物排放最小为目标的含风电的电力系统优化调度模型.根据次日风功率和负荷功率的预测值,安排火电机组的发电调度计划.把目标函数作为适应度函数,利用遗传算法迭代优化蚁群算法的参数,得到两者融合后的改进算法,最后求得最优解.实例仿真表明,本文提出的运行调度模型及改进求解方法能够用于计划机组出力,可有效减小污染物的排放.     

基于差分进化粒子群算法的多目标无功优化

针对电力系统有功网损最小、电压水平最好和电压稳定裕度最大的多目标无功优化问题,提出一种基于差分进化的改进多目标粒子群优化算法。该算法通过对Pareto最优解集的差分进化来增加Pareto最优解的多样性,通过拥挤距离来控制精英集中非支配解的分布,以提高对种群空间的均匀采集;采用擂台赛法则构造多目标Pareto最优解集,较大程度的提高了算法的运行效率;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。将该算法在IEEE14、IEEE30节点标准测试系统上进行了无功优化仿真,结果表明,基于差分进化的改进多目标粒子群优化算法能够在保持Pareto最优解的多样性的同时具有较好的收敛性能,为多目标无功优化提供了一种新的方法。     

基于改进PSO的智能变电站五防闭锁系统优化控制

为了改善因变电站系统充放电转速忽高忽低导致的五防闭锁系统失控的问题,提出基于改进PSO的智能变电站五防闭锁系统优化控制方法,根据已拟定的有功潮流调度数值构建智能变电站无功优化数学模型,并在基础PSO算法内添加惯性因子与变异算子,优化其搜索精确度获得局部最优解,对智能变电站系统进行无功优化处理,通过五防闭锁系统响应充放电...     

含风电电力系统的主从博弈经济调度

风力发电具有显著的随机性和波动性,对电力系统原有调度模式提出挑战.采用鲁棒优化处理风电不确定性,利用鲁棒优化蕴含的博弈思想,将风电场看作调度中心的一个虚拟博弈者,利用双层规划法建立了二者的主从博弈模型,将调度中心看作领导层,其决策目标为电网运行的成本最低,将风电场看作下属层,其决策目标是能保证系统实时安全运行的最大风电出力区间.由于考虑了火电机组的阀点效应,主从博弈模型呈现出非线性双层规划的数学特点,提出一种改进教与学算法与线性规划相嵌套的求解方法.最后,采用改进的10机39节点系统对模型以及求解方法的有效性进行了验证.     

考虑经济性和电压稳定性的含电子电力变压器的多目标最优潮流计算

为探究含电子电力变压器的电力系统最优潮流问题,在分析电子电力变压器简化模型、最优潮流的控制变量以及约束条件的基础上,建立了综合考虑经济因素和电压稳定性的含电子电力变压器的多目标最优潮流模型。模型中将减少发电成本和提高负荷裕度指标作为目标函数,考虑了电子电力变压器灵活的有功无功调节能力、有载调压变压器的电压调节能力、可调度负荷及可调无功电源的有功无功调节能力,提出使用基于遗传算法和内点算法的混合算法对最优潮流模型进行求解,算法的主要思想是以遗传算法为框架,对离散变量进行优化,在遗传算法的每一次迭代过程中,采用内点算法对每个体进行连续变量的优化和适应度评估。基于IEEE-14节点算例,分别进行了基于混合算法和基于内点法的最优潮流计算,计算结果验证了文章所提模型的合理性和算法的有效性。     

基于并行混沌和SFLA的风电电网无功优化模型设计

针对已有方法在解决电网无功优化时,由于系统的无功不足和电网电压的不稳定,容易过早收敛到局部最优解的缺点,设计了一种基于并行混沌和混合蛙跳算法(Shuffle Frog Leaping Algorithm,SFLA)的电网无功优化模型;首先,建立了最小化有功网损、最大化静态电压稳定裕度和最大化无功补偿单位投资收益的多目标数学优化模型,然后,对经典的SFLA进行改进,通过引入精英协同进化机制和划分种群的方式实现并行寻优,从而增加个体的多样性和加快最优解的求取速度,在不同种群中设计不同的适应度函数和个体更新进化方法;为了使得算法的初始解分布更为均匀,引入用混沌机制来对种群进行初始化,最后,对基于并行混沌和SFLA的总体算法进行了设计和分析;在Matlab环境下进行实验,实验结果表明文中方法得到的优化结果具有电网有功损耗小、单位投资收益高和静态电压稳定裕度大的优点,具有较强的可行性和适应性.     

基于飞蛾算法的有源配电网储能双层优化方法

由于风电、光伏等可再生能源不稳定的特性,导致电网储能装置输出的灵活性较低,为此,提出基于飞蛾算法的有源配电网储能双层优化方法。考虑系统的负荷波动,利用飞蛾算法以功率平衡为目标对电网储能进行优化,通过对飞蛾的位置参数进行无量纲化处理,以潮流平衡为目标进行二次优化,确定最终的储能配置。测试结果表明,设计方法下电网储能装置输出具有较高的灵活性,能够有效提高有源配电网运行的稳定性,为其提供可靠的电能供给。     

电力市场环境下有功优化调度方法综述

电力系统安全经济运行是电力系统中重要问题之一,随着发电侧电力市场的开放,传统有功优化调度方法已难适应当前电力市场环境.从调度模型及优化算法两方面进行综合分析,总结了电力市场环境下有功优化调度的数学模型、优化算法及其主要成果,并指出了各种算法的优缺点.     

无线电能传输系统参数优化

无线供电系统中线圈、线圈间互感、补偿电容、谐振频率各个参数之间相互制约、相互影响,系统的设计是一个多参数、多变量的优化问题。以往的参数优化一般是单参数优化而且只优化到互感,并没有优化到具体的匝数,系统设计需要较大修正。为解决此问题,在得到系统的传输功率和效率模型的基础上,利用线圈匝数与自感互感的关系,以PS型拓扑为优化对象,给出了系统的非线性数学规划模型,利用遗传算法得出了系统的最优设计参数。最后,通过实验研究证明了理论分析与设计方法的正确性。     

基于改进遗传算法的电力系统无功优化的研究

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,其优化过程比较复杂。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题。本文选用遗传算法求解电力系统无功优化问题,并对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进,使用本文提出的改进算法对IEEE1 4节点进行无功优化计算,结果证明本文模型和算法的实用性、可靠性和优越性。     

开关电源PSO-LQR控制器设计与研究

本文以开关电源为控制对象,并提出了基于PSO的开关电源LQR控制器的设计.首先,利用现代控制理论建立了开关电源的状态空间模型,而后采用粒子群算法对开关电源LQR控制器加权矩阵进行了优化,以保证该电源能够为用户的精确地提供所需的电源.仿真结果表明,该课题所采用的方法能够满足系统输出快速响应的要求,各项指标优于传统方法所得到的结果.     

Particle swarm optimization with query-based learning for multi-objective power contract problem

Particle swarm optimization (PSO) is one of the most important research topics on swarm intelligence. Existing PSO techniques, however, still contain some significant disadvantages. In this paper, we present a new QBL-PSO algorithm that uses QBL (query-based learning) to improve both the exploratory and exploitable capabilities of PSO. Here, we apply a QBL method proposed in our previous research to PSO, and then test this new algorithm on a real case study on problems of power conservation. Our algorithm not only broadens the search diversity of PSO, but also improves its precision. Conventional PSO often snag on local solutions when performing queries, instead of finding better global solutions. To resolve this limitation, when particles converge in nature, we direct some of them into an “ambiguous solution space” defined by our algorithm. This paper introduces two ways to invoke this QBL algorithm. Our experimental results confirm that the proposed method attains better convergence to the global best solution. Finally, we present a new PSO model for solving multi-objective power conservation problems. Overall, this model successfully reduces power consumption, and to our knowledge, this paper represents the first attempt within the literature to apply the QBL concept to PSO.     

风–光互补发电系统的频率控制

由于风、光的强随机性和负荷的多变性,风-光互补发电系统的频率稳定性变差.有功功率优化既能够保证发电系统频率的安全与稳定,又能够使其经济地运行.但它是一个带约束的非线性多极值优化问题,用传统的方法很难处理.随着风-光互补发电场规模的增大,频率控制的实时性变差.针对这些问题,建立了以发电成本最小为目标的频率优化控制的数学模型,提出了基于均匀设计和惰性变异的粒子群算法和基于多Agent的协调优化方法,并用于发电系统频率的优化控制.实验验证了频率优化控制模型的正确性,显示了改进的粒子群算法比标准的粒子群算法优化效果更好;另一实验显示,多Agent的协调优化方法比单一种群的粒子群算法更加高效、更加适合于大规模风-光互补发电系统的频率控制.     

嵌入式软硬件低功耗优化研究综述*

随着时代的进步,制约着嵌入式设备广泛应用的障碍不再是处理器的速度、芯片的工艺,而是设备功耗。如何在相同能量的供给情况下工作时间最长、完成的任务最多,或者是运行相同的程序使用较少的能量成为嵌入式领域备受关注的研究方向。从硬件级、指令级和编译过程三个层次,由各层次相应公式的各个参数展开,对国内外的功耗优化研究现状进行综述和评价,并最终结合实验室SPARC仿真项目,提出基于SPARC仿真功耗优化研究的三个方向。     

电力系统经济负荷分配的混合粒子群优化算法

为解决电力系统中的经济负荷分配问题,提出一种将约束优化与粒子群优化算法相结合的混合算法,同时引入直接搜索方法。使得混合后的粒子群优化算法不但具有高效的全局搜索能力,而且具有较强的局部搜索能力,避免陷入局部最优,提高求解精度。对两个实例进行测试,与其他智能算法的结果比较,证明提出的算法可以有效找到可行解,避免陷入局部最优,实现问题的快速求解。     

改进混沌PSO算法的电力系统最优潮流计算

电力工业的市场化改革对最优潮流（Optimal Power Flow,OPF）的计算精度和速度提出了更高的要求。在分析最优潮流理论及其算法的基础上,对比一些经典解算法,引入粒子群优化算法（PSO）来计算发电厂成本耗费问题。考虑到传统PSO算法处理OPF约束条件时,对随机粒子个体的质量和速度的选取不能保证,且收敛速度慢,并容易陷入局部最优解,提出改进的混沌粒子群算法,即利用混沌运动特性来改进粒子群算法。利用该算法与其他算法对IEEE5节点算例进行分析比较,结果表明改进的混沌微粒群优化算法可较好处理最优潮流约束条件,有效提高了PSO算法的全局收敛能力和计算精度。在处理最优潮流问题上具有一定的有效性和优越性。     

Short-term power load forecasting using grey correlation contest modeling

Power load has the characteristic of nonlinear fluctuation and random growth. Aiming at the drawback that the forecasting accuracy of general GM(1,1) model goes down when there is a greater load mutation, this paper proposes a new grey model with grey correlation contest for short-term power load forecasting. In order to cover the impact of various certain and uncertain factors in climate and society on the model as fully as possible, original series are selected from different viewpoints to construct different forecasting strategies. By making full use of the characteristic that GM(1,1) model can give a perfect forecasting result in the smooth rise and drop phase of power load, and the feature that there are several peaks and valleys within daily power load, the predicted day is divided into several smooth segments for separate forecasting. Finally, the different forecasting strategies are implemented respectively in the different segments through grey correlation contest, so as to avoid the error amplification resulted from the improper choice of initial condition. A practical application verifies that, compared with the existing grey forecasting models, the proposed model is a stable and feasible forecasting model with a higher forecasting accuracy.