计及需求响应的含风电场日前两阶段动态环境经济调度

需求响应作为发电侧与需求侧之间的重要互动资源,能有效调节负荷需求分布来实现节能减排和提高系统风电接纳能力的目的。基于此,将需求响应融入环境经济中,提出一种智能电网下的日前两阶段调度模型:第1阶段为日前用户互动阶段,通过分时电价的杠杆作用引导用户理性用电,以调整次日负荷需求分布,综合考虑负荷水平和用户用电满意度确定最优负荷曲线和分时电价;第2阶段为日前调度阶段,针对风电出力随机性,建立基于机会约束规划的环境经济调度模型,采用风电出力分布函数将其转化为确定性模型。将种群多样性指标和随机黑洞理论引入粒子群算法中,结合多目标搜索机制,提出一种改进多目标粒子群算法对模型求解,并采用逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)对Pareto前沿个体排序,辅助调度人员进行科学决策。改进10机系统的仿真结果验证了该模型及方法的有效性与合理性。     

考虑用户满意度的含风电场多目标环境经济调度

在分析发电侧与需求侧的互动原理基础上,建立基于分时电价的需求响应模型,并将其融入环境经济调度中,联合优化调度风电、火电和需求响应(虚拟发电资源)3种发电资源,以提高风电消纳能力和实现节能减排的目的,改变传统一味优化发电侧资源的调度模式。综合考虑用户满意度、污染气体排放和发电成本3个优化目标,在保证系统运行环保性和经济性的同时使求得的调度方案令用户满意。将禁忌搜索思想融入万有引力算法寻优过程中,结合多目标搜索理论,提出一种多目标禁忌搜索-万有引力算法对模型进行求解。算例仿真结果验证了所提模型的合理性及算法的有效性。     

风电并网时基于需求侧响应的输电规划模型

在输电规划中引入需求侧响应机制,能够促使用户根据实时供用电情况改变电量消费行为,这有利于提高电网运行的灵活性,是应对风电并网不确定性问题的有效手段。综合考虑了风电机组出力的不确定性,建立了风电出力估算模型,并在输电规划目标函数中引入需求侧响应成本,建立了基于需求侧响应机制的输电规划模型,采用贪婪随机自适应搜索过程(greedy randomized adaptive search procedure,GRASP)对模型进行求解。根据Garver 6节点和IEEE-24节点系统测算基于需求侧响应机制的输电规划模型,并通过与一般输电规划模型对比,验证了基于需求侧响应机制的输电规划模型的有效性。     

考虑响应量与风电出力相关性的需求响应优化调度研究

在考虑风电场出力与负荷响应量相关性的基础上,建立以成本最小化为目标的日前优化调度模型。首先根据响应量和风电出力的概率分布建立基于Copula函数的联合概率分布模型;然后提出需求响应（demand response,DR）用户互动满意度指标来限制需求响应负荷的可调节程度;最后建立以电网总成本最小化为目标的日前优化调度模型。以IEEE39标准算例为例验证了模型的合理性和准确性,结果表明考虑响应量和风电出力相关性可以有效降低系统运行成本,提高系统调度的经济性。     

考虑风电消纳的区域综合能源系统源荷协调经济调度

针对冷热电联供(combined cooling,heating and power,CCHP)"以热定电"导致的弃风问题,提出一种考虑风电消纳的区域综合能源系统源荷协调优化调度方法。首先,在源侧引入地源热泵利用风电供热,解耦CCHP"以热定电"运行约束;其次,在荷侧分析电、热需求资源可调度价值,采用电价和激励两类需求响应(demand response,DR)共同协助风电并网消纳;最后,考虑源荷协调建立区域综合能源系统双层优化调度模型,上层采用电价需求响应引导用户响应风电出力变化,下层计及供热舒适度模糊性与地源热泵作用,以调度周期内系统总成本最小为目标决策各机组最优出力,采用商业优化软件CPLEX对双层模型求解。仿真算例表明:该方法有效提高了系统风电消纳能力,降低了系统运行成本,具有良好的社会经济效益。     

考虑风电不确定性和大用户直购电的电力系统经济调度

由于目前的风电预测方法仍不能将误差降低到可以忽略的范围,使得风电接入时增大了系统的不确定性,调度难度增大。同时,大用户直购电作为电力市场改革的重要措施,其引入对系统调度带来了新的挑战。针对以上情况,建立了考虑风电不确定性和大用户直购电的电力系统调度模型。模型在满足电力系统安全运行的基础上以发电企业收益最高为目标,利用风电出力的Beta概率密度函数来考虑由于风电不确定性带来的上、下旋转备用需求的增加,采用机会约束规划处理模型中的不确定因素。最后运用改进粒子群算法在含风电场的IEEE 30节点系统上验证了所建模型的有效性。     

基于场景概率的含风电系统多目标低碳经济调度

提出了基于场景概率的含风电系统的低碳经济调度多目标优化模型。考虑负荷需求、风电出力以及碳交易价格等输入变量预测值的不确定性,提出一种应对不确定问题的场景概率模拟方法,建立更符合实际的多目标优化模型。多目标模型中包含了考虑风电成本的经济调度目标和考虑碳交易的低碳调度目标。为方便分析碳交易对调度结果的影响,定义了平均购电费用、风电价格补贴、机组平均出力份额等评价指标。采用改进的多目标粒子群算法进行优化求解,基于该模型,仿真比较了采用确定方法、随机方法和场景概率方法的优化调度结果,分析了不同目标函数的3种调度方案,最后计算了是否考虑碳交易的评价指标。结果表明,上述优化模型有效可行,算法合理。     

面向大容量风电接入考虑用户侧互动的系统日前调度和运行模拟研究

风电的随机波动性增大了系统调度的难度,将需求响应融入传统发电日前调度计划,将风电备用成本纳入目标函数,同时增加了正负旋转备用约束。以基于消费者心理学的分时电价用户响应原理预测负荷曲线,将可中断负荷作为部分系统备用,建立面向大容量风电接入考虑用户侧互动的系统日前调度模型和运行模拟模型。综合考虑发用电侧资源,将分时电价和可中断负荷这两种需求响应措施融入同一模型,用于应对风电的反调峰特性和间歇性。采用蒙特卡洛算法模拟多种风电出力的情况,评估考虑用户侧互动前后系统的弃风量和电力不足情况,并分析风电渗透率和弃风量、电力不足量的关系。IEEE24节点算例验证说明了本文用户侧互动调度模型的作用,可以起到有效降低发电成本,提高风能利用效率和风电容量利用水平的作用。     

供用能转换促进风电消纳的综合能源系统源荷协调优化调度

针对热电联供“以热定电”约束导致的弃风问题,提出计及供用能转换促进风电消纳的综合能源系统源荷协调优化调度方法。首先,为提高供能方式灵活性,源侧引入变工况运行的空气源热泵以及含余热回收的电转气,优化电–气–热耦合关系以压缩热电联供出力空间,提高系统风电消纳水平。其次,荷侧基于热值等效原理对电、气、热用户的用能转换价值进行分析,在多类能源价格信号的引导下形成含用能转换的综合需求响应机制,协助风电并网消纳。最后,构建计及用户综合用能满意度的综合能源系统源荷协调优化模型,以最小化系统运行成本为目标优化各时段机组出力。算例结果表明,该方法在促进风电消纳的同时能够降低系统运行成本;含用能转换的综合需求响应机制对用户满意度影响较小,更符合用户的实际用能情况。     

风、火、水电短期联合优化调度研究

将风电引入水火调度系统中,针对风力发电的波动性和不稳定性,提出了风、火、水电短期联合优化调度策略.该策略先保证风电出力最大,火电承担基荷、出力平稳,再由水电调节补偿剩余负荷,将风电、火电与水电调度相结合,以补偿风电的不均匀性和随机性.建立了含约束的多目标非线性优化模型,模型求解采用线性加权和法处理多目标函数,外点罚函数法处理约束条件,将含约束多目标问题转化为无约束单目标问题,引入压缩因子的粒子群算法进行单目标优化.实例计算表明,该方法较好的发挥了水电站调度灵活的特点,提高了电网吸纳风电的能力,解决了不同电源的协调问题.     

需求响应促进风电消纳的电力系统环境经济调度

将需求响应作为虚拟发电资源参与发电计划的制定,建立考虑风电消纳的多目标调度模型,以发电成本和污染气体排放最小为目标函数,采用粒子群算法和禁忌搜索算法相结合的混合多目标算法对模型求解,以含一个风电场的10机系统为仿真算例.算例结果表明:需求响应通过分时电价的杠杆作用,可以充分调动用户改变用现有用电结构削峰填谷,提高电网风...     

基于机会约束规划和随机模拟技术的含风电场电力系统多目标优化调度

为了提高含风电场电力系统运行的经济性和可靠性,增强风电并网运行的稳定性,建立了基于机会约束规划的含风电场电力系统多目标机组优化调度的数学模型。考虑到风电场出力的随机性,引入了机会约束规划和随机模拟技术,以常规发电机组的发电成本最低和污染气体排放量最低为目标。问题分为内外两层求解,外层为机组组合优化,利用蚁群算法求解;内层为负荷的经济分配,基于Pareto最优解集概念和整体协调决策机制,结合多目标粒子群求解。用10机算例对模型进行了仿真分析,仿真结果表明所建模型合理、算法有效可行。     

考虑柔性负荷响应的含风电场电力系统多目标经济调度

根据模糊随机理论对风电场功率预测误差和负荷预测误差进行模糊处理,并建立旋转备用模糊机会条件,将其转化为清晰等价类。在碳交易机制下考虑柔性负荷响应对电力系统经济调度的影响,在目标函数中引入柔性负荷响应的非线性成本和碳排放补偿成本,建立了碳交易收益最大和综合发电成本最低的多目标模型,并增加了柔性负荷约束条件。采用离散细菌群体趋药性算法对模型进行处理,以基于偏小型满意度的折中策略求解多目标函数最优解,并通过4种调度模型的对比验证了该模型的可行性。     

考虑峰谷分时电价策略的源荷协调多目标发电调度模型

针对新形势下电力调度的发展需求,提出了一种考虑峰谷分时电价策略的源荷协调多目标发电调度模型。首先,探讨了峰谷分时电价对电源及负荷侧的影响机理,从用户电费支出及用电方式两个角度给出了负荷参与峰谷分时电价的满意度指标。其次,以峰谷分时电价为杠杆,将电源侧的发电成本问题以及负荷侧的用电问题进行有效关联,从源荷两侧建立一个多目标发电调度模型,并进一步给出相应的求解算法。该方法能从电源和负荷两侧最大限度地挖掘发电调度的效益,所得的方案也符合各方的利益需求。最后,通过一个省级电网的算例说明了所提方法的有效性。     

基于量子人工蜂群算法的风电场多目标无功优化

为了分析风机的不确定性出力对电网运行的影响,建立了风电场的概率模型,利用两点估计法(2PEM)进行概率潮流计算。然后,建立了综合考虑有功网损、电压偏移量和静态电压稳定裕度的多目标无功优化模型,并通过层次分析法(AHP)确定各个目标函数的权重,避免了人为主观臆断性。提出了量子人工蜂群算法,并将该算法和前述的概率潮流计算相结合应用到风电场无功优化当中。最后,以IEEE 14节点系统为例,将风电场接入该系统进行无功优化,并和传统的人工蜂群算法(ABC)进行比较,结果表明量子人工蜂群算法优化效果更好,具有更高的收敛精度,有效地避免了早熟现象。     

面向边缘计算的人工鱼群搜索任务调度

如何将计算任务分配到合适的边缘计算资源上进行计算,以满足边缘计算环境下用户的计算需求、提高用户任务请求 的服务质量,是边缘计算中面临的关键问题。 本文提出一种基于人工鱼群搜索的边缘计算任务调度方法(AFETSA)。 将人工 鱼群搜索算法和边缘计算任务调度模型相结合,采用非线性递减函数动态地调整人工鱼的视野范围和步长,以提高启发式任务 调度算法的全局搜索能力,降低任务的计算时延;同时与禁忌搜索算法进行融合,通过引入忌禁表,在每一次迭代中防止算法陷 入局部最优,提高算法的寻优能力。 CloudSim3. 0 仿真平台实验评测结表明,本文所提 AFETSA 方法和已有的 AFSA、ACO 和 PSO 这 3 种调度算法相比,在任务执行时间、算法稳定性、负载均衡方面都有明显的提升,可充分利用边缘服务器计算资源,提 升计算任务的计算性能,有效解决边缘计算中任务调度不均导致的时延过高和负载不均衡问题。     

改进仿电磁学算法在多目标电网规划中的应用

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性多目标电网规划方法。为提升算法的性能,引入被动聚集思想对基本模型的全局寻优能力进行了改善。采用自适应权重、自适应变异和精英策略等措施来改善仿电磁学算法的收敛性。针对电源规划、变电站布点和负荷需求均已知的电网规划,将反映电网经济性和可靠性指标的多目标函数转化为求电网规划最小耗费的单目标模型。对一个18节点系统进行了十进制编码,计算结果证明了该算法能有效地解决电网规划这类含离散变量的大规模组合优化问题和提高规划方案的综合满意度。通过与遗传算法、基本ELM的仿真对比,改进的ELM模型在寻优效率和容错性方面具有明显优势。     

基于混合粒子群算法的源-荷-储协调优化调度

为了提高新型电力系统中对风电和光伏的消纳能力，降低电力系统运行成本，将火电机组、光伏、风电、需求响应负荷和储能系统作为调度资源建立了基于源-荷-储协调的优化调度模型。 以火电机组运行成本、弃风弃光成本和需求响应负荷调度成本最小为目标，提出了一种两阶段优化方法。第一阶段优化采用离散二进制粒子群优化算法，使火电机组启动成本和弃风弃光成本之和最小。在第一阶段优化结果的基础上，第二阶段的优化采用双层连续粒子群优化算法使基于电价的需求响应负荷调度成本和燃料成本之和最小。算例结果验证了该优化调度模型的可行性和有效性。     

计及权系数影响的区域电网时段多目标调度优化策略

为了解决区域电网受风光机组出力的不确定因素影响的调度优化问题,提出了含风光机组在内的多电源多目标调度优化模型,目标函数中考虑了经济运行成本及环境治理成本,同时增加了备用容量和爬坡能力等约束。考虑权系数对多目标优化结果的影响,基于不同的负荷情况,对多目标优化的权系数进行动态选取,得到各阶段负荷下对应的权系数。该文将负荷分为基荷、腰荷及峰荷三种情况,根据模糊综合评价法对各种负荷情况动态确定权系数,以此提出四种优化方案。为了降低综合成本,在考虑了各种约束的前提下,利用改进的粒子群算法求解模型,求得四种方案下的分时段综合成本,并确定调度优化方案,同时得到运行周期内区域电网中机组出力的最佳策略,最后通过实例验证了所提基于动态权系数的多目标调度优化策略的有效性。     

基于改进人工鱼群算法的大规模多目标机组组合优化

大型电力系统包含众多发电机组,且运行时需要考虑诸多方面的因素,其机组组合优化是一个多目标多约束的非线性大规模优化问题,现有方法存在诸多不足。人工鱼群算法在解决非线性优化问题时性能良好,但存在寻优效率低、可能陷入局部极值等缺点。针对这些不足,提出了改进的人工鱼群算法。该算法引入了可变视野,对人工鱼移动策略做出了调整并与遗传算法中的变异操作相结合。构建了兼顾经济性与环保性的多目标优化模型。为了解决机组规模扩大导致的计算时间过长问题,采用了分阶段的优化方法,将改进后的算法应用于启停安排阶段,确定机组启停状态后采用混合整数规划法进行负荷分配。针对最高包含1000台机组的大电网机组优化算例进行了模拟实验,实验结果表明:改进后的优化算法的收敛性和全局搜索能力均得到了提高,大规模机组组合的计算时间大大缩短。多目标条件下也取得了理想结果,验证了该方法的有效性。