基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。     

计及运行风险的无功优化强化学习智能算法

为提高电力系统的运行安全性,本文将电力系统风险评估理论引入到传统无功优化中,建立了考虑运行风险的多目标无功优化数学模型,并为此提出了一种全新的迁移部落强化学习算法,该算法将人工智能算法的随机搜索机制和强化学习算法的迭代模式有机融合,利用知识矩阵储存部落寻优信息,通过知识迁移显著提高了在线学习阶段算法的速率。IEEE 118节点标准系统的仿真表明：迁移部落强化学习算法在保证较好的全局寻优性能的同时,速度可达传统人工智能算法的2-10倍,有效解决了考虑风险的多目标无功优化的动态快速求解。     

改进支持向量机在电力变压器故障诊断中的应用研究

针对电力变压器故障诊断中状态量判断指标过于绝对、智能算法准确率受参数影响等问题,在分析电力变压器故障的基础上,提出将支持向量机(Support Vector Machine,SVM)和细菌觅食算法(Bacterial Foraging Algorithm,BFA)相结合用于电力变压器的故障诊断方法。通过细菌觅食算法的寻优能力找到最优的支持向量机惩罚因子和核参数,提高了故障诊断能力。通过仿真和实例进行对比分析,验证了该方法的优越性。结果表明,相比于粒子群优化,细菌觅食算法具有更好的寻优能力。基于BFA-SVM的故障诊断模型,相比于改进前,具有更高的准确性、鲁棒性和寻优能力,故障诊断准确率相比于粒子群优化提高了7.50%,具有一定的实用价值。     

梯级水电站优化调度的变阶段逐步优化算法

逐步优化算法(POA)在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析POA寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了POA的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的"自上而下逐电站"寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比POA算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。     

基于鸟群算法的微电网多目标运行优化

为了在微电网的运行中寻找到最理想的调度策略,对于微电网的多目标优化问题,采用传统智能算法求解易陷入局部最优而难于找到全局最优解,因此采用一种生物启发式算法——鸟群算法,对以运行成本及环境污染度为目标的微电网多目标优化模型进行求解。该算法模仿鸟群觅食、警觉、迁移的习性,生成对应的种群更新策略,兼具粒子群算法搜索效率高和微分进化算法稳定性好的优点。通过与两者寻优结果比较,表明该算法具有较强的全局、局部搜索能力且收敛鲁棒性好的特点。     

改进型细菌觅食算法应用于配电网络重构

为了更有效地解决配电网络重构问题,该文将结合粒子群算法特性的改进型细菌觅食算法应用于该问题求解。文中将粒子群算法的群体寻优机制引入细菌觅食算法中,并针对细菌觅食算法后期种群过于单一、易陷入局部最优的缺陷,通过算法机理分析,提出了采用均分变异繁殖的方式和新的驱散规则。既赋予了算法搜索的导向性,也保护了种群繁殖后的多样性,有效提高了算法寻优速度与全局搜索能力。最后,将改进后算法应用于配电网络重构求解。算例结果表明,该算法能快速有效地得到最优解,是可行的。     

细菌觅食算法混合PSO的阻尼控制器参数优化

为了在多机电力系统中设计最优电力系统稳定器从而阻尼低频振荡,提出了一种基于细菌觅食算法和粒子群优化的混合方法。首先,给出了优化阻尼因数和阻尼比的基于特征值的目标函数;然后,利用PSO引入细菌的变异算子;最后,运用BSO搜索和迭代得到最优控制器参数。仿真结果表明,相比原始BFOA算法和PSO算法,算法在提高电力系统稳定性方面取得了更好的性能。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

反映实时供需互动的Stackelberg博弈模型及其强化学习求解

为充分挖掘供给侧发电机和需求侧柔性负荷的联合优化调度空间,实现分布式自律计算与集中协调的互动框架,满足供需互动快速决策的需求,最大化系统的整体效益,搭建了基于Stackelberg博弈的电力系统实时供需互动模型,并提出了一种全新的深度迁移强化学习(deep transfer reinforcement learning,DTRL)算法。该算法通过对历史优化任务的有效信息进行知识存储,利用深度学习实现高精度的非线性迁移学习,并借助分布式计算优势,可快速获得高质量的最优解。算例仿真表明:DTRL在保证最优解质量的同时,其求解速度可达其他6种对比算法的419倍以上,适合求解大规模电力系统的供需互动快速决策问题。     

基于改进细菌觅食算法的微网鲁棒经济调度

可再生能源出力的随机性和波动性给微电网经济运行优化带来较大困难。采用鲁棒优化理论将常规微电网经济运行优化模型中的不确定性因素加以处理,构建了计及可再生能源、储能装置和热电联产系统的微电网经济运行鲁棒优化模型;通过改进常规细菌觅食算法中复制操作和驱散操作,有效兼顾了个体寻优过程中寻优速度与寻优深度。算例分析表明,改进算法能够有效求解本文所提模型,在保证微电网可靠运行的前提下,所提方法能够实现各微源动态经济调度,有效降低微电网运行成本。     

应用近似动态规划算法求解安全约束随机动态经济调度问题

针对大电网安全约束随机动态经济调度(DED)问题的求解时间太长,提出了应用近似动态规划算法快速求解不含抽水蓄能电站电网的安全约束随机DED问题的方法。建立了随机DED问题的虚拟存储器模型,以系统的正旋转备用容量作为存储变量,构建系统相邻时段的状态转移方程,并考虑了各输电线路和断面的安全约束。以风电场日前功率预测曲线为基础,通过拉丁超立方抽样产生风电场出力的误差场景,并逐一场景递推求解每个时段的二次规划模型以对各个时段的值函数进行训练,形成收敛的值函数,再代入预测场景求解以获得最终的优化调度方案。该方法实现了对随机DED模型各个场景和各个时段的解耦求解,将一个大规模优化问题分解为一系列的小规模优化问题,有效提高了对大电网随机DED模型的求解速度。以某一实际省级电网为算例,通过与场景法和鲁棒优化调度方法的比较验证了所提出模型和求解方法的正确有效性。     

鲁棒优化在电力系统调度决策中的应用研究综述

鲁棒优化是一种利用区间扰动信息,在最劣扰动条件下进行最优决策的优化方法,因其具有基础数据易得、计算效率高、适用于大规模系统求解等优点,近来,被应用于电力系统的调度决策问题。文中在阐明鲁棒优化自身特点的基础上,首先,对鲁棒优化方法在电力系统机组组合问题中的应用进行了介绍,阐述了连续性、偶发性扰动模式下的鲁棒优化方法建模规律,讨论了常用不确定集的形式和保守度的控制方法;其次,介绍了鲁棒优化方法在经济调度问题中的研究现状,介绍了三类典型方法,包括自适应鲁棒优化方法、含仿射矫正过程的实时调度鲁棒优化方法和最大化可接受扰动范围鲁棒优化方法,并对其各自的特点进行了阐述;最后,对该领域研究面临的关键问题和未来的发展方向进行了探讨和分析。     

非理想通信网络条件下的经济调度鲁棒协同一致性算法

考虑到实际通信网络中不可避免受到传输时延、噪声以及时变拓扑等因素的影响,提出一种计及非理想通信环境的经济调度鲁棒协同一致性优化算法。通过引入虚拟一致性变量,使得智能体之间的通信拓扑更加灵活,方便机组的即插即用,从而解决了时变拓扑下的一致性协同。在一致性计算中引入了一致性增益函数,有效抑制了传输噪声和时延。IEEE 39和118节点算例仿真表明:所提算法适用于非理想通信网络下的一致性经济调度,在保证收敛性的同时,可以获得较为满意的优化结果。     

考虑风电接入的交直流互联电网动态最优潮流

针对考虑风、火协调的交直流互联电网日前经济调度问题,提出了时空协调、主子迭代的复杂交直流互联系统建模及求解框架,以降低该高非线性问题的求解复杂度。通过精细化考虑交流潮流、直流输电系统稳态运行特性、双馈风电机组及无功补偿装置特性等运行约束条件,建立了风、火、直流线路协调优化的日前动态最优潮流主、子问题模型,在确保日前计划潮流、电压不越限的前提下,为有功、无功协调优化奠定了模型基础。为求解该复杂非线性优化问题,文中基于Benders分解法提出了主、子问题并行高效迭代的求解算法,在保证求解最优的前提下,有效提高了求解效率。算例分析从安全性、经济性、收敛性、高效性等方面验证了文中所述模式、模型和求解方法的有效性。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

基于最近电压稳定临界点的发电机无功备用优化方法

目前发电机的无功备用优化方法均基于固定的负荷增长方式,而当考虑负荷、新能源出力预测误差之后,这种优化方法无法有效评估最危险负荷增长方式下的无功备用水平。针对这一问题,文中提出基于最近电压稳定临界点的发电机无功备用优化非线性二层规划模型,上层问题在给定基态节点注入功率的情况下,将求取最近电压稳定临界点及对应的最危险负荷增长方式化为极限曲面二次近似和连续潮流校正的两层迭代格式,而下层模型则求解该最危险负荷增长方式下的无功备用问题,并将修正的基态节点注入功率返回上层模型。为证明该模型的有效性,首先在若干假设的前提下证明了最优解的存在性和充分必要条件,进一步分析表明所提方法可考虑节点负荷增长方式的不确定性,有效提升最危险负荷增长方式下系统的无功备用水平,提高系统的电压稳定裕度,保障系统的安全运行。     

考虑用户满意度的电动汽车分群调度策略

提出了一种电动汽车分群调度策略,分别以电动汽车的出行结束时刻、所需充电时长、出行起始时刻和最大充电时延为判别量对电动汽车进行分群,并对每个子群的电动汽车分别制定延时充放电策略,以平抑配电网有功功率的日内波动并吸纳正午时段富余的光伏功率。该模型可基于统计模型为实际系统中的每辆电动汽车进行合理的调度指导,并充分考虑了电动汽车用户的满意度。此外,由于配电网中含有光伏、电动汽车等不确定因素,该模型采用区间数来描述电动汽车充放电功率等不确定量,并采用区间潮流对配电网进行优化。最后,通过算例验证了所提模型的有效性和采用区间优化的必要性。     

基于负荷均衡加载的电力系统分布式经济调度策略

在构建以新能源为主题的新型电力系统背景下,电网面临以电动汽车为代表的电气化交通负荷剧增的巨大挑战。针对上述问题提出一种负荷均衡优化模型,将负荷均衡后的集群电动汽车依次并入电网。然后应用多智能体一致性算法,以发电机组的增量成本和集群电动汽车的增量效益作为一致性变量,设计一种集群电动汽车参与电力系统经济调度的算法,通过分布式优化方式解决经济调度问题。建立4种典型的仿真情景,分别验证集群电动汽车分步参与电力系统分布式优化调度的有效性、对不同通信拓扑和功率受约束情况的适用性以及分布式优化算法在集群电动汽车参与经济调度时“即插即用”的能力。在IEEE 39节点系统上进行算例仿真,验证了策略的有效性。     

计及电缆热特性的电热耦合潮流计算

将交联聚乙烯绝缘电缆热平衡方程与电网潮流模型有机结合,构建计及电缆热特性的电热耦合潮流计算模型,实现将架空线路、电缆导体、金属护套以及外护套的温度纳入潮流计算状态量,并在牛顿法修正方程基础上结合高压电网及电缆热平衡方程特点提出该模型的快速解耦求解方法。作为电热协调理论研究的扩展,文中研究能够计算各种预想电网运行模式下架空线路及电缆温度轨迹,有利于在电网分析及调度决策中实现对电缆载荷能力的科学评价及高效利用。     

基于布谷鸟搜索和模拟退火算法的两电压等级配网重构方法

为进一步提高电力系统整体资源的优化配置,加强各电压等级之间的协调性,降低电网运行的经济成本,将单电压等级配电网结构优化问题拓展至两电压等级,提出了一种两电压等级的配网重构优化方法。以有功网损、电压偏差、负载均衡度为目标函数,在满足各电压等级电网运行条件的同时,引入各电压等级供电可靠性约束以及线路负载率约束等协调性约束指标,利用布谷鸟搜索算法寻优。并针对其在后期收敛速度慢、收敛精度差的缺点,引入模拟退火算法以提高算法的全局和局部搜索能力。算例分析表明所提方法是可行和有效的。