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。     

大规模风电入网下的风气火电力系统联合优化调度

建立综合考虑机组能耗成本最低、环境成本最低、火电机组平稳运行为目标的风气火联合优化动态经济调度模型。采用启发式搜索确定机组组合,避免火电机组频繁启停及过大的系统容量冗余。提出一种改进的混合粒子群算法,通过10机测试系统验证了该算法的优越性。以某地区电网为例进行仿真计算,结果验证了所提调度模型与改进的粒子群算法的可行性和有效性。     

基于改进粒子群算法的风电火电联合调度方法*

针对电力系统风电并网中出现的随机波动性与不确定性问题,建立风 火联合调度数学模型,并提出一种改进粒子群算法对该模型进行求解,以提高电力系统运行的经济性和可靠性。改进粒子群算法（Improved Particle Swarm Optimization, IPSO）从添加粒子速度自适应和添加位移更新自适应两方面对基本粒子算法（PSO）进行改进。仿真结果验证了IPSO具有更高的精度和更快的收敛速度。采用IPSO对10机组算例模型进行优化计算,计算结果验证了所建模型的正确性和所提改进算法的有效性。     

提高风电渗透率的电力系统多目标优化调度研究

为解决风电不确定性给电网调度带来的困难,研究含风电场的电力系统经济调度具有一定的理论和实际意义。提出了一种改进粒子群优化算法的多目标优化调度方法,以常规火电机组发电成本最小和风电消纳电量最大为目标,建立了含风电场的双目标调度模型,采用改进的多目标粒子群优化算法进行优化求解。以包头电网为实例进行了仿真计算,结果表明所提方法能够有效降低系统发电成本,提高风电消纳水平。     

水火电力系统短期节能发电优化调度的研究

本文以提高水火电力系统联合运行的经济和环保效益为总目标,从减少化石燃料的使用量和降低燃煤机组发电成本两方面考虑,将含梯级水电站电力系统短期发电调度问题化为4个具有时序的优化子问题:即梯级水电站发电量最大、水电耗水量最小、火力发电污染物排放最小以及火力发电总成本最小。以此建立的优化调度模型不仅可以确定火电的最佳出力和水电的最佳蓄放水策略,还可描述水电和火电的互补作用,充分体现节能和效益的理念。在模型求解上,针对粒子群算法易陷入局部最优的缺点,在标准粒子群优化算法中引入自适应惯性权重和最差粒子,避免了算法的局部最优和过早收敛;针对各目标量纲不同,权重系数难以合理确定的多目标优化问题,运用满意度函数和欧式距离函数对其进行归一化处理,并采用改进粒子群算法对处理后的目标进行优化求解。算例仿真验证了所建模型的正确性及算法的有效性。     

基于改进粒子群的风电-火电-蓄热电锅炉联合优化调度

蓄热式电锅炉是增加风电-火电系统弃风消纳的重要手段,但是当前风电成本仍高于火电成本,风电消纳和降低蓄热式电锅炉用能成本存在矛盾,考虑多方效益,合理优化风电、火电机组及蓄热式电锅炉的出力,对于降低用能成本、提高风电消纳具有重要意义。文章建立了考虑多目标的含风电、火电机组和蓄热式电锅炉的优化调度数学模型,通过采用偏小型隶属函数将以风电、火电机组运行成本最低和弃风量最小的多目标函数转化为单目标函数,在满足各部分约束条件下求取隶属度最佳的风电、火电机组出力。进一步,提出一种改进的粒子群算法,对上述模型求解。该算法可以跳出局部最优解,具有较快的收敛速度和较高的计算精度。最后,基于某电网的实际数据进行仿真,仿真结果验证了所提方法的有效性。     

基于改进粒子群文化算法的机组组合联合调度研究

电力系统联合优化调度可以提高电网运行可靠性的同时提高经济和环境效益。电力系统联合优化调度主要依赖于优化算法。建立了包含火电、光伏储能的机组组合问题调度模型,并针对机组组合问题的优化求解,提出了改进的粒子群文化算法。通过个体进化和参数调整选择粒子全局最优位置,采用循环拥挤距离来控制非劣解集的大小,实现信度空间和种群空间之间的交互。最后,针对实际的电力系统,结合改进粒子群文化算法和分支定界法对火电电力系统、包含光伏电力系统和储能的机组组合问题进行求解。算例验证了该方法的有效性。     

含小水电群的风-水-火地区电网旋转备用协调优化策略研究

传统旋转备用计算模型已不再适用于含小水电群和风电接入的地区电网。以负荷损失较小、清洁能源利用率高、运行成本低为目标,基于最小火电燃料费用、最小期望停电成本、最小火电机组出力波动和最小主力水电弃水量函数模型,建立了考虑风-水-火协调运行的多目标旋转备用优化模型。采用引入粒子浓度认知的改进粒子群优化算法,通过仿真分析,验证了该模型的适用性和有效性。在不同策略下进行比较,该方法能在较低的失负荷概率情况下,得到较低的火电机组燃料费用;能随着小水电群和风电出力大小协调优化旋转备用容量。该模型及算法对存在相当规模小水电及风电的风-水-火地区电网制定旋转备用优化策略有参考价值。     

考虑相关性的微电网DG接入优化研究

对微电网中的分布式电源(DG)接入进行优化配置可以大大地提高微电网运行的可靠性和经济性。在考虑DG接入的相关性以及负荷重要性的基础上,建立了以考虑DG接入相关性并以微电网运行经济性最优为目标函数的多目标分层优化模型,并采用改进的粒子群算法(IPSO)进行求解。将优化模型及IPSO算法应用于一28节点微电网网架中,通过不同优化方案的对比证明了微电网中对DG接入进行优化配置的重要性,同时表明IPSO算法对于求解此类问题的可行性和有效性。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

基于改进鸡群算法的微电网协同优化运行研究

文中考虑了含风、光、微型燃气轮机、火电机组、蓄电池、燃料电池的典型微电网系统协同优化运行问题。综合考虑出力源的发电成本、燃料成本、环境治理成本、购电成本和售电收益后,建立了典型微电网系统并网和孤网两种运行方式下的优化函数,采用粒子群算法和改进鸡群算法对其优化函数进行求解,得出优化周期内各电源出力情况,并对仿真分析比较,得出具有普适性的控制策略,并验证改进鸡群算法的优点。     

JADE平台粒子群算法在环境经济调度中的应用

在环境经济调度模型中,为同时降低火电机组的燃料成本和污染气体排放量进行多目标优化,模型引入阀点效应并考虑网损,在满足功率平衡和出力限制的前提下,采用一种基于JADE平台下的粒子群多目标优化算法对模型进行求解。算法吸收了粒子群算法的进化机制,将Pareto占优策略和拥挤距离相结合并应用在粒子群算法中,添加了动态惯性权重特性和小概率变异,提高了算法全局搜索能力。在JADE平台下搭建算法模型,并运用IEEE-30节点6机组和IEEE-118节点40机组的标准测试系统进行仿真,结果表明该算法提高了系统的计算速度,改进了算法的并行性,更适合求解大规模复杂系统。     

基于互补机制的水火电力系统机组组合

针对水火电力系统短期发电计划中火电机组的开停机组合与水电调度问题解法复杂性,提出以水电发电量最大、耗水量最小和火电煤耗量最小且具有时序的3个优化子问题的发电调度模型,综合考虑一个调度周期内系统机组的运行状态。基于解耦的水火电力系统优化模型不仅可以确定水电的最佳放水策略,也可以体现水电和火电互补作用,充分提高水火电力系统联合运行的经济性。针对水电系统强非线性特点,采用新型随机全局优化仿电磁学算法进行求解,对火电系统则采用改进微粒群优化算法进行求解。通过一个具有3个体积水电站和5个火电厂的水火电力系统的仿真分析,表明以互补机制为理论基础的优化模型的正确性及算法求解的有效性。     

群体智能的系统辨识

概括了系统辨识的方法,重点介绍了最小二乘法、群体智能算法中的粒子群算法和改进的粒子群算法,给出了估计模型的选择方法,并结合某1000MW火电机组实例,运用两种方法进行了系统辨识和仿真.仿真结果表明,最小二乘法可以完成对系统的辨识,但存在较大偏差;采用粒子群算法辨识结果良好.     

基于BCC算法的含大型风电场的电源规划优化研究

在电源规划中考虑大型风电场的投运,考虑火电机组和风电场的投资及运行成本,以规划期内年综合成本最小为目标函数,同时考虑碳排放、电力电量等各种约束条件,建立电源规划模型。在某地区未来规划期内火电和风电装机计划的基础上,采用BCC算法及改进BCC算法优化电源投运顺序,使规划期内年综合成本最小,计算结果验证了模型和算法的有效性。     

风蓄火联合运行电力系统动态经济优化调度

针对风电的波动性和反调峰特性,为减少火电系统调峰压力,考虑到抽水蓄能机组启停迅速、工况转化灵活等良好的运行特性,建立风电-抽水蓄能电站-火电站联合调度模型。以充分利用清洁能源、降低系统运行成本和火电机组平稳运行为目标建立多目标优化调度模型,充分发挥抽水蓄能机组在电力系统中的调节作用。以避免系统容量冗余、避免火电机组频繁启停和低负荷运行为原则,确定火电机组调度台数。利用引入maxmin函数和ε支配的改进多目标粒子群算法对模型进行求解。通过算例分析,研究抽水蓄能机组的运行效益及联合调度时抽水蓄能机组的调度运行规律和各类机组间的配合运行特点,计算结果表明模型能够为充分利用风电提供良好的调度运行策略,具有一定的实用性。     

引入可调度空间约束的电力系统优化调度模型

传统电力系统优化模型通常以火电机组固有技术出力作为该机组的出力约束,而实际运行中,机组调度出力范围还受净负荷值及机组上一时段出力的影响,出力约束存在较大的优化空间。为有效缩减机组出力变量的可行域范围,提出净负荷增量指标,应用该指标及机组上一时段的出力状态优化各机组可调度空间范围。进一步以可调度空间范围作为约束,建立改进电力系统优化调度模型。运用标准粒子群与模拟退火算法相结合的混合粒子群算法求解。算例结果表明,混合粒子群算法能够有效改进标准粒子群算法陷入局部最优的缺点,提高模型求解精度;此外,引入可调度空间值约束的电力系统优化调度模型与传统优化调度模型相比,在确保求解精度的同时大大减少了计算量,且不易陷入局部最优。该改进的思路与方法也可应用于其它能源系统的优化调度模型中。     

基于IPSO-LSSVM的风电功率短期预测研究

风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法（improved particle swarm optimization algorithm ,IPSO）对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机（LSSVM）的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究。为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机（support vector machine,SVM）模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明,使用改进的粒子群算法优化最小二乘向量机（IPSO-LSSVM）的风电功率预测模型具有较高的预测精度。     

改进混沌离散粒子群与等微增率的机组组合优化

针对火电机组组合问题具有非线性、离散性、随机性以及高维、非凸等特点,提出一种适用于求解大容量火电机组组合优化问题的改进混沌离散粒子群优化算法。基于改进混沌离散粒子群算法来确定机组启停决策变量,采用跟踪负荷变化并引入修正策略来修正机组启停决策变量,提高算法的效率和解的精度。采用Kuhn-Tucker最优性条件对等微增率进行改进,使其分配结果满足爬坡及出力上下限要求。通过改进的混沌离散粒子群与等微增率混合嵌套,分别对外层机组启、停状态变量和内层负荷分配进行交替迭代优化。仿真算例表明,所提出的算法在求解机组组合问题时具有较强的全局搜索能力和适应性。     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。