基于分层分枝定界算法的机组组合

针对常规机组组合算法计算量大、计算精度不高的问题,提出了一种分层分枝定界算法.该算法采用分层求解策略,对传统机组组合模型进行线性化处理,进而基于线性规划算法求解松弛整数变量的线性化机组组合模型,通过取整策略形成初始分枝,作为分枝定界算法的上层;采用经典广度优先搜索算法的节点搜索策略,以及考虑负荷备用和机组启停时间约束并结合最大、最小边界的分枝策略,不断进行分枝、定界和剪枝获得下层问题的最优解.不同测试算例分析表明,所提出的分层分枝定界算法快速、稳定,能够考虑机组爬坡约束,可以在保证合理计算时间内有效提高求解精度.     

基于分布鲁棒机会约束的机组组合模型

可再生能源的大量渗透使得传统的机组组合的解决方法不可行,文中主要对含有不确定变量约束的机组组合模型进行研究.将含不确定变量的功率平衡约束松弛为不等式约束,并将该不等式约束与旋转备用约束以及传输极限约束均转化为基于矩信息模糊集的分布鲁棒机会约束模型,采用双边模型处理传输极限约束以提高可靠性;为了使模型便于求解,双边模型采用Bonferroni近似,通过线性化手段将分布鲁棒机会约束机组组合模型转化为混合整数线性规划模型;以假定模糊集中的分布函数具有单峰性的方式降低模型的保守性;应用六机系统的算例验证了所建模型的有效性.     

基于二进制微分进化算法和目标函数分解的大规模机组组合求解

为了避免在机组组合求解过程中将机组启停计划和负荷经济调度两者形成内外双层嵌套求解,从而导致计算比较耗时的问题,引入启运机组的总平均燃料成本和系统旋转备用剩余量这2个可调节的子目标,将传统的机组组合模型分解成2个独立的优化目标,构建了一种基于目标函数分解的二阶段可独立求解的机组组合模型。采用一种改进的二进制微分进化算法对第一阶段的机组启停计划目标进行求解,对每个代表机组启停状态的个体编码采用机组最小启停时间约束、旋转备用约束、机组去组合等处理机制,有效保证了每个解的有效性并缩小了算法的搜索空间。根据求解得到的机组启停状态,采用半定规划法求解第二阶段的负荷经济调度目标。采用经典的测试算例验证了所提方法在大规模机组组合求解中的有效性。     

考虑安全约束的机组组合免疫算法模型

根据机组组合问题的特点,尤其是电力系统中安全约束的特性,提出了一种基于改进免疫算法的机组组合算法.免疫算法的优势是处理0-1变量,该算法对免疫算法有2个改进:一是以一个抗体片段表示一个机组在调度期间的状态,并以抗体片段记忆库形式保留优秀抗体的信息;二是扩展抗体,将起作用的安全约束信息也作为抗体信息的一部分,并形成安全约束记忆库,从而模拟了调度中"人工选择起作用的约束"过程,解决了以往基于启发式算法的机组组合模型一般难以处理大规模安全约束的问题.此外,算法中采用基于群搜索优化的最优逼近变异法,减少了抗体随机变异的盲目性.最后用IEEE 118节点系统算例对所提出的方法的有效性和合理性进行了验证.     

基于场景集的含风电电力系统旋转备用优化

大规模风电并网对电力系统调度运行和旋转备用的决策带来了难题。将电量不足期望和弃风电量期望通过惩罚系数引入机组组合目标函数中,权衡系统经济性和可靠性,协调决策旋转备用。通过拉丁超立方采样建立基于机组强迫停运、风电出力预测误差和负荷预测误差离散化的场景集,基于所建立的场景集推导出电量不足期望和弃风电量期望跟旋转备用的关系式并作为机组组合模型的约束,进行含风电电力系统发电和旋转备用计划协调决策。仿真结果表明建立的模型能根据可靠性要求灵活安排机组出力和旋转备用计划。     

遗传粒子群混合算法在电厂机组负荷组合优化中的应用

粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。     

含抽水蓄能电网安全约束机组组合问题的混合整数线性规划算法

抽水蓄能机组的投运对电网发电调度计划的制定具有很大影响,建立了含抽水蓄能机组电网的安全约束机组组合模型。以考虑了抽水蓄能机组启停费用的所有机组总运行费用为目标函数,根据抽水蓄能机组的不同运行工况给出旋转备用容量的解析表达式,同时在系统功率平衡约束中考虑了网络损耗的影响,并考虑了抽水蓄能机组的运行调度约束及网络安全约束。为了保证模型求解的可靠性和提高模型求解的计算效率,将目标函数进行分段线性化,并根据抽水蓄能机组的运行特点将其旋转备用容量约束等价转化为线性表达式。同时采用一种动态分段线性化方法近似逼近网络损耗,从而将机组组合模型转化为混合整数线性规划模型,并采用成熟的数学优化求解器CPLEX进行求解。对某实际23机306节点电网算例的计算结果表明,所提出的混合整数线性规划调度模型的网损逼近效果合理正确,算法求解速度快,具有较好的工程实用价值。     

发电机组旋转备用宽度的概念、性质及应用(二):在具有正负旋转备用约束机组组合中的应用（英文）

该文是两篇系列论文中的第2篇,论述在第1篇中提出的机组旋转备用宽度概念在具有正、负旋转备用约束机组组合问题求解中的应用。正、负旋转备用约束是系统接入大规模出力高不确定性电源后,机组组合问题中常见的重要系统约束,该文提出此类问题可行解的解析充分必要条件。该条件由与机组启停状态有关的5个线性不等式组成,不等式中包含了机组旋转备用宽度在内的若干参数。这组充分必要条件可作为有效不等式使用,数值测试发现,将该组不等式加入原始机组组合模型后,求解机组组合问题的商业优化软件包的计算效率可明显提高,同时发现该可行性条件提供了一种判定机组组合解鲁棒性的高效途径,可直接用于基于多场景的机组组合随机规划模型中。     

基于改进帝国竞争算法的微网动态经济调度

微网并网模式下,针对微网中光伏、风电及负荷等不确定因素的影响,在满足系统各个约束条件下,建立了基于机会约束规划的微网动态经济调度模型。模型以微网总的运行成本最小为目标,综合考虑了可控机组燃料成本、 CO2排放治理成本、机组维护成本,低压配电网有功购买成本和旋转备用购买成本等。采用概率约束形式刻画了微网系统运行的可靠性,并考虑了可控机组的出力约束及爬坡约束。针对帝国竞争算法存在收敛速度慢和易陷入局部最优的问题,通过引入混沌原理和随机模拟技术,提出改进帝国竞争算法求解所建数学模型。最后,以一个微网系统为例,分析不同可靠性水平对系统经济性和调度结果的影响,同时比较了所提算法和常规算法收敛特性,验证了所提算法的有效性。     

基于随机生产模拟的日前发电–备用双层决策模型

随着波动性的风光等新能源并网比例不断提高,电力系统需要配备更多的调节能力。如何量化应对新能源出力等不确定性所需的调节能力是大规模新能源接入系统面临的一个新问题。该文采用通用生成函数(universal generating function,UGF)建立包括风电出力、负荷出力及机组随机故障的不确定性模型,进而将UGF与随机生产模拟(probabilistic production simulation,PPS)相结合,旨在建立反映发电侧调节能力的运行备用容量与可靠性之间的关系;并通过建立日前发电-备用双层模型实现确保系统可靠运行的发电计划。上层规划模型根据预测的负荷、结合风电预测出力制定基于指定可靠性的备用容量约束的日前机组组合方案;下层模型考虑各种不确定性因素,利用基于UGF的PPS建立系统运行备用与可靠性的量化关系,进而校验上层规划的机组组合方案是否能提供足够的备用,不足时则反馈给上层进行修正。通过改进的IEEE-118节点系统的仿真计算验证了所提模型的合理性和方法的有效性。