基于改进思维进化算法的机组负荷优化分配

机组负荷优化分配是电厂提高经济效益的重要手段。思维进化算法(MindEvolutionaryComputation,MEC)模拟人类思维的进化过程,通过趋同和异化过程在解空间中搜索最优解,和其他优化方法如动态规划法等相比较,具有算法简单通用,可以得到全局最优解等优点。本文对思维进化算法进行了改进,增加禁忌区域、自适应调整散布方差、改进收敛条件,并用其解决机组负荷优化分配问题。通过两个算例的计算,并和其它优化方法相比较,证明了这种新方法的有效性,为机组负荷优化分配问题提供了一种新的思路和方法。     

基于改进微分进化算法的电压稳定约束最优潮流

建立了考虑静态电压稳定性的电力系统多目标最优潮流模型,该模型以同时降低火电机组的发电成本和提高系统静态电压稳定性为优化目标函数,并采用L指标来量化系统电压稳定性.针对标准微分进化算法容易陷入局部收敛的缺点,引入基于Logistic混沌映射的子代重构技术和控制参数动态调整策略对DE算法进行改进以提高全局收敛性.IEEE 30节点系统的仿真结果验证了本文所提最优潮流策略的合理性和有效性.     

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。     

面向低碳发展的燃煤机组有序调停模型和算法

节能发电调度是我国实现可持续发展、应对全球气候变化的重要举措。作者研究了通过燃煤机组有序调停实现中短期范围内节能调度、降低碳排放的方法。以燃煤机组占绝大比例的浙江电网为例,提出了面向低碳发展的燃煤机组有序调停模型,建立了具有自适应特性的目标函数,较好地协调了三公调度和系统煤耗最小2个目标。为求解这一非凸、非线性并含有分式约束的混合整数规划问题,文章提出了动态调停算法,该算法根据自适应目标函数的识别,动态选择机组进行调停;基于所提出的模型能自适应地使目标函数为最优的特点,还提出了基于外点法的单机组调停方法。该方法首先对机组进行预调停,如果可行,则对于单机组而言达到最优,否则调整机组的启停方式来满足约束条件使其可行。最后通过浙江省实际数据验证了本文方法的有效性,计算了降低煤耗、CO2和SO2减排的效益。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作。鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题。在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景。通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值。     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作.鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题.在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景.通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值.     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

基于灰熵关联择优的含不确定性预算调节策略的微电网鲁棒调度

以运行成本、环境成本和可再生能源波动最小为目标,建立了以灰熵关联度为最优解评价标准的微电网调度模型。针对风光发电的不确定性,构造以预测值为中心的不确定性集,引入鲁棒优化理论改进调度模型。针对储能系统在调度过程中可能过早到达其限值的问题,提出了一种通过储能运行状态来估计风光发电不确定性预算的策略。采用改进微分进化算法对算例进行求解,该算法结合云模型增强其局部搜索能力,依据混沌算法提升其全局搜索能力。仿真结果验证了模型和算法的可行性,从Pareto前沿的变化与最优解集的特征值两方面分析了鲁棒调度模型的优越性;讨论了在不同场景下不确定性预算值对微电网调度的影响,并验证了不确定性预算调节策略能更有效地防止储能系统到达储能上下限,从而进一步提高微电网调度的鲁棒性。     

改进自适应模糊C均值算法在负荷特性分类的应用

模糊C均值(FCM)算法是一种用于电力负荷特性分类的有效方法.针对传统FCM算法易陷入局部最优且对初始条件敏感的问题,文中提出了基于微分进化(DE)自适应优化的改进措施.相对于FCM算法的梯度最速下降寻优策略,改进算法利用DE多点随机并行搜索,对控制参数及非最优个体进行自适应调整,具有全局搜索能力强、鲁棒性高的特点.实际算例仿真表明,所述算法降低了负荷特性分类对初始值的依赖度,在不同聚类数目的条件下仍具有良好的性能,适用于实际电网滚动规划等对负荷特性分类精度要求更高的领域.     

综合环境保护及峰谷电价的水火电短期优化调度

为了使电力市场环境中的发电侧能够实现节能环保且高收益的发电目标,对机组出力变化与分时电价波动之间的关系进行了研究,构建了一种新的水火电短期优化调度模型,该模型以实现电力市场条件下最大发电收益为目标,同时综合考虑了峰谷分时电价和环境保护成本对发电侧经济效益的影响,还考虑了梯级水电站群的蓄水量、下泄流量、机组出力等约束条件,由此得出机组的优化调度方案。针对传统优化算法难以处理高维梯级水电站优化调度多约束条件的缺陷,利用微分进化算法对此优化模型进行求解,仿真计算结果证明了该模型的合理性和算法的有效性。     

特高压交流输电系统无功与电压的最优控制策略

特高压输电是我国电网发展的必然选择,无功电压控制是特高压关注的研究课题。定义了穿越无功,分析了分布参数下长线路充电功率、无功损耗、沿线最高电压及其位置,从穿越无功产生的原因深入分析了特高压无功补偿需求、无功补偿量、变压器无功损耗以及低容或低抗投切组数与首末端电压模值比的关系,由此提出了以穿越无功最小为目标的特高压无功和电压最优控制的数学模型,并给出了最优解的数值算法。算例仿真证明最优控制策略和算法有效。     

计及差异化需求响应的微电网源荷储协调优化调度

为应对微电网中源荷匹配性较差及弃风弃光的问题,计及需求响应对微电网源荷储协调优化调度进行研究。为了更准确地体现实际需求响应的特点,根据电量价格响应弹性的非线性特点和不同类型负荷响应弹性的差异性,提出基于指数变化的差异化需求响应机制;建立以系统运行成本最低为目标的微电网源荷储协调优化调度模型;通过引入多核并行运行环境和双策略微分进化变异机制构造并行双策略微分进化算法,该算法兼顾寻优深度和寻优速度,实现了对模型的高效求解。算例结果表明,所提方法能够有效改善源荷两侧的匹配度以实现削峰填谷,并能提升系统风光消纳量以及节约运行成本。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

电动汽车充换电站参与电网AGC功率分配的成本一致性算法

搭建电动汽车充换电站参与电网自动发电控制(AGC)功率分配的框架,并建立其优化数学模型。在此基础上,提出电动汽车参与AGC功率分配的成本一致性算法。智能体间采用虚拟一致性变量作为一致性交互计算信息,同时以真实一致性变量确定电动汽车的AGC功率,提高算法的应用灵活性。某电网模型仿真结果表明:成本一致性算法可以减少电网调节成本,提高区域电网的控制性能标准,且能有效实现电动汽车参与电网AGC功率分配的自律调频。     

面向电力市场的含风电电力系统的环境经济调度优化

考虑洁净能源在环保问题上低成本的优势,建立了一个面向电力市场的含风电的电力系统环境经济调度优化模型,使电力市场环境下含风电的电力系统优化调度更趋合理和经济,具有较高的可信度。基于遗传算法,运用Matlab工具箱对IEEE30节点系统进行了优化求解与仿真,验证了该模型和算法的正确性和有效性。     

Security constrained optimal power flow considering detailed generator model by a new robust differential evolution algorithm

This paper presents a new multiobjective model, including two objective functions of generation cost and voltage stability margin, for optimal power flow (OPF) problem. Moreover, the proposed OPF formulation contains a detailed generator model including active/reactive power generation limits, valve loading effects, multiple fuel options and prohibited operating zones of units. Furthermore, security constraints, including bus voltage limits and branch flow limits in both steady state and post-contingency state of credible contingencies, are also taken into account in the proposed formulation. To solve this OPF problem a novel robust differential evolution algorithm (RDEA) owning a new recombination operator is presented. The proposed RDEA has a minimum number of adjustable parameters. Besides, a new constraint handling method is also presented, which enhances the efficiency of the RDEA to search the solution space. To show the efficiency and advantages of the proposed solution method, it is applied to several test systems having complex solution spaces and compared with several of the most recently published approaches.     

基于改进二进制蝙蝠算法的独立型微网容量优化配置

该文围绕独立型风/光/柴/储微网的容量优化配置展开研究,以微网系统供电可靠性为约束条件,同时考虑微网经济性、环保性和可再生能源利用率3个指标,以加权后的年均综合费用最小为优化目标,构建微网容量优化配置的非线性整数规划模型。针对连续优化算法直接用于求解离散优化模型而导致的局部最优问题,该文提出一种改进的二进制蝙蝠算法(improved binary bat algorithm,IBBA),将差分进化(differential evolution,DE)算法的变异、交叉、选择操作与二进制蝙蝠算法(binary bat algorithm,BBA)相结合,增强BBA的全局寻优能力。算例结果表明,IBBA求解得到的配置结果在精度和稳定性上均优于遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)和DE算法。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

基于主从博弈的多主体投资多微网系统优化配置

随着越来越多微电网协同运行,微网与微网间、微网与配网间电能交互过程愈发复杂,同时也影响着微网运营商及配网运营商的投资利益。为了探索两者间联合投资的最佳规划策略,提出一种基于主从博弈的多主体投资多微网系统优化配置方法。首先,在多微网系统模型基础上,构建考虑多微电网运营商运行成本、经济收益,以及配电网运营商投资微电网成本、延缓配电网升级及售购电收益的函数模型。然后,分别以多微网系统支付函数最小和配网收益最大为目标建立主从博弈模型,并提出自适应遗传算法与粒子群算法相结合的算法,求解多微网系统分布式电源最优配置。最后,通过4组方案进行对比实验,证明了所提规划方法能更好地平衡多微网运营商和配网运营商间的收益。