多市场下大型流域梯级水电站群电能优化配置研究

研究多市场下大型流域梯级水电站群电能优化配置,对实现更大区域的资源优化配置,充分发挥梯级水电站群的社会、环境及经济效益具有十分重要的作用.本文以发电收益最大化为目标,考虑不同受电区域负荷特性影响及其它水力电力约束,建立了多市场下梯级电站电能优化配置模型,引入搜寻者优化算法求解该模型.以雅砻江流域下游梯级电站为例进行了实...     

多目标电能质量监测器的优化配置

针对电能质量监测器的优化配置问题,建立了以监测程度和监测器个数为指标的多目标优化配置模型。采用带精英策略的快速非支配排序遗传算法(non-domtnated soring genetic algorithm,NSGA-Ⅱ),获得此多目标优化问题的Pareto最优解集。该方法能保证种群的多样性,避免传统加权求解时权值的选择和解的偏好性。最后,对Pareto最优解集的各个目标函数进行归一化处理,将最大值对应的方案作为合适的最优解。通过对2个算例进行仿真,得到了合理的电能质量监测器的配置方案,验证了该方法的可行性和有效性。     

溪洛渡—向家坝—三峡梯级水电站中长期优化调度研究

溪洛渡、向家坝、三峡组成梯级水电站群,在建立中长期优化调度模型时不仅需要考虑各水电站间存在的电力、水力联系,还要考虑水库的防洪、航运等综合任务。提出了适合溪洛渡—向家坝—三峡梯级水电站的中长期优化调度的数学模型,并采用引入罚函数的逐步优化算法(POA)对模型进行有效求解。求解模型时考虑了各种约束,求解结果表明,收敛效果好,能够得到满意的优化结果。     

电力市场中梯级水电站优化运行的研究

研究了在发电侧电力市场中梯级水电站的优化运行问题，提出了改进的网络流优化算法。该算法将梯级水电站的优化运行过程分为寻找可行流与同一时段优化出力两个阶段，在寻找可行流阶段采用经典的网流法，各梯级水电站按照相同的步长增加发电流量；在同一时段优化出力阶段采用改进的网流法，对各梯级水电站按照各自不同的步长进行优化。该算法模型简单，容易实现。算例结果表明，改进的网络流优化法计算精度高，实用性强，适用于梯级水电站优化运行的解算。     

基于改进POA算法的雅砻江梯级水电站群中长期优化调度研究

在实行分时电价政策的背景下,为指导梯级水电站群联合优化运行,本文建立了以梯级年最大发电收益和可靠出力最大化为目标的数学模型.实际运行中,常将可靠出力最大化这一目标转化为梯级可靠出力约束,采用传统POA求解将会出现维数灾的问题,很难求解,本文提出一种POA改进算法用于上述模型求解.使用雅砻江梯级水电站的实际数据进行计算,结果表明,算法计算速度快,收敛效果好,能够得到满意的优化结果.     

考虑参与多市场交易的电网侧储能优化配置

基于电网侧储能投资者的角度,提出一种考虑多市场交易模式的电网侧储能系统优化配置双层模型。模型外层以储能投资综合效益最大为目标,考虑了储能能量市场收益、调频市场收益、调峰市场收益和投资成本;内层以系统运行成本之和最小为目标,考虑系统的发电成本、调频服务成本、调峰服务成本和弃风成本。通过内外双层模型综合考虑了储能的规划和运行决策问题,模型在改进的IEEE39节点进行仿真,算例证明了所提模型的有效性。     

梯级水电站长期多目标模糊优化调度新模型

梯级水电站不仅要满足电力系统运行要求,还要考虑发电和用水之间的协调,才能使综合效益最大化。提出一种兼顾年发电量和运行成本的梯级水电站长期多目标优化调度新模型。通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标问题模糊化;采用对各单项目标优化的目标值在一定范围内伸缩的方法来体现决策者的主观意愿;利用模糊最大满意度方法把多目标优化问题转化为单目标非线性规划问题;并构建了一种动态调整惯性因子的自适应粒子群算法。仿真计算验证了模型的正确性和求解方法的可行性,多目标模型比单目标模型获得了更佳的综合效益,模糊优化处理方法避免了目标权重选取的人为任意性,同时自适应粒子群算法计算速度快、收敛精度高。     

市场竞价下梯级水电站短期优化调度研究

针对梯级水电站短期优化调度的特点，通过对电力市场中发电厂商竞价策略特点的分析，提出了市场竞价下梯级水电站的竞价运行策略，构建了市场竞价下梯级水电站优化调度模型。模型采用概率分布来模拟发电厂商报价策略，并利用蒙特卡洛方法对电力市场出清过程进行随机模拟，而且在最大效益子模型中考虑了梯级各电站发电成本不同的因素。最后通过实际算例，利用改进蚂蚁算法和遗传算法对硕多岗河梯级水电站在市场竞价条件下的整体调度过程进行了模拟优化求解，得出了较优的市场出清结果和梯级优化运行方案，并通过对优化结果的详细分析，指出了模型的优点和缺陷。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

计及分布式电源的电能质量监测点优化配置

为实现智能配电网对电能质量(PQ)进行全面监测和扰动事件智能诊断,并考虑系统成本优化和分布式电源影响,分析了现有监测点配置方法存在的三个缺陷,提出需要同时考虑节点电压凹陷域和电流信息全网可观测的优化思路。改进了二进制粒子群优化算法(BPSO)的模型和步骤,并构建评价函数,提出一种基于改进粒子群优化的电能质量监测点配置的算法。通过改进的BPSO迭代,智能地布置监测点,实现了系统性能和经济成本的最优化。最后,在四种不同结构的配电网络中进行仿真应用。结果表明,该算法能有效地实现PQ监测点优化配置,以较低的成本实现了配电网的全面监测并满足扰动事件智能诊断和精确定位的需求,且算法具有较好的收敛性和适用性。     

基于免疫粒子群优化算法的梯级水电厂间负荷优化分配

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及疫苗接种原理,改进了粒子群优化算法的全局寻优能力,提高了收敛速度。在分析梯级水电厂间负荷分配的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的负荷优化分配方法,建立了数学模型,给出了具体求解步骤。经实例验证,IA-PSO算法得出的负荷分配方案优于PSO算法的计算结果,且算法后期收敛速度快,从而为梯级水电厂间负荷优化分配问题提供了一条新的求解途径,可应用于更广泛的优化问题。     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.     

梯级水电站群补偿效益求解及分配机制研究

针对梯级水电站群补偿关系难以量化、且尚未形成行之有效的补偿效益分配机制的问题,提出可得到流域梯级任一施益电站补偿效益的求解思路,并基于改进逼近理想解排序法（TOPSIS法）,将传统分配方法纳入综合评价,建立施益、受益电站间补偿效益分配机制。将其应用于乌江干流10级电站补偿效益求解和分配实例中,结果表明：通过本文提出的求解思路可以明确乌江干流5个施益电站与下游电站的补偿关系,计算过程简便,具备较强的理论基础;基于改进TOPSIS法确定的各评价指标权重符合预期,分配结果合理,可为各电站利益博弈提供理论依据,有利于促进梯级合作,实现流域水力发电效益最大化。     

梯级水电站实时补偿增益多因素综合分配方法探讨

龙头水库带一串日调节或无调节电站组成的水电梯级,在汛初和汛期两场洪水之间的特定时段开展小流量泄流补偿调度,既可以减少龙头水库无益弃水,又能增加下游电站发电量;分析了影响实时补偿调度增益分配的主要因素;提出了补偿调度增益的计算原理和龙头水库泄流补偿调度风险率与期望损失计算方法;提出了具有明确物理意义的补偿调度增益多因素综合分配模型。通过沙溪流域的实例分析,表明提出的方法能够取得合理的结果。     

梯级水电站短期周优化调度规律探讨

建立了梯级水电站短期周优化调度的梯级蓄能最大模型,在此基础上采用动态搜索算法对其进行求解.通过严密的理论推导和详尽的实例分析探讨了流域梯级电站负荷最优分配规律.梯级电站负荷最优分配主要由梯级水库的区间入流关系和水库特性决定,其结论可指导流域梯级电站优化运行,为集控中心调度和指导实际应用提供参考.调度决策者尚需根据本文的研究方法针对本流域和电站的特性制定符合自身的最优调度规则.     

温州电网梯级水电站优化调度实践

建立由温州电网属下的梯级水电站群优化调度的数学模型,采用基于浮点数编码的改进遗传算法对该模型进行了优化计算,该算法设计编程简单,计算量小,收敛速度快.利用三插溪水库的入库径流实测值进行了仿真实验,实验结果表明优化调度比常规调度经济效益超过5%,说明了遗传算法用于梯级水电站群优化调度既可行又有效.     

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。     

梯级电站厂间负荷分配算法研究

节能减排形势下,为尽可能节约水资源,电网应下达梯级日内96点负荷曲线,由梯级电站根据自身梯级情况进行厂间负荷分配,力求在最小耗水量条件下满足梯级日内负荷需求,该负荷分配面临高维数、多约束问题。本文以电网下达日内负荷为约束条件,以梯级耗水量最小为目标函数,研究厂间负荷分配求解算法。论文提出层次化厂间负荷分配算法模型,建立负荷随机分配算法得到厂间负荷分配初始解,进而提出功率微增逐次寻优算法获得厂间负荷分配最优解,并进行实例验证。研究表明,算法较好地解决了高维数、强约束条件下厂间梯级负荷问题,达到了节约梯级水资源目的。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。