基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

自适应多策略粒子群算法在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立粒子群算法求解多阶段最优化问题数学模型.针对基本粒子群算法(PSO)在早期存在精度较低、易发散等缺点,后期出现"趋同性"和"早熟"等现象,提出了自适应多策略粒子群算法.并将该算法与基本PSO、改进型PSO、杂交PSO和收敛因子PSO分别在雅砻江梯级水库群优化调度中应用,通过对其优化结果的比较,验证了改进算法在加快收敛速度和提高算法精度方面的有效性.     

基于病毒进化粒子群算法的梯级电站厂间负荷优化分配

病毒进化粒子群算法（VPSO）是将病毒进化机制引入粒子群算法（PSO）中,利用所生成的主群体和病毒群体指导种群进化。寻优过程中,主群体在上下代粒子群之间纵向传递信息,指导粒子群的全局搜索;病毒群体通过转录与反转录在同代个体之间横向传递进化信息,指导粒子群的局部搜索。算例结果表明,较PSO算法和免疫粒子群算法（IPSO）,VPSO算法提高求解精度的同时也加快了计算速度,能有效解决复杂的梯级电站厂间负荷分配问题。     

电力系统经济负荷分配的混沌粒子群优化算法

提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。     

一种新算法在经济负荷分配中的应用

为求解复杂的不连续、非凸、非线性电力系统的经济负荷分配问题,提出了一种单纯形法(NM)和粒子群算法(PSO)相结合的NM-PSO算法.该算法将单纯形算子嵌入到PSO算法中,把适应值最好的一部分粒子用单纯形法来更新,其余粒子用PSO算法寻优,从而提高PSO算法后期的寻优能力.NM-PSO充分利用PSO算法强大的全局搜索能力和NM快速确定性的局部搜索能力,提高了NM-PSO算法的寻优能力和收敛速度,该算法应用于经济负荷分配问题得到的优化结果好于其他方法.     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

基于局部随机搜索粒子群优化算法的电站短期发电优化调度

为提高粒子群优化(PSO)算法搜索精度、加快后期收敛速度,提出一种新的PSO算法,即局部随机搜索PSO算法。该算法用于求解电力系统的短期发电优化调度问题时,不仅要求满足电站实际运行中的系统负荷平衡约束,而且要考虑机组爬坡约束、出力限制区约束等非线性约束。给出了局部随机搜索PSO算法的步骤及短期发电优化调度问题求解方法。通过应用所提出的算法和其他文献提出的PSO算法、改进快速进化规划(IFEP)算法对15机系统的优化调度计算相比,证明所提出的算法最优解的发电费用最低,分别减少了3.8%和1%。     

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.     

梯级水电站代理竞价模型及均衡求解

目前,我国普遍存在同一流域梯级水电站投资主体不统一的现象,当代表各自投资主体利益的梯级水电站单独参加竞争性电力交易时,会导致梯级水电资源配置的低效性。针对这一问题,提出一种有利于实现市场环境下梯级水电资源有效配置的代理机制。当市场规则允许时,属于不同投资主体的梯级水电站将自发地采用代理机制参与市场竞争。首先,运用机制设计理论对梯级水电站代理机制进行了初步设计;其次,建立基于供给函数的梯级水电代理竞价模型,并应用逐次逼近法和粒子群算法求解市场均衡状态;最后,通过算例对梯级水电站代理商参与日前市场的均衡状态进行模拟。所提出的模型和算法在梯级水电参与市场竞争的研究方面具有参考价值。     

复杂约束下梯级水电站机组尺度负荷逐次降维优化分配

梯级水电站负荷优化分配涉及水位协调型、时段耦合型等复杂约束条件。面向水位协调型约束,界定梯级水电站安全运行的高限水位与低限水位,分析在梯级水电站高水位运行区、经济运行区以及低水位运行区不同组合方式下的电站出力特性;结合时段耦合型约束条件,以厂间-厂内负荷一体化分配为研究目标,提出三层逐次降维策略,将梯级水电站总负荷分配至厂间尺度,利用耦合动态规划算法将梯级水电站厂内负荷分配至机组尺度。实例结果表明,与传统的动态搜索算法相比,所提算法对复杂约束条件表现出良好的适用性,寻优质量得到明显提高。     

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。     

考虑经济性与可靠性的大小水电短期协调消纳模型

在多级输电断面限制的富水电地区,开展大小水电的协调调度是提高水电整体消纳量的重要举措,但同时大规模小水电的并网也给电网运行带来了风险。为此,文中构建了兼顾系统经济性和可靠性的大小水电协调消纳模型,从可消纳电量、网损和梯级蓄能三方面衡量系统的经济性,并引入电力不足概率评估系统可靠性。模型求解方面:为准确表征系统可靠性,基于实时运行状态进行评估,并采用蒙特卡洛模拟求解;然后,通过梯级负荷切分与再分配的组合原理生成可行初始解,并采用考虑约束容忍度的改进粒子群优化算法求解协调模型,提高了搜索效率。实际应用表明,该模型可有效利用梯级大中型水电的调节能力,协调地区小水电送出,提高系统运行可靠性和水电整体调度效益。     

基于等流量法缩减空间策略的水电站调度方法

采用合理的调度方法可有效提高水电站发电效益。模拟方法容易获取可行解,但不能提供最优解;优化方法能够求得最优解,但往往因搜索空间过大而求解不理想。本文考虑两者特点,提出基于等流量法缩减空间策略的水电站调度方法,即利用等流量法模拟调度过程,缩减搜索空间,在缩减空间内利用优化方法求解模型。实例研究表明：该方法适合群智能算法求解水电站调度模型;在相同群智能算法和水电站调度模型下,缩减搜索空间后,多年平均发电量、保证出力提升显著,多年平均弃水量明显减少。此外,群智能算法在缩减空间内的收敛速度更快,标准差更小。因此,该方法能够有效提高群智能算法求解的优化程度、收敛速度和稳定性,可为水电站调度提供重要参考。     

梯级水电站优化调度方法综述

梯级水电站的优化调度一直是水电优化调度和水火电力系统发电计划中的难点。经过多年的发展,梯级水电优化调度的数学模型日益精确,逐渐贴近实际。文中比较了梯级水电优化调度的确定性模型和随机模型,并着重探讨了确定性模型。由于模型的复杂性,从理论上找到全局最优解存在困难,对算法提出很高的要求。文中对各种用于求解梯级水电站优化调度的算法进行了综述,将其分为经典算法、现代智能优化算法和混合算法三类,比较了各类算法的优缺点。在经典算法中,逐次规划法的应用较为广泛。同时,以遗传算法为代表的智能算法在求解梯级水电优化调度问题时也取得了比较令人满意的结果,成为当前研究的热点。伴随着世界范围内电力市场改革热潮的兴起,新的市场环境给传统的梯级水电优化调度提出了新的要求,市场环境下的梯级水电优化调度成为一个新的发展方向。     

中长期电力负荷预测的改进免疫粒子群算法

针对免疫粒子群算法收敛速度慢,精确度相对较低的缺点,采用平衡理论和自适应调整两项策略加以改进,提出改进的免疫粒子群算法.一方面在新的粒子种群产生过程中引入扰动变量,使粒子群在遵守秩序和随机行为之间达到平衡;另一方面在粒子搜索复杂解空间过程中,通过计算个体适应值划分粒子的优劣等级,提出粒子速度自适应可调机制.实例证明,将...     

梯级水电站群优化调度控制研究及解决方案

研制了分层的乌江梯级水电站群优化调度控制系统,由3个子系统组成:水情测报系统、水库调度系统和梯级远程集中监控系统。将调度控制的优化分解为3个子系统的优化控制。运用了梯级最大发电量、梯级最大蓄能量和梯级各电站最小库水位越限程度3个优化准则,并针对各个优化准则建立了相应的数学模型。在对适用于梯级水电站群优化调度计算的各类优化算法进行分析并结合实际运用情况的基础上,提出应优先考虑采用改进动态规划算法求解梯级水电站群优化调度问题。实际运行情况表明,优化调度控制大幅提高了乌江梯级水电站群的经济效益和运行管理水平。     

两阶段粒子群算法在水电站群优化调度中的应用

以水电站群最小出力约束下的发电量最大为目标建立了水电站群优化调度数学模型,采用两阶段粒子群算法求解。在按目标函数进行进化计算之前,先进行以最小平均出力最大为目标的第一阶段优化,并在粒子群中引入初始可行解,以提高粒子群的质量和求解效率。以云南电网统调的7库14站主力水电站群系统为例进行了计算,结果表明,该算法能有效克服“维数灾”问题,能得到高性能的优化调度结果。     

特约文章：响应电网负荷需求的梯级水电站短期调峰调度

How to make use of efficient clean hydropower for peak-valley adjustment is a key technique to release peak regulation pressure under the circumstance of increasingly urgent demand for peak shaving. A short-term peak shaving model for cascade hydropower stations has been developed in this study considering the minimum of residual load variance. A hybrid progressive particle swarm optimization algorithm is also described herein, combining a progressive optimality algorithm (POA) in the outer layer for compressing solution space and reducing dimension with a particle swarm optimization (PSO) in the inner layer for searching continuously and randomly. To update feasible regions adaptively, a new dynamic corridor technique was used for handling complicated time-space coupling. Application of this model to four stations on the Yuan River shows that the residual load variance of Hunan Grid can be decreased by 93.6% while keeping a steady and smooth curve of residual load. The method is very effective and useful in short-term peak shaving for cascade hydropower stations.