适应不同优化模型的水电梯级系统短期调度算法EI北大核心CSCD

短期水电系统的发电优化调度是非线性离散优化问题。随着水电系统规模的增大,该问题的求解也变得更加困难。结合考虑约束条件的优先级别,建立了适应弃水量最小、发电效益/电量最大、调峰电量最大和发电趋势吻合4个调度目标的数学模型,采用分级求解结合局部搜索的方法解决大规模水电系统短期联合优化调度问题。通过在包含45个水库的水电系统优化调度中的应用,并比较不同目标下优化结果的差异,结果表明了上述模型和方法的有效性。     

含流域梯级水电的水火风互补发电系统联合运行优化

大规模水电和风电并网后,来水和风速的随机性降低了发电的可控性,如何科学地在多元电源系统联合运行中确定旋转备用容量,更好地协调系统经济性与可靠性,是市场化背景下亟需解决的理论和现实问题。在分析水电和风电的自然与技术互补特性的基础上,建立考虑水流滞时效应的梯级水电水量平衡关系。通过结合传统梯级水电联合调度模型与火电、风电的经济调度模型,引入水力发电的水资源费用成本,综合考虑梯级水电能量转换、水量耦合、库容限制、水流滞时和风电穿透率等多类复杂约束,在分析电能市场与备用市场顺序决策经济意义的基础上,构建以运行成本最小为目标的考虑梯级水电的水火风互补发电系统短期优化运行模型。采用外点罚函数法将模型转化为无约束优化问题,基于加惯性权重的粒子群优化算法,运用MATLAB软件编程实现优化功能。4个梯级水电、3个常规火电、2个大型风电场构成的算例系统验证了所提模型的有效性和适用性。     

基于量子蚁群优化算法的梯级水电系统经济调度

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(QACOA),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。QACOA融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用QACOA对梯级水电系统经济调度进行仿真,结果表明QACOA使调度期内实发电能和储蓄电能得到了明显提高。     

三峡梯级水电系统的日计划模型和实现

建立和实现了三峡梯级水电系统（TGCHS）的日发电计划模型.综合考虑了三峡梯级电厂的特征和日优化调度的发展状况.提出了一个新的优化调度准则,并且证明了在该准则下所提出的模型具有时段可加性.每个时段的优化由两层构成.下层使用动态规划预计划静态机组组合,上层采用直接搜索获得最终解.使用典型日系统负荷进行测试的结果表明软件是稳健的,能满足实时运行的要求.作为自动发电控制的一部分,能源价格和时段大小由人机对话给定,确保了系统软件可方便地扩展到电力市场环境中.     

梯级水电系统组合优化调度方法研究

文章提出两种基于Ｌａｇｒａｎｇｅ松驰技术的梯级水电系统优化调度算法,能够综合处理离散运行区间,最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值仿真,表明了该算法的有效性和实用性。     

基于改进PSO算法的短期发电计划研究

介绍了粒子群优化算法PSO(Panicle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0～1范围内的连续变量．与机组出力一起进行PSO优化搜索,然后再利用就近取整函数“mund”将其转换成整数变量。详细描述了应用改进PSO算法求解机组优化启停问题的具体步骤。将该方法应用于10机系统,实验结果表明该改进PSO算法用于短期发电计划是可行的。     

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。     

水火电力系统短期发电计划优化方法综述

水火电力系统的短期发电计划问题在电力系统的安全可靠和经济运行中发挥着越来越重要的作用，由于其本身的复杂性，很难从理论上找到全局最优解。深入探讨各种优化算法，并加以分类，详细综述各种优化方法在水火电力系统短期发电计划问题中所取得的研究成果和存在的不足之处。     

基于免疫遗传算法的超短期发电计划优化

超短期发电计划优化在电力系统调度运行中发挥着越来越重要的作用,但由于其是一个非线性整数约束优化问题,数学模型复杂,很难从理论上找到全局最优解。针对电力系统发电计划优化问题,引入免疫遗传算法,很好地解决了遗传算法局部收敛的问题,实现了群体收敛性和个体多样性间的动态平衡调整,能快速准确求解,及时调整超短期发电计划方案,从而达到安全经济环保调度,优化资源配置的效果。     

基于遗传算法的梯级水电厂自动发电控制算法研究

以二倍体遗传算法为基础,设计了一种梯级水电厂自动发电控制算法。该算法既可用于离线制定梯级水电厂的日发电计划,又可用于梯级水电厂的实时发电控制。算法中,出力限制条件在负荷分配方案的编码中自动满足,其它约束条件如负荷平衡、水量平衡等则在计算个体适应值时予以考虑,算法程序设计简单,收敛速度快,仿真计算验证了该算法的有效性。     

遗传算法在电力系统日有功优化调度中的应用

随着电力市场的不断深入，系统的有功优化调度在电力系统运行中占有越来越重要的地位。针对这一特点，本文提出了在多约束条件下，寻求全网经济效益最优的算法，先用遗传算法求解机组组合，再用等微增率法求解负荷的最优分配，在求解的过程中，采用不同听方法来处理各种约束条件。通过模拟系统的实例验算表明了所提出的算法十分有效。     

基于混沌学习算法的神经网络短期负荷预测

基于混沌理论对电力负荷的复杂时间序列进行分析,得出该时间序列属于混沌序列的结论,就此提出了一种新的神经网络（NN）学习算法——混沌学习算法。该算法中的混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优,这样克服了前馈NN 的BP学习算法所存在的本质问题,使NN训练的收敛性好、速度快、误差小。文中通过对实际系统负荷预测结果,与BP算法预测结果比较,证明了混沌学习算法的电力负荷短期预测具有明显好的效果。     

基于竞价的日发电计划混合智能优化算法

针对电力市场下基于竞价的日发电计划的特点，提出一种充分结合遗传算法和排队算法各自优点的混合智能算法。该算法利用遗传算法在求解离散组合优化问题上的强收敛性和鲁棒性进行机组优化组合，利用排队算法的简洁性和快速性进行经济功率分配。同时，利用基于专家知识的免疫遗传算法来提高机组优化组合的计算速度。通过对某实际电力市场基于竞价的日发电计划的计算和分析，验证了该算法的正确性和实用性。     

基于多目标进化算法的统一潮流控制器稳定控制器鲁棒运行点选择

针对多机电力系统中UPFC稳定控制器鲁棒运行点的选择问题,提出了综合考虑UPFC装置向系统提供阻尼以及受控电力系统本身阻尼两个目标的选择方法,将该问题转化为一个多目标问题,并提出求解该问题的相应多目标进化算法（MOEA）,该算法基于Pareto排序选择方法,采取模糊修正、小生境算子、精英选种策略等技术,具有收敛速度快等优点.最后通过对新英格兰电力系统的仿真分析,验证了多目标进化方法在选取UPFC稳定控制器鲁棒运行点问题上的有效性.     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

量子进化算法在输电网扩展规划中的应用

量子进化算法是一种基于量子计算概念且具有量子染色体形式的进化算法,由于计算中融入了当前最优解的信息,同时采用全干扰交叉操作克服早熟现象,因此该算法具有更快的收敛速度和全局寻优能力.输电网扩展规划是复杂的大规模非线性组合优化问题.文章提出一种基于量子进化算法的电力系统输电网扩展规划模型,并对算法参数进行优化,提出了较适合本文研究问题的旋转门的旋转角取值.算例结果表明,该模型可靠有效,加入特殊算子改进后,可进一步提高计算精度和运算速度.     

APPLICATION OF EXTENDED EVOLUTIONARY PROGRAMMING TO SVC PLACEMENT

An extended evolutionary programming (EXEP) technique is proposed for optimal solution of the SVC placement in voltage stability enhancement. Multiple genetic transformation operators are used to ensure that the global optimal solution can be obtained. The problem is posed as the minimization of the function whose objectives are to increase the reactive power margin, the reactive power spinning reserve and the system voltage profile. At the same time it is required that the transmission losses are reduced and the additional cost of new SVC devices is minimal. All the operational inequality constraints are transformed to the objective function by using quadratic and cosine penalty functions. Numerical results show that EXEP technique is superior to simulated annealing(SA) technique.     

结合进化算法的人工神经网络在变压器故障诊断中的应用

人工神经网络在变压器故障诊断中有广泛的应用。常用的BP算法具有易陷入局部极小、收敛速度慢等缺点 ,给故障诊断带来不便。为此提出利用进化算法优化人工神经网络结构的初值 ,利用可靠性分析技术对输入数据进行处理 ,从而有助于较快获得最佳的权值矩阵 ,实现变压器故障诊断。     

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.