考虑源荷交互的独立微电网分层优化调度

提出了一种分层调度模型，上层模型中采用移动边界法对负荷进行不同时段的划分，建立了需求响应模型，以光伏、风电发电与负荷用电的不平衡量最小为目标，对独立微电网不同时段的电价进行求解；在优化的分时电价及负荷的基础上，下层模型中以微电网调度成本最小为目标，建立了负荷、分布式电源与负荷不平衡量最优调度补偿的经济模型，使得微电网的经济性最优。上、下层模型均采用粒子群算法进行求解。对某地区的独立微电网进行仿真，验证了模型的合理性。     

基于Stackelberg博弈的充换储一体化电站微电网双层协调优化调度

针对电动汽车充换储一体化电站(CSSIS)与微电网所有权不同的微电网经济运行问题,建立基于Stackelberg博弈的双层优化调度模型。上层微电网作为领导者,以自身收益最大为目标函数,制定与下层CSSIS进行电能交易的内部电价;下层CSSIS作为跟随者,根据内部电价调整自身充、放电计划,以最大化自身收益。采用差分进化算法和Gurobi软件分别对上、下层优化问题进行求解,得到最优内部电价和CSSIS的最优充、放电计划。仿真算例表明,所提算法可以有效求解微电网与CSSIS交互的均衡策略,不仅能同时提高两者收益,还能更有效地利用CSSIS资源。     

分时阶梯电价-微电网联合优化调度的不确定二层规划方法

微电网为分布式电源并网提供了有效的技术途径,微电网的优化运行是微电网领域的重要研究课题。电价是影响微电网系统经济收益的重要因素,为进一步提高微电网的经济效益,计及系统不确定性,采用不确定二层规划模型提出分时阶梯电价-微电网联合优化调度方法。首先建立分时阶梯电价下的负荷响应模型。其次以分时阶梯电价为上层决策者,以微电网综合效益最大为上层目标,以微电网优化运行方案为下层决策者,以综合运行成本最小为下层目标,分别计及必要约束条件,建立Maximin形式的不确定二层规划模型。采用混沌粒子群结合不确定函数模拟组成的综合智能算法对所提出的模型进行求解。最后通过一个算例表明,该模型适用于分时阶梯电价机制下微电网优化运行,其各项运行指标要优于原有分时电价机制下的。     

多微电网系统优化调度的混合博弈模型及求解

考虑微电网MG(microgrid)与微电网聚合商MA(microgrid aggregator)的不同利益主体性，提出基于混合博弈的多微电网系统MMS(multi-microgrid system)双层优化调度模型及其求解方法。首先，分别构建上层MA与MMS间的Stackelberg博弈模型和下层各MG间的合作博弈模型，上层以最大化MA收益为目标函数，下层以最小化MMS合作联盟的运行成本为目标函数并采用Shapley值法对联盟进行利益分配。其次，上层应用粒子群优化算法求解得到内部交易电价并传递给下层，下层基于内部交易电价并利用交替方向乘子法对解耦后的各MG进行分布式优化调度。最后通过算例仿真，验证了本文所提模型的合理性和有效性。     

基于智能单粒子算法的微电网经济调度

为充分消纳可再生能源,以分时电价为杠杆,通过经济调度手段,对微电网内分布式发电资源进行优化配置。在综合考虑各类分布式电源发电成本和环境成本的基础上,计及热电联供收益、电能交易收益、电价补贴等多项运行收益,建立微电网多目标经济函数。考虑储能系统在不同时间断面上的耦合性问题以及时移特性,结合分时电价、净负荷曲线进行预调度。考虑微电网实时调度的快速性要求,运用智能单粒子算法搜索调度变量的最优解,并与常规粒子群算法进行对比。算例分析了基于冬季典型日数据的微电网调度方案和各项经济指标,结果表明微电网调度模型、调度策略和优化算法合理有效。     

以换电站为负荷的微电网系统建模与优化

建立以换电站为负荷的微电网系统稳态模型,结合各发电单元和换电站的特点,以微电网系统运行成本最低为目标,以满足用户需求、发电单元和充放电功率平衡为约束条件,对微电网系统运行进行优化。采用粒子群优化算法进行模型求解,将微电网系统的运行成本设为适应度函数,将各发电单元出力及微电网与主网间的功率交换设为粒子位置。算例分析表明,通过对各发电单元出力进行优化,可以降低微电网运行成本,并充分发挥微电网削峰填谷能力。     

考虑分时电价和需求响应的家庭型用户侧微电网优化运行

在考虑分时电价和需求响应的基础上,建立了含有光伏发电、风力发电以及蓄电池的家庭型用户侧微电网优化运行模型,提出了一种家庭型用户侧微电网需求响应方法.优化模型以综合考虑用户的购电费用和舒适度为优化目标,尽可能多地将峰时电价时段的家用负荷功率向谷时电价和平时电价时段移动.采用粒子群优化算法对模型进行了求解,在算例分析中对比了优化前后微电网向电网公司支付的购电费用,验证了所提优化算法的有效性.     

考虑电价激励需求响应下多主体微电网电源容量优化

考虑多主体微电网中用户在电价激励需求响应的基础上,实现微电网风-光-柴-储的容量优化配置。在电力市场环境下,通过考虑微电网内多元主体的不同职能,建立两阶段优化模型:阶段1建立微电网运营商与消费者之间的完全信息博弈互动模型,在保障售电商利益的前提下,以消费者盈余最大为优化目标,得到微电网内的最优峰谷分时电价策略,进而得到消费者在电价激励下的需求响应曲线;阶段2通过微电网电源投资商与微电网运营商之间的博弈互动,以微电网电源投资商的利益最大化为优化目标,得到微电网内不同分布式电源容量的最优化配置策略。结合某一地区的历史数据信息进行仿真算例分析,验证所提模型的有效性。     

考虑节点边际电价的配电网与多微电网双层鲁棒经济调度

可再生能源出力的不确定性给市场定价机制带来了挑战,实现市场参与者的利益均衡分配成为亟待解决的关键问题。提出一种计及风电出力不确定性的节点边际电价市场出清机制。建立配电网与多微电网协调优化调度的双层模型,上层模型为考虑风电出力及功率交互不确定性的配电网数据驱动鲁棒经济调度模型,下层模型为考虑电价型需求响应的微电网数据驱动鲁棒经济调度模型。通过配电网与微电网之间功率交互与电价信息的传递进行上、下层模型的迭代求解,实现不同市场参与者的利益均衡分配。测试系统的仿真结果验证了所提模型及求解方法的有效性。     

含电动汽车参与的微电网调度策略研究

大量电动汽车入网无序充电会给电网稳定性和可靠性造成不利影响。考虑到电动汽车充放电,以及蓄电池损耗成本和峰谷电价对微电网运行产生的影响,建立以微电网运行成本和环境保护成本最小化为目标的微电网调度模型。应用基于差分进化的改进多目标免疫算法对模型进行优化。通过算例仿真,对比分析在微电网环境下电动汽车无序和有序的调度模式,证明了电动汽车的有序充放电对微电网的经济效益和环境保护效益有积极的作用,验证了基于差分进化的改进多目标免疫算法在调度优化上的有效性。     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

电力系统电压和网损优化计算

采用非线性规划中的梯度法，进行电力系统的电压、网损优化计算。其中补偿节点 的处理，开始均作为ＰＶ节点，计算结束前转化为实际的补偿量。步长由电压的最大误 差 比梯度的最大分量来决定，使得计算速度大大加快。对于一天24 ｈ的优化，在保证电压 合 格率的前提下，减少了可调设备动作的次数，使得总体经济效益较优。所编程序通过银川供 电局较长时间的实际使用，证明原理正确，经济效益显著。     

基于改进粒子群算法的电力系统无功优化

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题。提出了一种改进粒子群算法用以解决这一复杂优化问题。在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻了粒子初始位置的选择对算法优化性能的影响;在进化过程中引入了自探索行为,使得粒子的搜索过程更加符合实际;引入了变异机制及3种判断陷入局部最优的标准,当发现粒子群陷入局部最优时,通过变异,帮助粒子跳出局部陷阱,增加发现最优解的机会。给出了问题的求解方法,并对IEEE 6、14节点系统进行了仿真计算,实验数值对比表明了算法的可行性和有效性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

Particle Swarm Optimization with velocity control

This paper presents a new Particle Swarm Optimization (PSO) technique with velocity control. In the proposed method, we lead the particles from intensification to diversification by adding a random number to the velocity of the particle depending on the distance from global best position (gbest), and thereby the particles can search widely in the search space. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

基于免疫算法的火电厂机组优化组合

在电厂各发电机组间实行机组负荷优化分配,提高运行效率,能改善机组的经济性,降低成本。然而,由于机组优化组合问题本质上属于大规模非线性混合整数规划问题,到目前为止还没有得到一种绝对严格的优化求解方法。免疫算法模拟生物的免疫系统原理,是一种全局概率搜索算法。文章将该算法改进用于解决机组优化组合问题,并用实际算例验证其可行性。     

300 MW循环流化床锅炉运行优化

结合2台300 MW循环流化床(CFB)锅炉的实际运行状况,介绍了一系列的运行优化和逻辑优化方法:将埋刮板给煤线中间给料机由运行转为备用,减小下水冷壁的磨损;低负荷时停运辅机,降低厂用电率;掺烧一定比例的非设计煤种;优化燃油系统运行方式;空气预热器入口烟温较高时投入锅炉吹灰,保证单台空气预热器安全运行;调节燃煤粒径,控制床压等.采用这些优化措施达到了300 MW CFB锅炉更加安全、稳定、经济运行的目的.     

电磁装置优化设计的改进禁忌算法

通过引入细化搜索过程、提出连续变量空间离散的新技术和邻域产生的新规则、存储已搜索过的状态空间等措施 ,本文给出了一种改进禁忌算法。为验证算法的可靠性 ,给出了典型数学函数和实际工程问题的数值计算结果。