电源规划模型及求解方法研究综述

对传统的电源规划模型结合需求侧管理、考虑环境保护和电力市场环境下的电源规划模型进行了详细的研究,总结了实施需求侧管理、环境保护对电源规划的影响和电力市场改革对电源规划的新要求,分析了各种模型中电源规划目标函数和考虑约束条件的不同.然后将电源规划问题所采用的求解方法主要分为数学优化方法和人工智能方法进行归纳,包括动态优化法、混合整数规划法、专家系统、模糊理论、遗传算法和人工神经网络等,对比了各种方法的优缺点.最后阐述了当前电源规划过程中尚待深入研究的问题.     

考虑多主体利益与需求响应的分布式电源优化配置

传统的分布式电源规划仅考虑单一利益主体,且未考虑需求响应,无法兼顾各市场主体的利益需求且忽略了负荷的调节能力。针对以上问题,提出了一种考虑多主体利益和需求响应的分布式电源优化配置模型。首先,结合电源侧的环境成本和用户侧的需求响应,分别以分布式电源发电企业、配电公司、电力用户的净收益最大为目标,建立各自的优化配置模型。其次,根据三者的利益关系,构建可同时兼顾三者净收益的综合优化目标,并采用二阶锥规划方法进行求解。最后,以IEEE33节点配电网作为算例,结合某地区电网的实际数据进行仿真分析。结果表明:所提出的优化配置模型可有效提升各主体的整体经济效益,并且可保证主体间的利益均衡,有助于提升电力市场的活力。     

考虑需求侧响应的新能源接入下的配电网无功规划研究

随着风力发电、太阳能发电等可再生新能源的逐渐成熟和电力市场的逐步推进和发展,配电网不仅与负荷和新能源出力的波动高度相关,而且需要考虑未来电力市场对新能源接入下的配电网影响。电力市场改革背景下,用户的电力需求侧响应得到了越来越多的关注,负荷可切除或中断将对配电网的规划带来积极的影响。为此,文中提出了一种考虑需求侧响应的配电网无功规划方法,该方法考虑了新能源接入后出力波动和电力市场背景下可中断负荷的影响,建立了需求侧响应的弹性需求模型,并在无功规划模型中考虑了需求侧响应的影响。算例分析表明,所提出的考虑需求侧响应的含新能源接入的配电网无功规划方法在电力市场应用中具有一定的可行性,较传统无功规划方法具有更好的经济性和实用性。     

考虑需求侧管理的电力规划模型与实证研究

在电力规划中考虑需求侧管理方案从而实现成本最小化是近些年来世界能源领域研究的热点问题.基于我国需求侧管理以及供应侧资源的概况,以综合能源成本为准则,对需求侧以及供应侧的各种资源进行筛选,得出总成本最小的电力资源组合,并以我国某省的实际数据对该模型进行了实证研究,结论证明该方法得出的规划方案成本小于传统规划方法.     

考虑需求侧管理的配电网分布式电源优化配置研究

在国家加大配电网升级改造力度的背景下,将需求侧管理及分布式电源接入纳入配电网规划中,提出了考虑需求侧管理的配电网分布式电源优化配置模型。首先,分析空调负荷作为需求响应资源的潜力评估方法;其次,建立了分布式电源(DG)优化配置容量最大化模型;再次,以配电网网损最小为目标,得到了DG在配电网中的最佳配置方案;最后,仿真结果表明,考虑需求侧管理的DG优化配置能够增强系统承受负荷增长的能力及可靠性。     

考虑需求侧管理的输电网扩展规划方法研究

随着用电负荷的增长和输电走廊的日趋紧张,需求侧管理已成为减小或延缓电源和电网投资的重要手段。首先通过持续负荷曲线分析了需求侧管理对高峰负荷功率的影响,提出了在输电网扩展规划中对需求侧管理的建模方法,然后提出了考虑需求侧管理和投资成本约束的输电网扩展规划数学模型。该模型为混合整数线性规划模型,采用优化软件求解。通过算例分析了需求侧管理对电网规划方案的影响,验证了采用需求侧管理对降低输电网扩展规划投资的有效性。     

新电改背景下产业园区供电系统容量优化配置方法

产业园区作为新一轮电力体制改革的重要试点,利用分布式新能源发电来替代传统的集中式供电模式是其供电系统发展的重要趋势之一。开展了产业园区供电系统规划中分布式电源/储能系统优化配置问题的研究,重点研究了多能互补、源—储—荷协调互动和基于日前分时电价的需求侧响应对于容量优化配置方案的影响。为了表征多能互补特性,提出了分布式电源供电电量不足比和分布式电源供电不足小时数比两个指标。在需求侧响应建模时,针对利用电力需求弹性矩阵建模存在着电量转移不平衡及需求侧过度响应等问题,提出了改进的需求侧响应模型。在此基础上,建立了以总费用最小为优化目标的产业园区供电系统分布式电源/储能系统优化配置模型,并利用遗传算法与模式搜索算法相结合的组合型智能算法对优化配置模型进行求解,最后利用典型算例对提出的优化配置方法进行了分析验证。     

需求侧管理参与的孤岛型微电网多目标优化调度

分析了MG中分布式电源的功率特性和需求侧响应的基本理论与相关政策,并建立了DG的数学模型和基于负荷分类的DR模型;综合考虑微源的出力成本、需求侧管理成本和环境治理费用,建立了考虑需求侧管理的多目标微电网优化调度模型,引入不同的孤岛微电网运行评价指标评价DR对微电网经济性、环保性以及可靠性的影响,并选择不同的场景分析验证。采用改进粒子群算法优化外点法对规划问题进行求解,在将约束条件纳入目标函数的同时,尽可能避免求解规划时陷入局部极值的问题。算例分析表明,通过考虑需求侧管理,可以增加可再生能源的消纳,减轻负荷高峰时段的供电压力,缓解孤岛系统供电不足的问题,并有效提高微电网的整体效益。     

考虑网络约束的需求侧最优竞价策略

在电力市场环境下,市场竞争带来的潮流运行方式的随机性、多变性和不可预测性与输电网的潮流约束、安全约束相互矛盾而又同时存在,从需求侧角度考虑,针对Pool模式电力市场中需求侧各购电成员之间利润分配的非合作博弈均衡问题,提出了多个需求侧购电成员如何优化自己的购电竞价策略而使所有购电者均达到收益最大化的2层优化模型,考虑了电力网络约束对购电成员收益的影响,针对此均衡约束数学规划问题提出了一种求解多个需求侧购电成员处于纳什均衡点的最优策略解析方法,同时还提供了从备选策略集合中找到纯纳什均衡解的方法,在此基础上,以IEEE 30节点系统为例说明需求侧采用购电策略报价对发电商收益、需求侧各自收益及对电力市场运行的影响.     

基于综合资源规划的供需资源优化组合模型

综合资源规划在电力规划中将需求侧资源与供应侧资源同时考虑，能够实现规划的总成本最小。在传统电力规划和相关研究成果的基础上提出一个将需求侧资源与供应侧资源同等纳入电力规划的线性规划模型，在模型中区分不同需求侧管理措施进行量化。该模型同时考虑了用电需求、系统可靠性、资源运行、资源可用性和污染物排放水平5类约束条件。通过算例验证了模型的有效性，与传统规划结果相比，应用该模型规划可实现系统总成本最低并减少污染的排放。     

基于基因表达式程序设计及误差循环补偿的电力系统短期负荷预测

将基因表达式程序设计(gene expression programming, GEP)算法应用于电力系统短期负荷预测中,并提出误差循环补偿模型,得到了较高的预测精度。预测过程先对负荷样本进行常规和滤波处理,消除伪数据,然后运用基因表达式程序设计的灵活表达能力,把不同日、同一时刻的负荷序列作为样本,对未来时刻的负荷进行分时短期预测。得到预测模型后,计算其与样本数据的误差,再把误差值作为样本进行演化,并把误差模型补偿到原模型上,如果达不到预测要求,则循环计算模型误差进行演化,直到满足要求为止。结果表明基因表达式程序设计算法具有较高的效率,且误差循环补偿模型能够有效补偿演化过程中的误差。经比较,基于基因表达式程序设计及其误差循环补偿的预测模型比时间序列和遗传程序设计算法具有更好的预测效果。     

一种基于小生境遗传算法的电网信息安全风险评估模型

信息安全保障对于电力信息物理系统安全稳定运行至关重要,其关键在于对电力信息物理系统进行全方位实时监控,并对采集到的海量监测数据进行分析以做出准确的安全风险评估结果。作为用于模式分类的进化算法,基因表达式编程(gene expression programming,GEP)算法由于其可以执行全局搜索而受到广泛关注,但其在高维度数据集下的运算极为耗时。针对上述问题,提出了一种基于小生境提高样本多样性的改进基因表达式编程算法用于电网信息安全风险评估,该算法首先利用粗糙集的思想,通过分辨函数求解最优属性对数据样本进行约简,再利用小生境模型提高约简样本个体的多样性以加快GEP算法运算的收敛速度,进而通过遗传算法实现全局搜索并得到安全风险等级评估结果。仿真实验表明,与传统的安全风险评估算法相比,提出的改进GEP算法具有较高的属性约简率和全局收敛率,可以快速实现海量监测数据下的电网信息安全风险评估。     

An improved genetic algorithm for generation expansion planning

This paper presents a development of an improved genetic algorithm (IGA) and its application to a least-cost generation expansion planning (GEP) problem. Least-cost GEP problem is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration, a process which is computationally impossible in a real-world GEP problem. In this paper, an improved genetic algorithm incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA approach is applied to two test systems, one with 15 existing power plants, 5 types of candidate plants and a 14-year planning period, and the other, a practical long-term system with a 24-year planning period     

包含计划性可再生能源的电源优化规划

针对可再生能源电厂的计划投产需求,提出了一种考虑计划性可再生能源电厂的电源优化规划方法。该方法通过变量代换,将计划性可再生能源电厂和常规电厂包含于统一的电源优化规划模型中,对所有待选电厂的投产方案进行同步优化。设计了一个包含风电、光伏、水电等多种可再生能源电厂的算例来验证该方法的有效性。算例结果表明,该方法能够在满足投产计划要求的前提下,求得电源优化规划方案,扩展了电源规划模型的应用范围。     

基于遗传算法的电力系统电源规划模型

提出一种基于遗传算法的电力系统电源规划模型。模型提出的动态模板十进制编码法,成功地解决了电源规划中遗传算法的染色体编码问题,从而使本模型能容易地计及电源中需考虑的各种因素。     

发输电组合系统可靠性评估中的最优负荷削减模型分析

介绍了基于直流潮流的负荷削减线性规划模型和基于交流潮流的负荷削减非线性规划模型的基本原理,对它们各自的优缺点进行了分析,并使用它们对 RBTS(RoyBillinton Test System)可靠性测试系统进行了评估.计算结果表明,直流潮流的负荷削减线性规划模型由于忽略了节点电压约束的影响,存在较大的模型误差,要得到精确的可靠性指标,应该使用基于交流潮流的负荷削减非线性规划模型.     

电力网的网架结构优化规划方法

电力网网架优化是一个多目标、多阶段、离散的、非线性、受约束的混合整数规划问题。传统的优化算法已不能满足规划需要,以人工智能技术为基础的各类优化算法逐渐成为规划的主流算法。该文综述了近年来电网网架优化规划领域的国内外研究成果。针对输电网和中低压配电网的不同特点,分析了相应数学模型的建立和基于智能技术的寻优算法研究中的成果和进展。重点探讨了中低压配电网网架优化问题建模和算法研究中存在的问题和不足,提出了未来网架优化规划研究中应关注的问题和研究方向。     

Least cost generation expansion planning with wind power plant incorporating emission using Differential Evolution algorithm

Generation Expansion Planning (GEP) is a challenging problem as both the supply and the demand for energy have temporal and spatial variations. It also involves the integration of system elements with a complex mix of alternative candidate plants having different physical and production capabilities and characteristics. The integration of all such elements in a system framework makes the GEP a large-scale, long-term, non-linear, mixed-variable mathematical modeling problem. The accurate solution of such realistic models is essential to create an efficient and economic power system.The aim of this study is to determine the GEP for the candidate system, integrating all critical system elements leading to the formulation of a realistic mathematical system and the employment of GEP in the model solutions. It also demonstrates the effectiveness of DE algorithm in finding efficient solutions to the identified problem. The planning is carried out for two different planning horizons of 6 and 14 years. An approach, which is balanced, is adopted to understand the long term impact of wind additions by imposing Total Emission Reductions Constraints (TERC) and Emission Treatment Penalty Costs (ETPC) on the remaining portion of pollution. As the system is expected to get an increasing proportion of wind power plants in future, a special focus is given to study the impact of such increase. The resulting variations in different cost components including the emissions and the variations in reliability indices are also reported.     

改进单亲遗传算法在电源规划中的应用

电源规划问题本质上是一多阶段组合优化问题,使用常规遗传操作会产生大量无效解,从而降低了求解效率.文章提出了一种基于单亲遗传算法的电力系统电源规划模型,并采用分段编码法解决了单亲遗传算法用于电源规划的编码问题.该模型容易计及电源规划中需要考虑的各种约束条件.文中还研究了精英保留算子和扰动算子对收敛的影响.算例仿真表明:该模型可靠有效,既能获得最优解,也能获得次优解;加入特殊算子改进后,可进一步提高精度,加快收敛速度.     

Application of particle swarm optimization technique and its variants to generation expansion planning problem

This paper presents the application of particle swarm optimization (PSO) technique and its variants to least-cost generation expansion planning (GEP) problem. The GEP problem is a highly constrained, combinatorial optimization problem that can be solved by complete enumeration. PSO is one of the swarm intelligence (SI) techniques, which use the group intelligence behavior along with individual intelligence to solve the combinatorial optimization problem. A novel ‘virtual mapping procedure’ (VMP) is introduced to enhance the effectiveness of the PSO approaches. Penalty function approach (PFA) is used to reduce the number of infeasible solutions in the subsequent iterations. In addition to simple PSO, many variants such as constriction factor approach (CFA), Lbest model, hybrid PSO (HPSO), stretched PSO (SPSO) and composite PSO (C-PSO) are also applied to test systems. The differential evolution (DE) technique is used for parameter setting of C-PSO. The PSO and its variants are applied to a synthetic test system of five types of candidate units with 6- and 14-year planning horizon. The results obtained are compared with dynamic programming (DP) in terms of speed and efficiency.