基于改进PSO调度模型的水电站发电量分析

鉴于以往水库优化调度的求解精度受制于离散的密度的不足，引入可连续域寻优的粒子群算法，建立基于PSO水库优化调度模型，并针对粒子群算法易出现的收敛性差和处理约束问题困难等问题，提出了改进措施，并应用到水电站的发电量分析中。     

应用粒子群优化算法求解市场环境下的电力系统动态经济调度问题

在竞争性的电力市场环境下,为了获得最大化的社会利润,提出了基于竞价机制的动态经济调度模型,该模型综合考虑了发电机组的爬坡约束、输电线路的容量约束和污染气体排放量的约束.针对该模型,提出了一种新的求解方法:粒子群优化算法(PSO).算例的结果表明,PSO算法能够有效地得到一个高性能的优化调度结果.     

应用粒子群优化算法求解市场环境下的电力系统动态经济调度问题

在竞争性的电力市场环境下,为了获得最大化的社会利润,提出了基于竞价机制的动态经济调度模型,该模型综合考虑了发电机组的爬坡约束、输电线路的容量约束和污染气体排放量的约束。针对该模型,提出了一种新的求解方法:粒子群优化算法(PSO)。算例的结果表明,PSO算法能够有效地得到一个高性能的优化调度结果     

计及阀点效应负荷经济分配的SCE-UA算法

针对水火电能源丰枯、峰谷补偿特性,研究水火电力系统补偿调节机制,建立了基于SCE-UA算法解决水火电力系统短期联合优化调度模型,该模型以阀点效应下最小发电成本为目标函数,同时考虑了包括功率平衡、水量平衡、库容及发电机组功率限制等约束条件。本文用罚函数约束策略有效处理系统运行约束,实现对水火电联调系统运行区域的精确描述。为了说明SCE-UA算法的一致有效性,我们分别用SCE-UA和粒子群优化(PSO)两种算法对短期水火电优化调度问题进行求解。计算结果表明:粒子群算法(PSO)算法在求解过程中存在"早熟现象",无法寻找到全局最优解;而SCE-UA算法能在很少的迭代次数内收敛到较好的优化结果,同时满足水火电联调系统所有约束条件。因此,SCE-UA算法在求解以发电成本最小为目标函数的短期水火电优化调度问题上是非常有效的。     

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.     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题.该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解.根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果.结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性.     

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%。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题。该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解。根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

电动汽车移动储能系统模型及控制策略

针对国内外广泛关注的电动汽车移动储能技术,综合考虑电网约束、电池约束、车主使用需求,建立了电动汽车移动储能系统模型,并采用粒子群优化(PSO)算法对模型进行求解。由于标准粒子群优化(SPSO)算法在处理高维问题时更易出现早熟收敛,根据仿生算法思想对其进行了改进,提出了基于防碰撞粒子群优化(CAPSO)算法的电动汽车移动储能控制策略。几个典型基准测试函数的测试结果表明,改进算法较PSO算法性能更优。最后,通过平抑负荷、平抑可再生能源发电功率波动、平抑计及可再生能源出力的负荷3个算例,对实际系统进行了定量模拟,验证了模型和控制策略的有效性。