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%。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

电网规划综合评判决策系统的设计与应用

提出了一种求解电力系统负荷经济分配问题的改进粒子群优化算法.该算法考虑了机组的爬坡约束、出力限制区约束、非光滑费用函数曲线等非线性特性,用保留可行解的方法处理负荷平衡约束条件,用自适应罚函数法处理爬坡和出力限制区约束条件,加快了算法的收敛速度,对不活动粒子的处理使算法避免了"早熟"现象.仿真计算表明,改进粒子群优化算法是一种求解负荷经济分配问题的有效方法.     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

计及风电预测可靠性的含风电电力系统优化调度模型

针对风电随机性对电力系统安全、经济运行的影响,在考虑风电预测可靠性的基础上,建立含风电的电力系统优化调度模型。将实际风电出力看作随机变量,并通过混合Copula函数对历史风电场出力及其对应预测值建立相关性模型;在得到预测出力后,通过相关性模型获得风电实际出力分布概率;采用机会约束规划建立含风电的电力系统经济调度模型,并在保证系统可靠性的条件下优化风电计划出力。最后通过改进粒子群优化算法求解模型,结果表明该模型和算法可行且有效。     

基于混沌粒子群算法的火电厂厂级负荷在线优化分配

机组负荷优化分配是降低发电厂能耗水平的重要技术手段,该文针对厂级负荷在线优化分配对算法速率和精度的要求,提出一种新的机组负荷实时分配模型,分别给出了机组自动发电控制和厂级负荷分配方式下负荷响应速率约束方程,并提出一种自适应约束边界,可显著提高算法计算效率,在满足电网对机组负荷品质要求的前提下实现全厂煤耗量最小的目标。提出采用混沌粒子群算法来求解实时负荷优化分配问题,采用自适应惯性权重以加快算法收敛速度,在粒子群算法解的邻域内进行混沌优化搜索,避免算法陷入局部极值点。文中给出了厂级负荷在线优化分配算法步骤,并进行了算例分析,验证了所提模型和算法的有效性。     

水火电力系统短期节能发电优化调度的研究

本文以提高水火电力系统联合运行的经济和环保效益为总目标,从减少化石燃料的使用量和降低燃煤机组发电成本两方面考虑,将含梯级水电站电力系统短期发电调度问题化为4个具有时序的优化子问题:即梯级水电站发电量最大、水电耗水量最小、火力发电污染物排放最小以及火力发电总成本最小。以此建立的优化调度模型不仅可以确定火电的最佳出力和水电的最佳蓄放水策略,还可描述水电和火电的互补作用,充分体现节能和效益的理念。在模型求解上,针对粒子群算法易陷入局部最优的缺点,在标准粒子群优化算法中引入自适应惯性权重和最差粒子,避免了算法的局部最优和过早收敛;针对各目标量纲不同,权重系数难以合理确定的多目标优化问题,运用满意度函数和欧式距离函数对其进行归一化处理,并采用改进粒子群算法对处理后的目标进行优化求解。算例仿真验证了所建模型的正确性及算法的有效性。     

遗传粒子群混合算法在电厂机组负荷组合优化中的应用

粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。     

空间粒子群优化算法及其在电力系统环保经济负荷分配中的应用

针对粒子群优化算法易陷入局部最优、收敛过早的缺陷,提出一种空间粒子群优化算法,通过附加一类高度参数,使粒子移动的方向和距离由单一速度决定转变成还受高度作用,构成位置、速度、高度三维参数空间,从而降低了计算结果的随机性。将该算法用于求解电力系统经济负荷分配问题,在传统经济负荷分配考虑燃料成本的基础上,综合考虑由机组排放污染气体所产生的环境成本。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果,在解决非线性、非凸性、不连续优化问题中具有有效性和优越性。