浙江省电力设施布局专业规划研究

结合近年电网选所选线前期的实际,分析了浙江省内建设规划行政管理体系及其运行特点,提出了结合浙江省城镇、县市域总体规划,开展电力设施布局专业规划的必要性,研究了电力设施布局专业规划内容的深度要求.     

基于混合粒子群智能遗传算法的配电网络重构优化研究

将二进制粒子群优化算法的惯性因子进行了动态化自适应改进,设计了区别于标准遗传操作的高频交叉算子和随机自回馈变异算子,基于此提出了一种新算法——混合粒子群智能遗传算法(PGA)应用与配网的重构。在新型编码方案下,PGA应用两个遗传算子使种群保持多样性,避免陷入局部最优,同时结合PSO的快速群体智能寻优指导染色体的进化方向,能够使种群信息共享的同时提高算法的收敛速度,算例结果验证了新算法的可行性。     

改进二进制差分进化算法在配电网络重构优化中的应用

以降低配电网损耗为目标,在对差分进化算法进行二进制化改造的基础上,对其重要的控制参数进行了自适应优化改进,并将其应用到配电网重构中,通过对IEEE33节点配电网络算例的仿真计算以及与标准遗传算法(GA)和差分进化算法(DE)计算结果的比较,表明改进后的算法通过网络重构有效地降低了网损,并具有较高的计算效率和可行性。     

用于多小水电地区日发电负荷预测的新型组合预测法

探讨了小水电发电负荷时间序列的相关特性,描述了其与传统用电负荷时间序列的差异,并在此基础上提出了一种针对小水电日发电负荷预测的新型组合预测法.实例仿真证明,该方法能够较好地反映小水电负荷受降水影响的不确定性和在峰谷电价时段波动规律的差异性,对多小水电地区短期负荷预测具有实用价值和参考意义.     

直购电模式下市场主体收益建模与博弈分析

以我国大用户直购电试点现行的转运定价机制为基础，结合区域电力市场的运营现状，建立发电商、大用户和电网公司在直购电模式下的收益模型，并对各市场主体之间的利益博弈行为进行分析，找出达成直购电交易的必要条件，最后结合算例得出结论。     

基于离散概率模型的风光互补供电系统优化配置

提出了一种基于概率模型的风光互补供电系统定量优化配置方法。该方法用离散概率分布表示系统中的随机变化因素,包括风、光、负荷、补偿装置功率的随机分布和系统元件的随机故障,并且以电能充裕度最大、供电系统总投资和电压越限概率最小作为优化目标建立多目标优化模型。为了更高效、快速地计算各目标函数,文中对随机潮流算法进行部分改进,将离散随机变量的期望值和增量分开研究,并通过矩计算和转化半不变量,运用级数逼近得到节点电压和系统电能裕量的概率分布。采用并行加速的带有精英策略的非支配排序遗传算法(PNSGA-Ⅱ)求解Pareto最优解集,并结合算例分析说明了文中方法的可行性与优势。     

基于可靠性电价-赔偿机制的电网规划研究

传统电网规划目标函数一般是投资和运行费用最省。这种模式没有兼顾可靠性对用户的影响,更无法体现不同用户对可靠性的不同要求。在电力市场环境下,为了通过签订可靠性电价-赔偿合同,使不同用户对停电时间的要求得到体现,建立了一个基于可靠性电价-赔偿机制的电网规划模型,并提供求解方法。该模型通过事后赔偿机制,将可靠性转化为经济指标,使经济性与可靠性达到统一。另外,在该模型中,有不同风险偏好的供电商能够自由调节风险-收益,以满足自身的需要。     

大用户直购电试点现行转运定价机制

大用户直购电作为单一购买者模式的补充,是在发电侧开放的基础上开展售电侧竞争的有益尝试,而转运定价机制是大用户直购电的核心。结合我国区域电力市场的运营实际,比较发电商、大用户和电网公司在直购电模式下的收益变化,建立数学模型。通过模型,分析各市场主体之间的利益博弈行为,提出"转运风险收益"的概念,并推导出购售双方达成直购电交易的必要条件。最后结合简单算例,对大用户直购电试点现行转运定价机制的优越性与存在问题进行深入探讨,为我国电价机制改革提供参考。     

基于模糊机会约束二层规划的配电网检修计划优化

建立了配电网检修计划优化的模糊机会约束二层规划模型。与传统模型相比,该模型考虑了配电网检修计划优化问题(DMSOP)涉及的不确定因素,并引入可信性理论来描述和处理检修计划优化过程中检修资源、负荷预测以及支路潮流上限等模糊性因素。采用模糊函数描述检修总成本,该函数计及了检修费用和各时段负荷转移情况。提出基于模糊模拟的混合智能优化方法求解模型,IEEE-RBTS测试系统的计算结果表明模型和方法是有效的,并可以得到强鲁棒性的配电网检修计划方案。     

基于并行免疫粒子群算法的限流措施优化

针对电力系统限流措施优化问题不连续、非线性的特点,提出一种并行免疫粒子群算法。该算法将免疫算法的自我调节机制引入粒子群算法,采用基于粒子相似度的选择机制,保证优化过程中粒子的多样性。根据粒子编码的特点引入疫苗接种概念,有效减少了粒子最优片段丢失的概率,保证算法的收敛精度和收敛速度。并在Matlab并行计算平台上实现免疫粒子群算法的并行化。算例表明该算法具有较强的全局优化能力和收敛稳定性,且计算时间短,有较强的实用意义。