基于多目标粒子群算法的电力系统环境经济调度研究

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO )算法,用于求解电力系统的环境/经济调度问题。通过设计特定的约束修正因子,将不可行解修正成可行解,并在此基础上用惩罚函数法构建了新的适用于多目标粒子群的适应度函数模型。根据帕累托占优条件形成历史帕累托最优解集和全局帕累托最优解集,引入稀疏度排序法选择全局最优解,基于帕累托最优前沿的斜率特性,提出用斜率法筛选非劣解,采用基于模糊数学的满意度评价模型选择POF的折衷最优解。最后,用IEEE-30节点标准测试系统对所提算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明所提算法可行、有效。     

大规模风电场并网下的互联电力系统广域阻尼协调控制

在区域电网互联以及大规模风电远距离输送的背景下,提出了一种新型广域阻尼控制器设计方法。该方法采用交替Krylov子空间算法对系统进行降阶,避免了传统的平衡降阶算法需处理2个高阶Lyapunov方程的问题。在此基础上,考虑了同步发电机与风电场的协调阻尼控制,提出采用均值方差映射算法对控制器参数进行协调优化。并提出增益调度思想,解决了控制器在系统不同运行方式下的鲁棒性问题。算例结果验证了所提方法的可行性。     

基于时段耦合特性的动态环境经济调度求解方法

基于电力系统动态环境经济调度(dynamic economic emission dispatch,DEED)在时段间的耦合特性,提出了一种改进的教与学优化算法,用于求解DEED问题,对燃料费用和污染气体排放量同时进行优化。采用反向学习策略改善种群的多样性,单时段教与学过程来提高算法的局部寻优能力,单时段贪婪选择机制在全局范围内找到新的搜索空间,平衡局部寻优与全局寻优能力。对10机39节点系统进行仿真分析,结果表明所提策略可以显著提高算法的收敛速度和收敛效果,得到高质量的解。     

基于可行性检测的考虑风电和需求响应的机组组合鲁棒优化方法

在含风电电力系统中考虑了价格型需求响应,针对风电与价格型需求响应存在的不确定性,提出了一种适用于预调度方案可行性检测的鲁棒调度方法。所提调度模型分为两个阶段,第一阶段为预调度阶段,在考虑第二阶段可行性的基础上制定机组开停机计划和出力方案;第二阶段为再调度阶段,用于不确定参数的关键场景辨识和预调度方案的可行性检测。对调度模型呈现的min-max-min形式的含有不确定参数的两阶段优化问题,采用列约束生成(column-andconstraint generation,CCG)与Benders分解相结合的二阶段法进行求解。对min-max-min形式的简单算例及改进的IEEE-118节点系统的测试结果表明,所提调度模型能有效保证预调度方案的可行性,且CCG-Benders两阶段求解方法要优于Benders-Benders求解方法。     

基于不确定网络理论计及经济性与可靠性的主动配电网规划

提出了基于不确定网络理论的主动配电网扩展规划模型。首先,考虑负荷与分布式电源出力时间分区相关性,构建特征概率不确定性集合;其次,建立统筹分布式电源、网架、静止无功补偿装置、变电站和有载调压变压器各设备的升级新建及其主动管理措施的经济子规划模型,并提出了适用于规划问题的两阶段整体最优可靠性方法,且通过二阶锥松弛将原模型转化为混合整数二阶锥规划问题进行快速求解。分别得到全过程多阶段经济和综合可靠性不确定性测度分布作为网架树权重。最后,利用不确定网络中最小生成树理论,搜索与理想网架树分布最接近的最优规划方案。改进的IEEE 33节点系统与IEEE 69节点系统算例验证了所提模型的有效性。     

含风电电力系统的主从博弈经济调度

风力发电具有显著的随机性和波动性,对电力系统原有调度模式提出挑战.采用鲁棒优化处理风电不确定性,利用鲁棒优化蕴含的博弈思想,将风电场看作调度中心的一个虚拟博弈者,利用双层规划法建立了二者的主从博弈模型,将调度中心看作领导层,其决策目标为电网运行的成本最低,将风电场看作下属层,其决策目标是能保证系统实时安全运行的最大风电出力区间.由于考虑了火电机组的阀点效应,主从博弈模型呈现出非线性双层规划的数学特点,提出一种改进教与学算法与线性规划相嵌套的求解方法.最后,采用改进的10机39节点系统对模型以及求解方法的有效性进行了验证.     

基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型

提出一种基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测建模方法。该方法首先对训练样本进行模糊信息粒化,根据需要提取各窗口的有效分量信息,即各窗口的最小值、大致平均值和最大值;其次应用最小二乘支持向量机对各分量分别建立预测模型,并使用自适应粒子群算法对各分量模型进行优化;最后使用优化后最小二乘支持向量机模型对风电功率波动范围进行预测。实例研究表明,该组合预测模型可以有效跟踪风电功率变化,对风电功率波动范围进行预测。     

考虑系统实时响应风险水平约束的风–火–水电力系统协调优化调度

随着风电入网规模的日益增加,合理协调风电出力与传统电力能源已成为电力系统调度面临的一个新挑战。通过定义实时电力不足期望(real-time EDNS,REDNS)以衡量系统实时响应风险水平,在此基础上提出了实时响应风险水平约束,并将该约束纳入调度当中,与用确定性方法确定系统备用容量相比,采用REDNS水平约束可以使系统在调度周期内各个时段响应风险水平维持一致,自动调整系统备用容量。在风电优先上网的前提下,以降低系统运行的经济性指标和保证火电、水电机组平稳运行为目标,构建了风?火?水多目标协调优化调度模型。通过引进学习环节和构建独立的备用选择集改进多目标粒子群算法性能,提出了一种新的多目标粒子群算法(new multi-objective particle swarm optimization,NMPSO)。采用加入一个风电场的10机组测试系统进行了仿真,结果验证了上述方法和模型的正确性和有效性。     

基于动态场景集和需求响应的二阶段随机规划调度模型

风电及负荷场景集作为随机规划调度的输入,对决策结果影响大。为使场景集刻画出风电及负荷的波动性,采用考虑随机变量相关性的动态场景法生成风电、负荷及净负荷的场景集,并从与调度接轨的角度提出相应的指标对场景质量进行评价。建立了一种基于here-and-now和waitand-see(HN-WS)的二阶段随机规划调度模型。该模型包含了日前与实时的关联性,决策过程融入了对实时场景已实现情况下的考虑,优化目标涵盖了日前阶段的燃料成本及实时阶段的平衡矫正期望成本。此外,为减少弃风,在调度模型中引入了激励型需求响应,与火电机组的备用容量进行协同优化。最后,采用爱尔兰电网的风电数据、Elia电网的负荷数据及改进的IEEE-118节点系统验证了所提调度模型的有效性。     

水火电力系统短期实用化调度模型及求解方法

以某电网的大型水火电力系统为研究对象,从节能降耗及与生产实际接轨的角度出发,基于水火电力系统的解耦机制,将水火联合调度问题建模为2个具有优化时序的子优化问题。在火电优化子问题中,在考虑常规约束的基础上,提出火电机组出力升降走向约束及相邻时段火电总负荷波动阈值约束,以保证火电机组出力平滑;在水电优化子问题中,考虑水电厂日平均出力约束及振动区约束,以保证水电的充分利用。采用改进的具有柔性更新策略的教与学优化算法依次求解2个子优化问题,并针对2个子优化问题中呈现强耦合性的复杂约束,设计不同的启发式约束处理方法。对含有15座火电厂和29座水电厂的某水火电力系统的日前调度进行仿真测试,验证了所提调度模型的可行性和实用性及求解方法的有效性。