考虑事故后频率约束的两阶段经济调度

为了保证事故后电力系统仍能正常运行,基于多阶段决策的思想提出了考虑事故后频率约束的两阶段随机经济调度模型。该模型中同时考虑事故前(第一阶段)和事故后(第二阶段)系统的运行成本,分别称为"当前成本"和"未来成本"。第一阶段的优化目标函数考虑在满足供电可靠性的条件下使常规机组和风电机组的发电成本最小;为了保证系统频率在事故后较短时间内恢复正常,第二阶段考虑了对低频减载的约束,目标函数为常规机组和风电机组的发电成本,风能高估低估的惩罚成本以及减负荷的惩罚成本最小。针对模型的非光滑性,采用光滑化方法对其进行处理,并以IEEE30节点系统进行仿真,仿真结果验证了新模型和算法的有效性。     

非线性等式与不等式问题的信赖域算法

５１．引言 本文讨论如下非线性等式与不等式问题的求解问题：其中,吐。）是＊”＋Ｂ的连续可微函数． 非线性问题（１．１）广泛出现于优化问题、互补问题及变分不等式等应用数学领域中,因而对其算法的研究也是计算数学的一个重要部分．许多作者考察了该问题的求解,如Ｄｅｎｎｉｓ和Ｓｃｈｎａｂｅ［６］, Ｐｓｈｅｎｉｃｈｌｌｙｉ［９］, Ｒｏｂｉｎｓｏｎ［１０１等人讨论了该问题的牛顿法求解,梯度法求解,Ｂｕｒｋｅ和 Ｈａｎ［‘］讨论了高斯一牛顿法求解． Ｄｅｎｎｉｓ在［５］中首次采用了信赖域算法的求解,［５］中通过引…     

基于光滑非线性互补函数的电力市场动态研究

为了模拟电力市场中发电商的有限理性博弈行为,提出了考虑输电网约束的有限理性古诺博弈动态模型,即内嵌社会效益最大化问题的差分动态模型。借助数学理论中的非线性互补方法,利用光滑的非线性互补函数将这一数学结构复杂的模型转换为常见的差分?代数方程,从而为进一步开展有限理性古诺博弈动态演化的定量分析奠定了基础。最后针对3寡头古诺博弈进行数值仿真,计算得出不同市场参数下的市场动态行为,并着重探讨了当市场参数超出均衡点稳定域时出现了周期甚至混沌的动态行为。     

一类非线性网络优化问题的信赖域算法

对一类非线性网络优化问题提出了信赖域算法,在一般条件下,证明了由算法产生的序列的任一聚点均为问题的Ｋｕｈｎ－ Ｔｕｃｋｅｒ 点的全局收敛结果．     

计及输电线路约束的电力市场投标均衡点分析

计及输电线路传输约束的电力市场投标模型可将市场参与者的决策空间分成阻塞和无阻塞2个区域.基于Nash均衡的数学定义和一类投标模型,通过分析市场参与者的最优响应曲线的交点确定市场均衡点状态,以3节点市场为例,分析发现在阻塞情况下,市场若存在均衡点,则均衡点位于阻塞和无阻塞的边界上,且均衡点分布为连续的一段线段.通过一类动态投标模型的数值仿真,计算结果与分析结论一致.     

包含可控负荷的微电网经济调度

针对大规模风电并网给电力系统带来的影响,应用需求侧响应的能量管理策略,建立用户与微电网管理方的双层优化调度模型。上层根据用户侧可控负荷的特性和运行特征,将所有的可控负荷分成4类,目标函数为4类可控负荷总的用电成本最小;下层优化目标函数是在满足供电可靠性要求的条件下使总的供电成本最小。通过KKT条件将双层优化转化成一个单层优化问题对模型进行求解。某微电网的数值实验结果证明了所提模型与算法的有效性。     

计及网络参数不确定的含风电场安全经济调度

基于线性鲁棒优化方法提出了一种计及风电场出力及线路参数不确定性的电力系统安全经济调度模型,该模型计及了系统运行时风电场出力及线路参数的不确定性对线路安全的影响,利用线性鲁棒优化理论构建调度模型,并运用优化对偶理论对其进行简化。根据本文所构建的模型可得到一个不确定安全经济调度区域(USEDR),独立系统运行员(ISO)基于安全性和经济性合理确定系统扰动指标在该区域进行调度。最后,以改进的IEEE-30节点系统为例,检验了所构建模型的合理性及可行性。     

电力期货市场的价格发现功能

价格发现功能是期货市场的基本功能之一,它在期货市场的发挥程度直接反映了期货市场的有效性.为检测电力期货市场的价格发现能力,借助协整理论和误差修正模型分析了北欧电力期货市场的"简单效率",并利用Granger因果检验、冲击反应分析、方差分解等方法对北欧电力期货市场与现货市场的领先一滞后关系进行了研究.研究结果显示,期货电价和现货电价存在协整关系,且期货电价是现货电价的无偏估计量,北欧电力期货市场满足"简单效率";期货市场的价格变化领先于现货市场的价格变化,且期货市场在价格发现功能中处于主导作用,北欧电力期货市场具有良好的价格发现功能.     

Mining association rules in incomplete information systems

Based on the rough set theory which is a powerful tool in dealing with vagueness and uncertainty, an algorithm to mine association rules in incomplete information systems was presented and the support and confidence were redefined. The algorithm can mine the association rules with decision attributes directly without processing missing values. Using the incomplete dataset Mushroom from UCI machine learning repository, the new algorithm was compared with the classical association rules mining algorithm based on Apriori from the number of rules extracted, testing accuracy and. execution time. The experiment results show that the new algorithm has advantages of short execution time and high accuracy.