粒子群优化算法在电力系统中的应用

粒子群优化方法是一种基于群体智能的新型演化计算技术.它在函数优化、神经网络设计、分类、模式识别、信号处理、机器人技术等许多领域已取得了成功应用,但在电力系统中应用的研究起步较晚,关于它实际应用的报道尚不多见.文章较为全面地详述了粒子群优化方法在配电网扩展规划、检修计划、机组组合、负荷经济分配、最优潮流计算与无功优化控制、谐波分析与电容器配置、配电网状态估计、参数辨识、优化设计等方面应用的主要研究成果.随着粒子群优化理论研究的深入,它还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥巨大的应用潜力.  

基于CVaR风险计量指标的发电商投标组合策略及模型

电力市场中各类市场具有不同的价格波动特性和收益率随机变化特性。为了保证年度收益最大且风险最低,发电商需在各个市场上合理分配参与竞价的电量。借鉴金融领域风险管理的理论,以条件风险价值(CVaR)为风险计量指标,综合考虑风险和期望收益率,建立了新的发电商均值-CVaR投标组合优化模型。应用该模型,对发电商在年度合约市场、月度合约市场、日前市场和实时市场4个市场总电量的分配比例和有效前沿进行了计算。计算结果表明,所提出的模型能较真实地反映发电商所面临的市场风险的本质特征,可使发电商在保证一定期望收益率的前提下承担最小的CVaR风险,从而为发电商的投标决策与风险评估提供了新的思路。  

负荷预报的混沌时间序列分析方法

某些非线性确定性系统表现出混沌行为，由这些系统产生的时间序列又表现出随机性，但是，这些混沌时间序列在短期内可有较为精确的预测，可以为其建立确定性的预测模型。为了探讨负荷时间序列中的混沌特性，作首先介绍计算时间序列中的多种混沌征数的方法，在发现华中电网发电负荷时间序列中的混沌特性的基础上，给出一种基于混沌理论的局部预测算法。该预测方法的优点是，如果时间序列比较长，就可以通过某些参数的调整来控制预测精度。最后以华中电网的发电负荷为例检验了本中的算法，最终的预测模型的预测效果良好。  

高嵌入维混沌负荷序列预测方法研究

现有的采用欧氏距离确定相空间最邻近点的混沌预测方法对高维混沌时间序列预测的效果不太理想,因而提出以关联度代替欧氏距离来确定相空间最邻近点的思想,同时发展了一种改善高嵌入维重构空间全局Lyapunov指数谱性状的方法.通过对短期电力负荷序列的预测,验证了当嵌入维数逐渐增大时,所提方法比现有的方法在预测精度方面有明显的提高.  

基于条件风险价值的购电组合优化及风险管理

以条件风险价值为市场风险计量指标对供电公司收益?风险进行量化,建立了以收益最大化为目标的多市场购电组合优化模型。以在3个电力市场中购电为例,将上述模型转化为线性规划问题进行求解。计算结果表明,所提出的模型为供电公司的购电决策与风险评估提供了新方法,可使供电公司在满足一定风险约束的前提下具有最大购电收益。  

一种求解机组组合问题的新型改进粒子群方法

将电力系统中机组组合这一复杂的多约束混合整数规划问题分解为具有整型变量和连续变量的两个优化子问题,提出采用改进离散二进制粒子群算法和标准粒子群算法相结合的双层嵌套方法,分别对外层机组的启、停状态变量和内层功率经济分配进行交替迭代优化求解。同时在算法中引入基于机组优先顺序的变异技术和修补策略,能有效地处理机组最短启、停时间约束,并提高算法的全局寻优能力和计算效率。通过对10机系统的算例计算,并同其他算法的结果进行比较分析,仿真结果表明新方法求解精度高、收敛速度快,从而验证了新方法的可行性和有效性。  

三峡梯级水电站蓄能最大长期优化调度模型及分解算法

建立了三峡梯级水电系统计划期末蓄能最大长期优化调度模型,采用大系统分解协调原理将发电量耦合约束进行了松弛,使各子系统仅是三峡下泻流量的一维优化问题.采用黄金分割法进行子问题的优化搜索,Lagrange乘子的更新则采用了次梯度法.使用三峡水力系统数据进行了数值检验,测试结果表明,文中所提出的模型和算法计算简单、可行、有效,适合于梯级水电长期运行规划的决策支持.  

拟梯度遗传算法在水电厂厂内经济运行中的应用研究

提出一种求解水电厂厂内机组间负荷优化分配的新方法－拟梯度遗传算法（ＱＧＡ），详细介绍了算法的原理和实现过程，该算法采用实数编码技术和基于拟梯度的遗传变异算子，求解精度高而且收敛速度快，为水电厂内的经济运行提供了一种有效的方法，算例说明了该方法的有效性。  

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起，同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子，从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷，仿真计算结果表明，该方法可以求解具有复杂约束条件的非线性优化问题，算法求解精度高，收敛速度快，从而为水电系统的短期发电计划问题提供了一种有效的方法。  

用改进遗传算法求解水火电力系统的有功负荷分配

水火电力系统的短期有功负荷分配在电力系统的经济运行中发挥着重要的作用，从本质上讲它是一个具有复杂约束条件的非线性大型动态优化问题，处理起来十分复杂，采用传统优化算法难以得到理想的结果。文中提出对决策变量直接采用浮点数编码技术，并根据给定的概率分布进行杂交操作和实施参数变异的改进遗传算法（RGA），用以求解此问题，最后用具体算例对该方法进行了验证。通过与二进制编码遗传算法所得结果进行对比分析，表明此法计算结果正确合理，收敛速度快，求解精度高。这也说明RGA不失为一种行之有效的优化方法，具有应用潜力。