基于模糊机会约束规划的水火电力系统多目标随机调度模型

针对水火电力系统运行调度中所包含的不同种类的不确定量,提出了一种基于模糊随机机会约束规划的短期水火电力系统多目标优化调度模型。将调度周期开始的水库蓄水量作为一个三角模糊量,以描述初始蓄水预测可能存在的误差。针对某些随机变量可能由于历史数据不足而存在误差的问题,用模糊随机变量替代这些随机变量,描述水火电力系统运行中的不确定性。在考虑整个系统发电煤耗最小化和污染物排放最小化的目标同时,考虑了龙头电站周期末蓄水量最大的优化目标,并引入了火电机组煤耗量与梯级水电站蓄水量目标的协调函数。按照模糊机会约束和随机机会约束的确定性等价形式,将短期水火电调度不确定模型转化为确定性模型。以一个8级梯级水电站和6台火电机组组成的水火电力系统为实例进行计算,验证了所提出的水火电力系统随机调度模型的正确性。     

微机在计程车税控上的应用

文章介绍了计程车基于TM卡实现微机化税控系统的工作原理及其脉冲整形电路、主电路、电源电路设计及软件设计。     

电力市场中基于模糊负荷的实用有功静态安全域

提出了电力市场环境下基于模糊负荷的有功静态安全域的数学模型及计算方法.在实时平衡市场运营模式下,以系统总购电费用最小为目标函数,利用置信区间的概念求解不同模糊置信度下的显式静态安全域.在保证系统安全的前提下兼顾系统的经济性.给出了基于现代内点法的求解算法,最后以IEEEl4节点系统为算例,说明了该模型的实用性和可行性.     

基于条件风险价值风险控制的多电源虚拟电厂机组动态聚合优化模型

虚拟电厂存在源荷不确定性的问题会导致虚拟电厂在获取收益同时也要面对一定的风险损失。针对此问题,提出在日前从现有的多电源机组中选择可调容量合适的机组组建虚拟电厂,就能有效规避风险损失,使虚拟电厂的收益最大化。文中采用条件风险价值作为风险度量的指标,以运行收益最大化和风险损失最小化为优化目标,建立基于条件风险价值点（CVaR）风险控制的多电源虚拟电厂机组动态聚合优化模型。首先,采用场景技术来模拟虚拟电厂中源荷的不确定性;然后,在此基础上研究了虚拟电厂管理者的风险偏好对虚拟电厂机组选择的影响,以及环境惩罚成本和购电电价对虚拟电厂机组选择的影响;最后,通过算例仿真验证了该模型的正确性。结果表明,当虚拟电厂管理者选择合适的风险偏好时,虚拟电厂机组的动态聚合模型可有效降低虚拟电厂的风险损失以及提高虚拟电厂供能的稳定性。     

基于局部密度的最小生成树聚类算法及其在电力大数据的应用

电力大数据主要来源于电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节,,如何运用这些数据提高电力管理工作的智能化水平已经成为相关电力环节十分重要的研究课题之一。但现有电力大数据中用到的聚类方法却不能发现任意形状的数据集聚类类别(即类簇),这影响了电力大数据在应用中的计算精度与计算时长。因此提出了一种新的算法,即使用局部密度峰值和基于共享邻点的距离,更好地结合了密度与距离的关系,表示出数据之间的差异。使用局部密度峰值并用基于共享邻点的距离来构造最小生成树,然后重复切割最长的边,直到找到给定数量的簇。在电力大数据应用上的实验结果表明,该算法在具有良好的效果。     

水风储微电网电源容量的优化配置

由于配电系统线路功率和节点电压的约束,在微电网规划中需要弃风弃水来减少设备容量。文中提出一种高效能的友好并网型水风储微电网优化配置方法。通过量化风电资源和水电资源的最大可发电量,结合所提的微电网运行控制策略及运行约束,建立以微电网投资及运营成本、年弃风弃水电量和电源年发电量为目标函数的多目标优化模型;通过基于精英策略的非支配性排序遗传算法(NSGA-II)求出模型的最优解集,并采用逼近理想解排序方法(TOPSIS)选择满意的配置方案。通过韶关地区某实际配电系统进行多场景仿真验证,结果表明该模型提高了可再生能源利用率,保证了配电系统的电能质量,验证了该配置方法的实用性和经济性。     

考虑风电消纳的综合能源系统源荷协调运行优化方法

针对风电出力反峰特性导致综合能源系统消纳风电能力过低问题,在深入分析可转移负荷和风电消纳关系机理的基础上,提出考虑风电消纳的综合能源系统源荷协调运行优化方法。负荷侧将可转移负荷作为消纳可再生能源的主要手段,与微燃机和燃料电池等电源共同参与系统经济调度,形成源荷协调的运行优化模式。在该模式下,综合考虑系统运行约束条件以及设备约束条件,以风电消纳量最大和系统运行成本最小为优化目标,构建源荷协调的多目标优化模型,并利用NSGA-2算法对该模型求解。算例结果证明了所提方法的有效性。     

基于自适应极限学习机的变压器故障识别方法

针对变压器状态数据累积规模和复杂程度均增大的情况,单一智能算法进行数据处理的能力有限、精度低,提出了基于自适应极限学习机的变压器故障识别方法。利用免疫算法(IA)的多样性调节机制和存储机制对粒子种群进行优、劣分类,对优、劣粒子分别采用不同的进化方式。经IA改进的粒子群优化(PSO)算法有效克服了种群容易早熟从而导致进化停滞的缺点,提高了全局寻优能力。在参数寻优的基础上,根据寻优输出结果建立变压器故障识别模型。实验计算结果表明所提方法比极限学习机(ELM)、粒子群优化极限学习机(PSO-ELM)、遗传算法优化极限学习机(GA-ELM)方法的故障识别精度高。     

“源-网-荷-储”协同的园区微电网优化调度

园区微电网运行在"以热定电"方式下时,微型燃气轮机电能完全跟随热负荷,限制了微型燃气轮机在经济调度中的作用。针对这一问题,提出一种考虑微电网中央控制器(microgrid central controller,MGCC)信息、微电网运行约束、储能约束的"源-网-荷-储"4层模型,解耦了微型燃气轮机电热出力的强耦合性,采用改进的粒子群优化(particle swarm optimization,PSO)算法对模型求解,优化微电网内各单元出力。将该模型应用于某微电网实际算例,并与"以热定电"、"电热分供"2种运行方式进行比较,分析结果表明,该优化模型能够实现"源-网-荷-储"协调调度,降低微电网运行成本。