嵌套优化技术在多市场下梯级水电站中长期电能优化配置中的应用

本文建立了梯级水电站中长期电能优化配置模型,并运用改进的逐步优化算法（POA）和最大元素法相结合的嵌套优化技术对其进行了求解,该方法是在POA进行到两阶段寻优时分配电量,避免了计算结果陷入局部最优,最后对计算结果进行了最优性检验,确保结果是最优解。仿真实例表明,该方法编程容易,计算速度较快且结果合理。     

电力市场环境下梯级水电站短期优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出梯级水电站优化运行三步调度方案,针对不同阶段分别建立了面向电力市场的梯级水电站短期优化调度模型,包括总用水量相同情况下发电效益最大调度模型和总负荷一定条件下耗水量最小调度模型;对遗传算法进行了改进,提高了其收敛速度和求解精度,提出了基于混合遗传算法的模型求解方法.实例研究证明该方法科学可行,对电力市场环境下梯级水电站短期调度运行有较高的参考价值.     

面向电力市场的梯级水电站联合优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出了面向电力市场的梯级水电站联合优化调度模型;对遗传算法进行了改进,提出了基于改进遗传算法模型求解的方法。工程实例证明,该方法科学可行,对电力市场环境下梯级水电站运行调度有较高的参考价值。     

多目标电能质量监测器的优化配置

针对电能质量监测器的优化配置问题,建立了以监测程度和监测器个数为指标的多目标优化配置模型。采用带精英策略的快速非支配排序遗传算法（non．domtnatedsoringgeneticalgorithm,NSGA．II）,获得此多目标优化问题的Pareto最优解集。该方法能保证种群的多样性,避免传统加权求解时权值的选择和解的偏好性。最后,对Pareto最优解集的各个目标函数进行归一化处理,将最大值对应的方案作为合适的最优解。通过对2个算例进行仿真,得到了合理的电能质量监测器的配置方案,验证了该方法的可行性和有效性。     

流域梯级水电站群优化调度的多向导粒子群算法

针对发电侧市场开放后流域发电公司追求发电效益最大的特点,建立以流域梯级总收益最大为目标的梯级水电站群优化调度模型。为克服粒子群优化算法在迭代后期种群趋同化严重的弊端,在动态自适应惯性权重粒子群算法基础上提出一种多向导粒子群算法。该算法在粒子飞行方向上引入多向导策略：在粒子种群最优向导上引入最优向导集使种群最好解及其他较好解均有可能成为种群最优飞行向导;在个体最优向导上引入全面学习思想,使每个粒子以一定概率向其他粒子个体最好解学习。最后以我国西南某流域2库5级梯级水电站群为例进行计算,结果表明所提算法比相关方法更优。     

育种粒子群算法在梯级水电站优化调度中的应用

为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.     

多场景下梯级水-光-蓄容量配置与优化运行研究

四川省小金县地势东北高、西南低,且光照、水资源丰富,有利于修建梯级水-光-蓄互补电站,但是水-光-蓄的容量配置将极大地影响系统经济性。计及光伏分钟级尺度下出力波动性强,提出了在分钟级多场景下新的梯级水-光-蓄容量规划方法。从提高互补电站的经济效益与外送稳定性等角度,首先,建立投资最小与外送波动最小的梯级水-光-蓄互补电站容量配置与优化运行双层规划数学模型;其次,详细描述了基于粒子群与序列二次规划算法的双层规划算法模型求解方法与执行步骤;最后,在多场景下对双层规划模型的准确性和合理性进行了分析。分析表明,配置5 MW抽水蓄能机组能够使得梯级水-光-蓄互补系统具有最大投资效益比,且缓解外送功率波动高达11.7%。     

梯级水电站优化调度方法综述

梯级水电站的优化调度一直是水电优化调度和水火电力系统发电计划中的难点。经过多年的发展,梯级水电优化调度的数学模型日益精确,逐渐贴近实际。文中比较了梯级水电优化调度的确定性模型和随机模型,并着重探讨了确定性模型。由于模型的复杂性,从理论上找到全局最优解存在困难,对算法提出很高的要求。文中对各种用于求解梯级水电站优化调度的算法进行了综述,将其分为经典算法、现代智能优化算法和混合算法三类,比较了各类算法的优缺点。在经典算法中,逐次规划法的应用较为广泛。同时,以遗传算法为代表的智能算法在求解梯级水电优化调度问题时也取得了比较令人满意的结果,成为当前研究的热点。伴随着世界范围内电力市场改革热潮的兴起,新的市场环境给传统的梯级水电优化调度提出了新的要求,市场环境下的梯级水电优化调度成为一个新的发展方向。     

考虑参与多市场交易的电网侧储能优化配置

基于电网侧储能投资者的角度,提出一种考虑多市场交易模式的电网侧储能系统优化配置双层模型。模型外层以储能投资综合效益最大为目标,考虑了储能能量市场收益、调频市场收益、调峰市场收益和投资成本;内层以系统运行成本之和最小为目标,考虑系统的发电成本、调频服务成本、调峰服务成本和弃风成本。通过内外双层模型综合考虑了储能的规划和运行决策问题,模型在改进的IEEE39节点进行仿真,算例证明了所提模型的有效性。     

大型流域梯级电站群智能调度关键技术研究及实践

大渡河流域水文情势复杂多变,梯级水电电力调峰调频、水利防洪减灾任务艰巨,防洪兴利矛盾突出,多目标协同难度大,是国内外流域调度领域普遍关注的重点.本文以大渡河流域多年的创新与实践为基础,详细介绍了大渡河流域梯级电站群智能调控运行成套技术,包括多因子"量-型"混沌相似的中长期水文预报方法、大数据驱动的高精度水情气象耦合洪水...     

梯级串联电站联合运行状态半开式反馈调节器研究

梯级串联电站级间可调库容与电站流量相比很小时,各级电站不能独立进行功率调节。本文建立了梯级串联电站联合运行的调节系统状态空间模型,通过最优控制和降维设计相结合的方法,提出了在进行功率(转速)调节的同时能使电站间流量平衡的降维状态反馈调节器。仿真实验结果表明:使用该多目标、多功能降维状态反馈调节器可很好地解决梯级串联水电站联合运行系统稳定问题。由于该调节器反馈的状态量少且易测量故便于实际应用。     

基于病毒进化粒子群算法的梯级电站厂间负荷优化分配

病毒进化粒子群算法（VPSO）是将病毒进化机制引入粒子群算法（PSO）中,利用所生成的主群体和病毒群体指导种群进化。寻优过程中,主群体在上下代粒子群之间纵向传递信息,指导粒子群的全局搜索;病毒群体通过转录与反转录在同代个体之间横向传递进化信息,指导粒子群的局部搜索。算例结果表明,较PSO算法和免疫粒子群算法（IPSO）,VPSO算法提高求解精度的同时也加快了计算速度,能有效解决复杂的梯级电站厂间负荷分配问题。     

风、火、水电短期联合优化调度研究

将风电引入水火调度系统中,针对风力发电的波动性和不稳定性,提出了风、火、水电短期联合优化调度策略.该策略先保证风电出力最大,火电承担基荷、出力平稳,再由水电调节补偿剩余负荷,将风电、火电与水电调度相结合,以补偿风电的不均匀性和随机性.建立了含约束的多目标非线性优化模型,模型求解采用线性加权和法处理多目标函数,外点罚函数法处理约束条件,将含约束多目标问题转化为无约束单目标问题,引入压缩因子的粒子群算法进行单目标优化.实例计算表明,该方法较好的发挥了水电站调度灵活的特点,提高了电网吸纳风电的能力,解决了不同电源的协调问题.     

基于信息诱导遗传算法的梯级水电站自调度优化

借鉴信息素对昆虫群体协调行为的作用,建立信息素释放模型、信息素扩散模型、信息诱导模型和信息定向模型,提出信息诱导算子(Pheromone Induction Operator,PIO),并与改进遗传算法(Improved Genetic Algorithm,IGA)相结合,形成信息诱导遗传算法(Pheromone In...     

水电站长期发电优化调度方案风险分析研究

长期来水与电价预测的不确定性引起水电站发电量与发电收入的不确定性,定量表述这些不确定性之间的关系,对水电期货市场供需双方均具有重要意义.提出了来水不确定性的描述方法,利用小波周期叠加方法滑动预报,生成预报误差系列;采用优化调度模型生成发电流量和发电收入系列,分析来水预报误差对发电流量和发电收入的影响,并利用一次二阶矩法...     

基于免疫粒子群优化算法的梯级水电厂间负荷优化分配

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及疫苗接种原理,改进了粒子群优化算法的全局寻优能力,提高了收敛速度。在分析梯级水电厂间负荷分配的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的负荷优化分配方法,建立了数学模型,给出了具体求解步骤。经实例验证,IA-PSO算法得出的负荷分配方案优于PSO算法的计算结果,且算法后期收敛速度快,从而为梯级水电厂间负荷优化分配问题提供了一条新的求解途径,可应用于更广泛的优化问题。     

TCPST allocation using optimal power flow and Genetic Algorithms

This work presents an optimization model to allocate TCPST at congested transmission systems. The problem was resolved by the Genetic Algorithms (GA) together with an optimal power flow (OPF). The proposed strategy used the GA to make the allocation of the TCPST and the OPF to obtain the load flow solution and optimal adjustments of the phase shifter’s taps. The mathematical formulation of the methodology is based on installation’s costs of the equipment and total system overload minimization. In order to diminish the search field a methodology to elect the most favorable substations to the devices allocation was considered. This methodology was tested at a 291 bus system that is equivalent, in heavy load, to the electric network of the State of Paraná in Brazil.