水火电力系统多目标优化调度

水火电力系统多目标优化调度模型的确定在整个电网经济、安全运行中起着非常重要的作用.本文首先分析了大型水库的3种水能形式,建立了水电站发电模型,并在此基础上提出了耗水微增率的计算模型.在考虑发电成本时,引进了煤炭价格因素,并建立了新的发电成本函数模型.最后以水电站总发电用水最少和火电站总发电成本最低为两个目标函数建立调度...     

差分进化算法在水电站优化调度中的应用

针对水电站优化调度的特点,以某水电站为例探讨了一种在连续空间中进行并行随机搜索的差分进化算法的应用及效果,结果表明该算法全局搜索能力强、计算精度较高、可靠,为水电站优化调度提供了一种更为有效的新方法.     

考虑电网络影响的水火电力系统短期优化调度

为提高发电计划实际执行的可行性,提出考虑电网络影响的水火电力系统短期优化调度方案,即在传统水火电优化调度中引入输电网络潮流约束,构建水火电力系统短期优化调度数学模型。该模型以火电站的总煤耗量最小为优化目标,考虑水火电的发电特性、梯级水电复杂关系、系统运行约束、输电网络约束及传输功率限制。同时为模型求解引入迁徙操作和惯性权重非线性递减策略的改进粒子群算法,并设计了五种约束处理规则以应对复杂的约束条件。最后以典型水火电系统和IEEE-9节点的电网络拓扑为例对所构建的模型和算法进行验证。结果表明,所构建的优化模型和设计的求解方法能满足复杂运行约束的短期调度方案。     

求解水火电力系统短期发电计划的粒子群优化算法研究

提出求解水火电力系统短期发电计划的新方法——粒子群优化算法。实例研究表明，该方法优化能力高于遗传算法和进化规划。同时对全局搜索粒子群优化算法和局部搜索粒子群优化算法在求解水火电力系统短期发电计划时的动态收敛特性和计算效率等进行了对比研究，结果显示．局部搜索粒子群优化算法更适合求解水火电力系统短期发电计划的复杂问题。     

水火联合电力系统长期优化调度模型与算法

本文提出了水火联合电力系统长期优化调度的数学模型,较全面地考虑了负荷预侧的不确定性、火电机组发电出力的随机性以及水电厂径流来水的随机性,推导出水电厂径流来水相互独立、相邻时段相关和上、下游水电厂同时段径流相关三种情况下优化调度模型.通过分解协调原理将整个优化问題分成火电子问題和水电子问题,火电子问题用等微增率准则求解,水电子问題按河系分解成一系列小问题,用随机动态规划方法求解,最后将两个子问题适当协调起来.     

基于改进粒子群的水火电力系统发电调度

在标准粒子群优化算法中引入最差粒子和自适应惯性权重,使粒子随进化进度自适应调整飞行方向和速度,向其自身和种群最优位置收敛的同时背离二者的最差位置,且避免了算法过早收敛和限于局部最优.将改进后的粒子群优化算法用于求解水火电力系统发电调度问题,仿真结果表明该算法可行有效.     

基于差分进化粒子群优化算法的多机励磁参数协调优化

多机励磁参数协调优化是抑制电网低频振荡最直接经济的措施,对提高电网的运行稳定性有重要的意义。针对传统粒子群优化算法后期粒子多样性降低导致算法早熟收敛且容易导致局部最优的缺点,采用新的差分进化粒子群算法（DEPSO）进行多机励磁参数协调优化,通过实际系统的仿真结果证明该算法对励磁参数协调优化的有效性。     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

水火电力系统优化调度的逐步最优遗传算法

基于逐步最优化原理和遗传算法相结合,提出了水、火电力系统优化调度算法,该方法主要优点在于占用内存少,不需要优化问题具有凸性、连续性和可微性。与单点最优算法相比,该方法为多点导优,单调收敛,可获得最优解和用于长、短期或实时优化调度。本文给出了实例计算成果。     

大规模水火电力系统经济调度的多层次预估算法

本文提出了一种求解大规模水火电力系统最优经济调度问题的多层次预估算法。该算法的特点是问题的关联量均被预估,从而使计算简单、快速、边界和终端约束问題容易求解.在所考虑的问題中包含了火电站、不变水头水电站、变水头水电站和有水力联系的梯级水电站,并考虑了水量传输中的时间滞后,电力传输损失和其它实际约束.实例计算结果表明该算法计算方便,快速,是一种有效的实际工程算法.本文还给出了该算法收敛性定理.     

基于差分粒子群优化算法的多机PSS参数优化

提出了一种新的进化计算方法--差分进化粒子群优化算法(DEPSO)进行多机电力系统稳定嚣(PSS)的参数优化.该方法以系统正常运行方式下的最小机电振荡模式阻尼比为目标函数,将PSS的参数优化问题等效为非线性、非解析、非突性的连续实域空问的函数优化问题.基于传统的差分进化策略,引入种群中的最优个体信息和方向信息,提出了一种全新的差分进化策略.仿真结果表明,该算法搜索空间广,收敛速度快,优化效果好.     

含风电电力系统机组组合的量子离散差分进化方法

风电具有天然的不可控性和随机性,大量并网给电力系统调度计划带来困难,在电力系统日前机组组合计划中计及风电出力的不确定性,有利于提高电力系统优化运行的精细度。文中通过系统旋转备用将风电出力的预测误差纳入机组组合的数学模型中,为求解含风电的机组组合问题,设计了双层求解方法,外层采用量子离散差分进化法优化传统火电机组的启停状态,内层采用二次规划法优化求解负荷分配的经济调度问题,以提高算法的求解精度。最后通过10机系统算例仿真,验证了文中算法的有效性。情景仿真得出在电力系统日前机组组合阶段中考虑风电出力的波动性和预测误差,可以提高电力系统供电可靠性,也为电力系统运行节省了费用,但随着风电出力预测误差的最大,系统所需旋转备用也会变化,使得发电费用也会增加。     

基于改进的多目标差分演化算法求解电力系统清洁经济优化调度问题

利用改进的多目标差分演化算法求解考虑安全运行约束的电力系统清洁经济优化调度问题,对相互冲突的发电费用函数和污染气体排放量函数同时进行优化,采用非支配排序和拥挤距离排序对种群进行选择操作,并引入基于平均熵的种群初始化和基于混沌Logistic映射的控制参数调整策略来改善算法收敛性能。在IEEE 30节点6机系统上获得的仿真结果验证了该算法的优越性。     

一种基于发电场负荷优化的差分进化算法

优化发电负荷在限制碳排放的电力行业具有实际意义。燃煤发电负荷优化的主要目标是在保持一定输出和维持环境许可的NO,排放量的情况下,减少燃料消耗。通过把MA算法中差分进4E（DE）的竞争变换和单纯形法相融合,利用约束处理手段调整选择准则,优化并约柬发电负荷,提出了一个有效算法DESx。基于燃煤电厂仿真结果清楚表明,在发电负荷优化效率和计算时间上,提出的方法非常有效。     

改进小生境差分进化算法在配网 无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法（NPSO）和改进小生境差分进化算法（FERDE）对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高     

基于差分进化算法的枞树型叶根测量数据处理方法

结合枞树型叶根的型线特点,将某一大功率汽轮机末级动叶枞树型叶根的测量数据拟合处理,转化成多约束条件下多参数单目标最小值优化问题,并采用差分进化算法进行求解。拟合结果表明这种处理模式是合理的,差分进化算法能够很好地应用于该类工业测量数据的拟合。     

基于水循环算法的梯级水电站短期优化调度

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(GA)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(WCA)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与GA和粒子群算法(PSO)所得结果进行比较。实例研究表明,WCA计算的总效益在丰、平、枯典型日分别比GA和PSO计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。     

考虑弃水电量机会损失的水火电短期联合优化调度

针对传统大型水火电系统联合优化模型成本计算单一问题,考虑水电因弃水导致的机会损失,并考虑水火电爬坡约束、水电振动区约束等多种复杂约束,构建以火电运行成本与水电弃水电量机会损失之和最小为目标的水火电短期优化调度模型。将模型中非线性约束转化为线性化约束,并使用商业优化软件CPLEX中内置的分支定界法进行求解。算例仿真表明,按此优化准则下的最优策略运行,虽然火电运行成本有所增加,但弃水电量大大减小,水电能源利用率明显提升,计算结果更加符合实际情况。     

基于差分进化的光伏MPPT算法改进

基于差分进化(DE)算法提出一种改进的最大功率追踪(MPPT)算法。针对DE算法MPPT时收敛较慢且追踪过程中会产生较大的尖峰电压和振铃的问题,该文采用新的差分策略并增加种群个体排序,提出一种差分进化和扰动观察法(P&O)相结合的OMDE-P&O算法。首先通过OMDE算法快速达到最大功率对应的电压附近,然后通过P&O算法快速稳定到最大功率点。通过Matlab仿真及硬件实验,验证该算法的可行性。     

基于自适应差分进化算法优化极限学习机的干旱预测方法

针对极限学习机在实际应用时随机选取初始权值与阈值易导致其稳定性弱及泛化能力差的问题,利用自适应差分进化算法对其进行改进,构建了自适应差分进化极限学习机预测模型,并选用海表异常温度作为该模型的输入因子,对研究区域的干旱进行预测。结果表明,以海表异常温度作为模型的输入因子,应用极限学习机能有效地进行干旱预测,通过自适应差分进化算法优化的极限学习机应用于干旱预测,其精度与稳定性均有所提高。