考虑稳态频率约束的含大规模风电电力系统机组组合研究

风电的大规模接入给电力系统运行带来了新的挑战。随着风功率的渗透率逐渐增加,由风功率预测误差带来的不平衡功率将导致频率波动量的增加。含风电电力系统的机组组合问题往往没有考虑系统的安全约束,尤其是频率安全约束,而频率安全约束将直接影响发电计划的可行性。搭建考虑稳态频率约束的含大规模风电机组组合优化模型,并采用CPLEX优化软件来进行求解,从而得到系统常规机组发电成本最小。最后,以小规模电网算例对所提方法进行测试,将测试结果与传统的考虑频率约束的机组组合方案进行比较,验证了该方法的有效性与优越性。     

用拉格朗日松弛法求解概率备用解析表达的机组组合

由于电力系统运行中存在不确定性,因此在机组组合中有必要考虑机组投运风险水平的限制.但机组投运风险水平与机组强迫停运容量呈离散型的分布关系,因而难以与拉格朗日松弛法的机组组合算法有机结合.就这一问题,在前人研究的基础上,对系统投运风险曲线的两种拟合形式,即高斯函数和指数函数,进行分析和研究,发现前者精度较后者明显提高.在此基础上,将投运风险度约束以解析表达的方式引入机组组合的拉格朗日松弛法中,有机一体的完成了概率备用约束的机组组合问题,实现真正意义上的优化.     

用拉格朗日松弛法求解概率备用解析表达的机组组合

由于电力系统运行中存在不确定性，因此在机组组合中有必要考虑机组投运风险水平的限制．但机组投运风险水平与机组强迫停运容量呈离散型的分布关系，因而难以与拉格朗日松弛法的机组组合算法有机结合．就这一问题，在前人研究的基础上，对系统投运风险曲线的两种拟合形式，即高斯函数和指数函数，进行分析和研究，发现前者精度较后者明显提高．在此基础上，将投运风险度约束以解析表达的方式引入机组组合的拉格朗日松弛法中，有机一体的完成了概率备用约束的机组组合问题，实现真正意义上的优化．     

基于神经网络的组合电路测试生成算法

介绍了一种基于神经网络的组合电路测试生成算法。该算法不同于传统的方法是它既不需要回退也不需要故障传播的过程。利用Hopfield神经网络模型将组合电路表示成双向的神经网络，通过故障注入，建立被测电路的约束网络，并构造网络的能量函数，将组合电路的测试矢量对应于神经网络能量函数的最小值点，从而运用遗传算法求解能量函数的最小值点来求得测试矢量。在一些基准电路上的实验结果表明本算法具有较高的故障覆盖率和较短的测试时间。     

机组组合问题的两层优化研究

根据两层规划理论,提出网络约束机组组合的二层优化模型和算法。上层是以各子系统总成本最小为目标,考虑网络约束的有功优化潮流;下层由若干无网络约束的发电子系统构成,子系统由上层决定其发电任务,以此为依据决策机组的启、停状态。两层问题依据下层各子系统提供的边际信息交替求解,当边际信息无变化时便完成了机组组合。算例分析表明该方法对解决网络制约的机组启、停决策问题是有效的。     

考虑限制性卖空的多期模糊投资组合优化模型

在实际证券交易中, 卖空操作是一种重要的投资手段, 因此本文研究考虑限制性卖空的多期模糊投资组合优化问题。将风险资产的收益视为梯形模糊数。在允许卖空的情况下, 建立了带单期最低期望收益约束、破产控制约束和投资比例边界约束的多期可信性均值−下半方差−偏度投资组合优化模型。设计了一个改进的多种群粒子群算法对模型进行求解。最后, 采用真实股票数据进行数值算例分析, 说明了所提出的优化模型和算法的有效性。     

具有熵约束的均值-CVaR投资组合决策研究

结合条件风险价值CVaR和熵风险度量方法,提出不允许卖空情况下具有熵约束的均值-CVaR投资组合模型,并采用序列二次规划和不等式组的旋转算法进行求解,最后通过一个具体实例验证了上述模型和算法的有效性。     

基于并行计算的电力系统风险评估

将风险理论应用于电力系统静态安全分析,建立了具有明显并行计算形式的电力系统风险模型,提出了基于并行计算的电力系统风险评估方法,并应用PC机群技术作为并行计算的实现形式.在实现具体的并行计算时,采用了PC集群技术,并应用新英格兰10机39节点系统对本文提出的基于并行计算的电力系统静态安全风险评估方法进行了验证.以系统的N-1开断事故作为该系统的预想事故集,以线路过载风险与母线低压风险作为描述静态安全的2个风险指标,比较了基于指标的并行计算结构算法和静态分配方式下基于事故的并行计算结构算法的性能.     

基于最佳灵敏度向量和差异系数的线路过载紧急控制策略

为快速有效地消除线路过载,提出了一种基于最佳灵敏度向量和配对灵敏度差异系数的线路过载紧急控制策略。采用图论确定广义潮流转移区域,利用线路过载功率和热稳定功率极限确定最佳灵敏度向量。由节点灵敏度向量在最佳灵敏度向量上的投影值将过载线路所在的广义潮流转移区域内的控制节点分类并选择控制节点对。根据正常线路与过载线路的配对灵敏度向量计算差异系数,筛选确定消除过载过程中功率可能增加大的支路构成安全约束集。利用投影法选择控制节点对调节能减少调节过程需要的调整量和轮次。安全约束集线路代替全网正常线路做为正常支路约束,减少计算量同时加快紧急控制速度。IEEE39节点系统的仿真验证了本文方法的有效性。     

考虑风电接入不确定性风险下的电网安全经济协调规划

文章围绕电网规划的经济性和安全性,通过将安全风险转化为概率可用传输能力指标,并加入到目标函数中,建立一种考虑风电接入风险的电网安全经济规划模型,同时在模型约束条件中考虑N-1安全约束,从而实现电网综合效益的最大化.最后,通过运用改进小生境遗传算法实现求解,寻求风电接入电网不同模式下的最优规划方案,通过实际算例验证了规划模型及算法的适用性.     

电力系统惯量安全机组组合优化决策研究

针对“双碳”目标下新能源大量并网,电力系统同步惯量逐步下降,连锁故障风险愈发上升的问题。综合考虑由新能源发电占比增加带来的电力系统惯量下降以及电力系统连锁故障预防,添加了系统运行约束中的受系统惯量影响的频率安全约束,并引入了运行目标中反映连锁故障风险的潮流熵,最终形成面向连锁故障预防的电力系统惯量安全运行决策模型与求解方法。对IEEE-30系统系统仿真结果表明,潮流熵和惯量安全约束的引入可以实现在牺牲一部分经济运行的基础上显著改善系统潮流分布,降低连锁故障风险,保障系统事故后的电网频率安全和负荷需求。     

基于遗传算法的区域电力市场日交易计划研究

通过对区域电力市场日交易计划的研究,建立了区域电力市场发电侧日交易计划的数学模型.该数学模型考虑了机组组合问题,还考虑了以边际电价和机组实际报价的2种结算方式.应用遗传算法求解数学模型,同时针对标准遗传算法中存在的问题,采用了一个十进制———二进制混合编码的遗传算法,并结合区域电力市场日交易计划模型的特殊性,对算法设计和求解中的若干关键技术,包括约束处理技术、遗传算子设计和算法效率优化等进行了研究.最后运用分布式协同方法求解,并进行基于.NET的程序架构设计,对于提高算法效率,解决遗传算法的收敛问题都较有利.     

综合考虑风电及负荷不确定性影响的电力系统经济调度

提出一种考虑风电出力和负荷不确定性的电力系统经济调度新方法.通过风速威布尔参数预测,在机组组合经济调度模型的功率平衡约束中考虑风电和负荷不确定性;提出一种利用个体间交叉、变异、复制与在子种群间移民思想和初始种群区间化的改进遗传算法对模型进行求解;综合研究风电不确定性、穿透水平和负荷不确定性对电力系统常规火电机组经济调度的影响。一个包含4台常规火电机组和1台等值风电机组的算例系统测试结果验证了所提模型和算法的有效性.     

度约束最小生成树的元胞竞争决策算法

度约束最小生成树（Degree-Constrained Minimum Spanning Tree,简记DCMST）是网络设计和优化中的一个经典的组合优化难题。竞争决策算法是一种特别适合于求解组合优化难题的新型算法。为了提高求解DCMST问题的求解精度,将元胞自动机的邻居演化原理和竞争决策算法相结合——元胞竞争决策算法来求解DCMST;为了提高算法的效率,分析了度约束最小生成树问题的数学性质并利用这些性质对问题实现降阶。降阶过程会有效降低问题处理的规模。为了验证算法的性能,采用Delphi 7.0实现算法,经过数据测试和验证,并与其他算法的结果进行比较,证明了算法的有效性。     

考虑风电不确定性的电网状态检修策略

设备状态检修背景下，随着风电等高比例新能源并网发电，电网检修计划决策中输变电设备个体与电网运行整体间的矛盾和冲突越来越难以平衡，使电网检修计划决策面临严峻挑战。对此，文中提出考虑风电不确定性的电网状态检修策略。首先，基于设备状态监测信息和状态评价技术，建立设备故障率及其与检修策略间关系的数学表达；其次，依据风险理论给出电网故障风险和检修风险的数学模型，并基于次时间尺度的安全约束机组组合模型评估其中的电网运行损失；最后，提出以电网故障风险和检修风险之和最小为目标的考虑风电不确定性的电网状态检修模型，并采用修改的IEEE-30节点系统算例验证所提模型的有效性。     

一种降维求解机组组合问题的双重粒子群优化算法

考虑机组组合的电力系统动态经济调度是一个高维复杂的非线性优化问题。提出了一种采用降维思想解决大规模机组组合问题的新方法,降维的方式是将对整个调度周期的优化转化为对每个调度时刻依次、分别优化,即将对矩阵的优化转化为对行向量的优化,降低求解维数。结合离散与连续粒子群(particle swarm optimization,PSO)算法,分别得到当前调度时刻最优的机组组合状态及对应的最优负荷分配。采用初始化策略提高初始解质量,并对机组启停、爬坡等约束条件处理,使寻优都在可行域中进行,结合优先次序法及智能调整策略避免算法早熟。算例表明本文方法在经济性上具有很大的优越性,且可明显减少开机机组数目,对于求解机组数较多的大规模系统更具优势。     

一种求解机组组合问题的改进免疫算法

针对传统免疫算法存在的两大缺陷:容易陷入局部最优平衡状态、进化后期搜索停滞不前。提出一种改进的免疫算法,用模糊推理来动态改变交叉、变异概率,同时把模拟退火的思想引入到算法中,采用确定性和模拟退火相结合的方法选择接种个体。实验证明,改进的免疫算法用于求解机组组合问题时,不仅不易陷入局部最优解,而且它的收敛性和效率都有所提高。     

用于求解多目标优化问题的克隆选择算法

提出一种用于求解多目标优化问题的新算法,将抗体群中的抗体分为支配抗体和非支配抗体代替传统算法中对所有个体分配适应度值,以适应多目标优化问题存在一系列无法相互比较的Pareto-最优解的特点;对非支配抗体进行选择,有利于算法向着理想Pareto-前端搜索,而且加快了收敛速度;克隆操作实现了全局择优,有利于得到分布较广的Pareto-前端;采用非一致性变异操作以提高算法的局部搜索能力,有利于所得解的多样性．与已有算法相比,新算法所得的最优解分布最广,很大程度上支配着其他算法得到的最优解,评价指标S降低到了3%以下．     

不确定条件下危险品配送路线多准则优化

针对非满载的危险品配送车辆路线优化问题,考虑危险品数量对运输风险的影响,利用分段线性逼近方法对配送过程中的潜在风险动态评估。根据运输企业的不同优化准则以及配送路线的不确定性属性,基于可信性理论和期望值方法,建立了有容量约束的危险品配送路线多准则优化模型。设计了改进的模拟退火算法对模型求解,并利用快速非支配排序方法和动态拥挤距离计算方法提高求解效率,改善Pareto解在解空间内分布的均匀性,结合解的编码方式设计变邻域搜索策略提高算法的局部和全局搜索能力。采用不同算例验证了模型的合理性和算法的有效性,研究结果可为危险品运输企业在多种不确定条件下的配送路线选择提供决策支持。     

基于自适应量子遗传算法的电力系统机组组合问题

采用了一种自适应量子遗传算法来解决机组组合问题.其数学模型以最小燃料成本作为目标函数.考虑的约束条件有功率平衡约束、机组容量约束、最大启停次数约束,以及最小连续停运和运行时间约束.该算法采用了新的量子个体来表示机组的启停状态,提出了针对个体适应值和进化代数的自适应量子旋转角,使个体向更好的解靠近.仿真实验结果验证了自适应量子遗传算法的可行性和优越性.