基于交叉随机粒子群优化算法的机组组合优化模型

针对机组运行时故障的不确定性,利用威布尔失效概率函数来详细描述机组的故障概率,并以此为基础提出了兼顾机组故障率的机组组合优化模型。根据所建模型的特点,提出了带有随机权重和带有异步变化学习因子的粒子群算法,将机组组合问题划分为离散量和连续量两部分,通过在机组编码矩阵中进行交叉计算来解决机组组合问题。以5台机组24 h的机组组合优化问题为例进行计算,验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。     

电力系统机组组合问题的改进粒子群优化算法

机组组合问题是一个大规模的非线性混合整数规划问题.文章首先对机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,并应用改进粒子群优化算法求解.该算法在标准的粒子群优化算法的基础上,每个粒子速度和位置的更新不仅考虑自身个体极值和全局极值的信息,还考虑其它粒子所包含的信息.通过收敛性分析可知,若合适地选择算法的控制参数,该算法能较好地收敛到最优解.算例表明文章所提出的算法具有解的质量高、收敛速度快的优点.     

考虑需求侧低碳资源的新型模糊双目标机组组合模型

提出一种可促进电力系统碳减排的新型机组组合模型。相比于传统模型,该模型在以下两方面进行了改进:一是综合考虑供应侧资源与需求响应、电动汽车、分布式可再生能源发电等低碳的需求侧资源的最优组合;二是机组调度的规则在经济目标之外充分考虑碳排放目标,提出可计及目标相对优先级的模糊双目标优化方法。另外,在求解优化模型时,对粒子群优化算法进行改进,引入了遗传算法中的"交叉"、"变异"两个算子,提高了粒子群算法的全局寻优能力。通过对10机系统进行算例分析,验证了模型与算法的有效性。     

考虑机组优化选取的含风电电网滚动优化调度方法

提出一种包含调整机组优化选取策略的滚动优化调度方法。根据负荷及风电超短期预测信息,首先考虑等效负荷(负荷+风电)预测偏差和机组调节容量匹配、机组爬坡量和等效负荷波动量匹配,以及减少外送断面越限原则进行调节机组优化选取。在此基础上,以机组调整成本及弃风量最小为目标,建立优化模型并采用改进粒子群优化算法求解。实际算例表明,考虑机组优化选取的滚动优化调度实现了超短期时间尺度上对负荷及风电预测偏差的自动跟踪调节,提高了发电计划的准确性,同时有效降低了综合发电成本和外送断面功率越限的风险,提高了电网运行的经济性和安全性。     

基于坏场景集的含风电机组组合模型

针对风电出力的不确定性和波动性,引入坏场景集和鲁棒优化方法来解决含风电的机组组合优化问题。在分析场景集和鲁棒优化在电力系统不确定性调度中的应用基础上,构建评价坏场景恶化程度的保守度指标,在优化目标中加入方差来抑制个别坏场景导致整体优化结果的恶化,并结合储能系统对平抑风电波动的固有特点,建立了基于坏场景集的鲁棒机组组合模型及其算法。最后,通过算例进行了成本、储能装置容量和鲁棒度量分析,验证了该模型的有效性和实用性。     

求解机组组合问题的改进离散粒子群算法

电力系统机组组合问题是一个高维数、离散、非线性的大规模复杂工程优化问题.文中提出了一种基于改进离散粒子群优化算法求解机组组合问题的新方法.首先采用新的策略生成粒子,以保证所有生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域进行优化搜索;然后引入优化窗口的概念和启发式的规则以缩短计算时间和提高优化精度.仿真结果表明所提出的算法具有解的质量高、收敛速度快的特点,充分证明了它能很好地解决机组组合问题.     

基于降低风电机组叶片损伤的风电机组组合优化

对于大型风电场,研究机组组合优化,可以提高风电场运行水平,提高风电场经济效益。叶片是风电机组的关键部件之一,占风机总成本的20%,是影响风电机组使用寿命的重要因素之一。通过对叶根在不同风况下四种不同载荷工况的受力分析,量化了不同运行工况下叶片损伤量,确定了叶片损伤量与叶片寿命的关系,建立了风电场各机组总叶片损伤量的数学模型;应用改进二进制粒子群(BPSO)优化算法,结合风电场预测功率数据和负荷调度要求,以叶片损伤量最小为优化目标,建立风电场内机组组合优化调度模型。将所提出模型应用于某49.5 MW风电场,对33台机组进行组合优化,算例结果表明在满足负荷的要求下,可减少启停机次数,延长机组寿命,验证了该算法的可行性和有效性。     

一种适合于电力系统机组组合问题的混合粒子群优化算法

该文针对机组组合问题，提出了一种新的混合粒子群优化算法。该算法包含3个重要的方面：通过在算法迭代过程中对松弛后的0、1变量与机组有功出力变量并行地进行优化，避免了由于决策变量过多造成的维数灾难题；引入变动阈值，解决了在寻优过程中粒子的值出现振荡时可能会丢失机组有效启停状态的问题：在粒子群优化算法中引入启发式变异技术，有效地处理了机组启、停时间的约束并提高了粒子群优化算法的全局收敛能力。文中通过对2个算例的计算及与其他算法进行的比较结果，验证了所提出的混合粒子群优化算法具有更好的全局收敛性。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。     

含变速恒频风电机组并网后的配电网无功优化

目前对广泛采用的变速恒频风电机组并网后的配电网无功优化问题还少见有研究。分析了变速恒频风电机组有功功率特性,建立了含变速恒频风电机组的配电网无功优化模型,并分析了风速变化对风电机组输出有功功率的影响。采用二进制粒子群优化算法对配电网中有载调压变压器和并联电容器组等无功控制变量进行优化,通过算例分析验证了该方法的有效性。     

遗传粒子群混合算法在电厂机组负荷组合优化中的应用

粒子群优化算法应用于火电厂机组组合问题中存在早熟收敛等现象,提出3方面改进的遗传粒子群混合算法:改进粒子群初始化方法,提出粒子初始化机组运行状态组合合理性判据,并初始化一定比例的粒子使其机组负荷随机在对应机组负荷上限附近赋值;采用部分解除约束结合惩罚函数的约束处理方法,对粒子进行机组负荷平衡操作,使大部分粒子满足约束条件;通过引入遗传算法中的交叉和变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能性。采用改进的遗传粒子群混合算法对3机及5机火电厂机组负荷组合进行优化,仿真结果表明,优化成功率能达到100%。     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

基于两阶段鲁棒区间优化的风储联合运行调度模型

为了全面和准确地考虑风电出力的不确定性和消纳能力,并兼顾系统运行的经济性和可靠性,通过在风电不确定区间可优化的鲁棒区间经济调度模型中引入常规机组和储能系统运行状态的离散决策变量,建立风储联合运行的双层鲁棒区间机组组合模型。针对连续变量和离散变量间存在耦合关系,导致计算过程中对偶转换失效而使模型难以求解的问题,提出基于Benders分解算法的两阶段迭代求解策略。仿真分析表明,所提模型在确定风储联合运行方式时,能更全面地考虑风电不确定性及消纳能力对系统运行经济性和可靠性的影响。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。     

风电与储能系统互补下的火电机组组合

针对具有风电和火电机组的电力系统,在储能系统配置给定的前提下,提出通过储能尽量消除风电不确定性并部分以备用形态出现的研究思路,建立了火电机组组合2层优化决策模型。上层问题以火电机组组合成本最小为目标,下层问题以储能系统对电网中电能时空平移和提供备用所得收益最大为目标,以储能系统消除不确定性程度为满足对象,其中计及了自动发电控制(AGC)机组和非AGC机组的特性,以及系统频率调节效应的作用。基于分解协调的原理,通过上、下层问题的交替迭代对该模型予以求解,决策储能系统充/放电功率、调控范围及机组启停方案。该方法可在减少火电机组备用容量的同时,提升系统应对不确定性的能力,通过10机组系统验证了模型和方法的有效性。     

适用于大规模系统的两阶段机组组合优化方法

提出一种两阶段优化方法以简单、快速、有效地求解大规模系统的机组组合问题。首先,针对传统PL法排序指标单一,不能全面评价机组运行费用的不足,引入可调发电机组煤耗、机组最大出力、机组启动成本三个指标,全面反映发电机组的经济性;其次,不同于传统PL法先安排机组启停满足旋转备用,再调整机组状态满足最小启停时间,同时考虑这两个约束,以更好地实现优先开启运行费用较小的机组;最后,在经济调度阶段提出一种考虑机组爬坡率的功率平衡调整策略,保证粒子的多样性的同时避免快速收敛到局部最优解,提高最终解的质量。将所提方法应用于10机组、20机组、40机组、60机组80机组以及100机组24时段6个系统进行测试,并与其它方法进行对比,数值结果表明,所提两阶段优化方法计算快速、收敛性良好、能够有效解决大规模系统机组组合问题。     

基于解集动态分析含风电接入的多目标机组组合研究

风电的大规模接入给多目标节能减排发电调度带来了新的机遇和挑战。由于风电场出力具有随机性,采用置信区间简化风电场景模拟数量,考虑到多目标模型的复杂性,利用Benders分解技术对模型进行降维,设计一种基于解集动态分析的多目标自适应优化算法对降维后的多目标主问题进行求解,并提出一种提高模型整体求解效率的预处理机制加速收敛。仿真结果表明所提方法能够有效求解含风电的多目标机组组合问题,并验证了所提多目标算法和预处理机制在求解模型中的优势。     

考虑频率安全约束及风电综合惯性控制的电力系统机组组合

随着风电渗透率上升,电力系统惯性响应和一次调频能力下降,频率安全问题凸显,有必要在机组日前发电计划安排中考虑频率安全约束。依据电力系统频率安全要求,提出了考虑频率跌落最低值的频率安全约束构造方法。同时引入风电综合惯性控制使风电机组参与一次调频,在此基础上建立了考虑频率安全约束及风电综合惯性控制的机组组合模型。运用M语言动态控制多机频率响应模型进行Simulink仿真,并将其嵌入到改进粒子群优化算法中迭代求解。含风电的IEEE39节点系统算例结果表明,所提模型和方法能有效提升系统频率响应能力,保证系统安全运行。