面向综合经济效益最大化的全厂负荷分配

针对除尘、脱硫、脱硝改造后全厂负荷优化分配问题,从提高综合经济效益角度出发,提出一种全厂负荷分配模型及其求解算法。基于机组实际运行数据构建供电煤耗和多种污染物排放浓度特性模型,基于除尘、脱硫、脱硝补偿电价和污染物排放费用标准,建立面向综合经济效益最大化的负荷分配模型。根据机组当前负荷构建自适应负荷上下限约束,基于磨煤机出力交替区间构建负荷禁止分配区约束,采用动态罚函数法进行约束条件处理。在标准粒子群优化算法中引入可控随机搜索的速度因子和动态调整的最大速度限制因子,平衡算法的计算开销和寻优能力。某火电厂4台机组的负荷分配仿真实验验证了所提算法的有效性。     

考虑脱硫补偿电价的厂内负荷优化分配

针对电网执行脱硫补偿电价政策,以及下达至机组的厂内负荷优化分配指令不能落入磨煤机接力区间要求,提出厂内负荷优化分配新模型;该模型以火电厂最终经济收益为目标,磨煤机接力区间作为不可分配区域约束条件引入。针对上述约束条件引入后,结合多精英保留策略,为不可行解设计一类基于边界信息的解修补方法,提高初始化与遗传操作的搜索效率。最后通过对某厂4台300 MW机组某日96点曲线的模拟分配,利润计算说明新的厂内负荷优化分配模型在补偿电价政策下带来了良好的经济效益,与其他不可行解处理方法的对比说明解修补策略的有效性。     

基于负荷均衡的工作中心任务组合优化研究(下)

描述了分布式协同系统中多工作中心的任务优化分配问题,构建了考虑任务协作的面向负荷均衡的任务组合优化分配模型,提出了一个基于免疫算法的协作任务组合优化分配算法.在该算法中,引入了动态任务资源匹配矩阵的概念,设计了基于动态任务资源匹配矩阵的疫苗抽取、募集新抗体及亲和突变免疫算子,提高了算法的寻优速度.采用期望繁殖率作为抗体...     

考虑环境成本的火电厂负荷优化分配

针对除尘、脱硫、脱硝改造后火电厂负荷优化分配问题,从提高全厂综合经济效益的角度出发,提出了一种考虑环境成本的全厂负荷优化分配模型和满足电网调度实时性要求的可控搜索粒子群优化(PSO-CE)算法。基于机组实际运行数据,构建了供电煤耗和多种污染物排放浓度特性模型,根据除尘、脱硫、脱硝补偿电价和排污费用标准,建立了面向最优综合经济效益的负荷优化分配模型和自适应负荷约束条件。在标准粒子群优化算法中引入可控随机搜索的速度因子和动态调整的最大速度限制因子,使其具有平衡算法的计算耗时和寻优能力,并通过某火电厂4台机组的负荷分配仿真试验验证了该算法的有效性。     

基于改进人工蜂群动态规划的厂级负荷优化分配

针对大规模变负荷条件下燃煤机组负荷优化问题,考虑厂级负荷优化分配的全局性及实时响应需求,提出一种利用改进人工蜂群算法,在离线状态下建立全负荷区间满足动态规划算法需要的顺序优化表,进而利用动态规划中逆序分配的方法实现在线优化分配的算法。该算法能有效完成全负荷区间的负荷优化分配计算,同时降低优化分配的计算复杂性。实例计算表明,在一定的机组负荷步长下,利用改进人工蜂群算法进行离线造表能够减少造表时间,构造的优化顺序表可有效应用于机组实时在线优化,提高机组在不同负荷下运行的经济性。     

智能变电站负荷自动分配技术

研究智能变电站负荷自动分配技术的主要措施、提出发展方案,对支撑智能电网发展具有重要意义。基于配电网无功优化和网络重构,建立了智能变电站负荷自动分配数学模型,选取基于导向搜索法的无功优化算法和基于虚拟流法的网络重构算法,实现了以有功网损最小为目标的负荷自动分配。充分考虑分布式电源接入后配电网结构和运行方式发生的变化,基于出力特性,采用场景分析法建立模型,优化智能变电站负荷自动分配算法,实现了根据分布式电源出力调整负荷分配量的智能变电站负荷分配系统方案。验证表明,该方案能够保证无功补偿装置正确投入退出、分段开关和联络开关正确开合,线路有功损耗下降,有效提高了电网分析和控制功能的速度和可靠性。     

基于P-可信度区间约束的含风电场电力系统优化调度

提出基于P-可信度区间约束的含风电场电力系统优化调度模型,以火电机组运营成本和环境惩罚成本为目标函数,兼顾调度的经济性和环境友好性;将风电场出力和系统负荷用区间数表示,并利用基于P-可信度的区间不等式约束描述不等式约束条件;引入基于逻辑自映射的变尺度混沌粒子群优化算法对模型进行求解,并用算例证明模型和算法的准确性和有效性。     

基于深度学习及混沌优化的燃机电站机组热电负荷优化分配

提出了一种基于深度学习及混沌优化的燃机电站机组热电负荷优化分配的新方法。采用深度学习理论中长短时记忆（LSTM）神经网络算法建立机组能耗模型,通过对模型中机组能耗和电负荷、热负荷、环境参数之间非解析函数关系训练学习,并采用混沌优化算法对LSTM神经网络算法训练得到的模型进行负荷优化分配,得到机组最优负荷分配下最小气耗量。实际算例计算结果表明,本文方法计算结果有效,可提高机组运行的经济性。     

基于区间算术的含分布式电源电网无功优化方法

为了解决分布式电源出力不确定性以及负荷波动性所带来的影响,提出一种基于区间数的含分布式电源电网无功优化方法。介绍区间数和区间算术的概念并建立区间潮流模型;建立含分布式电源电网区间无功优化模型的目标函数和约束条件,并给出采用粒子群算法求解区间无功优化模型的步骤;最后通过Matlab对一个修改后的IEEE14节点系统进行区间无功优化仿真计算,并采用粒子群算法对单一潮流断面进行无功优化验证了所提算法的正确性。仿真结果表明,基于区间算术的无功优化方法能够在计及电网不确定性因素情况下,使得电网趋优运行。     

计及充换放储一体化电站的主动配电网故障恢复

建立了电动汽车区间负荷模型和充换放储一体化电站(简称一体站)区间负荷紧急支撑模型,提出一体站区间负荷紧急支撑策略及其孤岛区间负荷供电范围划分策略。基于区间理论分析,以系统孤岛负荷、开关动作次数和网损分别作为不同层的优化目标,建立主动配电网故障恢复多层优化区间模型。提出混沌模拟退火帝国竞争算法对故障恢复区间模型进行优化,并提出基于仿射数的区间Dist-Flow法用于潮流计算。算例结果表明所提方法快速、有效。     

含风光电站的电力系统动态经济调度

随着电力系统中风电和光伏发电的接入比例不断增长,其输出功率的随机性给系统经济调度带来了不确定因素。通过将满足一定置信概率的风电、光伏发电的功率区间预测信息纳入发电计划中,同时引入了可中断负荷作为旋转备用,建立了基于功率区间预测的考虑机组组合的系统动态经济调度模型。求解模型时利用改进离散粒子群算法（discrete particle swarm optimization,DPSO）来解决机组启停问题,采用连续粒子群算法来实现负荷的经济分配,并采用启发式调整规则,提高算法的效率和搜索性能。最后通过10机系统仿真算例验证了模型和算法的有效性。     

基于繁殖粒子群算法的火电厂负荷优化分配

针对目前火电厂负荷优化分配的问题,提出了负荷优化分配总时间的概念,并给出了具体计算公式。在标准粒子群优化算法中引入遗传算法中的杂交思想,提出了基于繁殖粒子群优化算法的负荷优化分配方法,并引入自适应惯性权重对算法进行了改进,避免了标准粒子群算法易陷入局部最优及遗传算法优化计算时间长的缺点。对算法应用在负荷优化分配中的具体问题进行了分析处理,缩短了优化计算时间,提高了算法精度。实例分析进一步验证了所提方法的有效性以及现场实用性,能够同时满足火电厂对降低成本及电网调度对负荷优化分配总时间的硬性要求。     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

基于辅机经济性运行的负荷分配专家系统研究

提出了基于带优先级临界负荷区间的辅机经济性运行全厂负荷分配策略,建立了基于辅机经济性运行的负荷分配专家系统,很好地解决了负荷分配时的辅机经济性运行问题。该系统算法简单,避免了传统方法过于依赖煤耗特性曲线的缺点,负荷分配结果准确。     

基于综合经济指标的双抽热电联产机组负荷优化分配

在确定双抽热电联产机组安全发电可行区间的基础上,以机组发电煤耗量、环保性能和负荷调整速度为多重目标,构建多目标、多约束的优化数学模型。利用混沌运动的遍历性和随机性,建立了基于混沌变尺度梯度下降的混合遗传算法,对热电联产机组热/电负荷分配问题进行优化,并且通过目标函数中的约束条件引入罚因子来确定适应度函数。实例验算表明:该模型不仅有效解决了热电联产机组电负荷调整时间的问题,而且降低了机组的综合经济成本,提高了机组电负荷综合竞争能力,为热电联产机组调峰运行提供了一种科学的负荷调度理论依据。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

基于混沌粒子群算法的火电厂厂级负荷在线优化分配

机组负荷优化分配是降低发电厂能耗水平的重要技术手段,该文针对厂级负荷在线优化分配对算法速率和精度的要求,提出一种新的机组负荷实时分配模型,分别给出了机组自动发电控制和厂级负荷分配方式下负荷响应速率约束方程,并提出一种自适应约束边界,可显著提高算法计算效率,在满足电网对机组负荷品质要求的前提下实现全厂煤耗量最小的目标。提出采用混沌粒子群算法来求解实时负荷优化分配问题,采用自适应惯性权重以加快算法收敛速度,在粒子群算法解的邻域内进行混沌优化搜索,避免算法陷入局部极值点。文中给出了厂级负荷在线优化分配算法步骤,并进行了算例分析,验证了所提模型和算法的有效性。     

基于凝聚函数的电力系统经济负荷分配

经济负荷分配(Economic Load Dispatch,ELD)是提高电力系统运行经济性的重要措施之一。基于ELD优化问题一般数学模型,针对传统数学方法难以处理不可微非线性问题,借助于最大熵理论,利用其推导出的凝聚函数来处理不可微的约束条件,构建了基于凝聚函数的负荷经济分配优化模型,并采用光滑化的方法将所建立的模型转化为一般非线性优化问题,采用原对偶内点法进行求解。仿真结果表明:该算法能有效地处理不可微的非线性规划问题,在算法的计算效率以及目标优化的结果中显示出了优越性,为解决电力系统经济负荷分配问题提供了有效手段。     

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。     

基于动态权值相似日选取算法的短期负荷预测

提出了一种基于动态权值优化的相似日选取算法和灰色GRNN串联组合模型的短期负荷预测方法。采用动态权值相似日选取算法,在考虑不同地区和季节对短期负荷的影响时,引入改进的果蝇优化算法(MFOA),动态调整各因子的权值,增强了相似日选取算法的适应性和有效性。选取出相似日后,采用灰色模型和广义回归神经网络(GRNN)串联组合的短期负荷预测方法,并通过改进的布谷鸟(MCS)算法对GRNN平滑因子进行优化,组合模型改善了单一模型预测精度的稳定性。实例预测结果验证了该方法的有效性。