求解计及失负荷概率约束机组组合问题的快速启发式算法

为了解决电力系统机组组合中的备用配置问题,提出了一种求解计及失负荷概率约束机组组合问题的快速启发式算法。该算法通过对计及备用约束机组组合问题与运行可靠性评估问题的迭代求解,将机组组合计划对应的失负荷概率指标控制在给定水平;通过对迭代中备用更新步长的直接估计,提高了备用更新效率,达到了减少迭代次数、提高整体计算速度的目的。相较于已有算法,该算法提高了计算的快速性及计算结果的鲁棒性。通过对单区域及多区域RTS-96系统的测试计算,验证了算法的有效性。     

基于智能水滴算法优化Elman神经网络的光伏电站输出功率预测

提出一种智能水滴(intelligent water drops,IWD)算法优化Elman神经网络的光伏电站输出功率预测模型。利用智能水滴算法对Elman神经网络的权值和阈值进行优化,可提高网络的训练效率。将IWD优化Elman神经网络模型、传统Elman神经网络模型和BP神经网络模型的预测结果分别与光伏电站的实际出力数据进行对比。结果表明,所提出的IWD-Elman神经网络模型具有较高的预测精度。     

基于改进智能水滴算法的梯级水库群调峰调度研究

针对智能水滴算法(IWD算法)存在种群多样性不足、易陷入局部最优、初期求解速度慢等缺陷，提出了改进的智能水滴算法(IIWD算法),该算法引入了Logistic混沌初始化方式及差分进化算法(DE算法)的差分变异算子，同时改进了自组织映射算法(SOM算法)的神经元更新方式并将其引入到IWD算法最优个体的次更新过程中，并将IIWD算法应用于梯级水库群调峰调度中，同时与IWD与DE算法进行对比，验证了该算法的高效性。     

基于模拟退火粒子群算法的五强溪水电站厂内经济运行模型与应用

围绕水电站厂内经济运行问题,建立了以发电耗水量最小为目标的机组组合优化模型,针对传统粒子群算法(PSO)寻优能力不足及易陷入局部最优的缺点,引入收缩因子并结合模拟退火算法,提出了一种模拟退火粒子群算法(SAPSO),同时采用动态规划修补策略处理约束条件。以五强溪水电站为例,将SAPSO算法应用于厂内经济运行模型求解,获得电站机组组合及机组间最优负荷分配策略,并与SA算法、PSO算法及实际运行数据进行对比。结果表明,SAPSO拥有更强的寻优能力和寻优速度,实现了机组间负荷的最优分配,工程实用性强。     

风电时间相关性多面体不确定性建模与鲁棒机组组合优化

建立考虑风电时间相关性的多面体不确定性模型,提出一种新的鲁棒机组组合模型。首先,利用椭圆生成思想来表示风电的时间相关性,得到相关性轴线和中心点,以此建立风电时间相关性约束方程。然后,将相关性方程引入多面体不确定性一般方程之中,形成风电时间相关性多面体不确定模型。在此基础上,建立基于风电时间相关性多面体不确定性的鲁棒机组组合模型,同时采用CCG算法解决考虑风电时间相关性的多面体不确定性鲁棒机组组合问题,并解决双线性问题。最后,针对IEEE 118节点系统进行仿真实验,验证了所提鲁棒机组组合方法的有效性。     

考虑机组组合问题的机组检修计划优化新模型

以经济费用最小为目标函数,建立了发电机组检修计划优化问题（UMS）新模型。由于生产费用在经济费用中占有的比例最大,因此在计算新模型的生产费用时考虑了发电机组组合优化问题（UC）。鉴于考虑UC问题的UMS问题为双层优化问题,其中UMS问题为上层优化问题,UC问题为下层优化问题,提出了一种改进离散粒子群算法（MDPSO）,并将其用于搜索UMS问题的最优解向量,即解决上层优化问题;而由于拉格朗日松弛法在解决UC问题上具有计算速度快、结果精度高等优点,将其用于解决下层优化问题。利用该新模型和MDPSO算法对IEEE-RTS系统的机组的年检修计划进行优化,并与离散粒子群算法（DPSO）比较,结果表明DPSO算法在解决UMS问题上具有精度高、收敛速度快等优点。     

喷嘴配汽方式600MW汽轮机组运行优化研究

在分析和研究了大量机组运行优化方式的基础上,提出联合考虑负荷和阀点的运行优化方式,并考虑喷嘴配汽汽轮机组在单阀切换多阀运行时出现的汽流激振问题,提出相应的配汽优化方案。将该综合考虑汽流激振问题的优化方案应用于某600MW汽轮机组,通过试验研究得到该机组的最佳滑压曲线和最优运行方式,并成功地解决了过程中出现的汽流激振问题。与以往运行优化方案相比,该方案更准确、更安全,更适用于实际运行情况。     

基于遗传萤火虫算法的含风电电力系统机组组合研究

随着风能资源的广泛应用,机组组合问题求解愈显复杂。以减少煤耗费用提高系统经济性为目标,提出一种采用遗传萤火虫算法求解含风电电力系统机组组合问题的新方法。引入遗传算法双矩阵通路判断及约束修复策略,提高了初始解生成质量及产生速度;再利用萤火虫算法求解连续负荷经济优化分配,给出自适应交叉概率,从而提高了算法的收敛速度。应用所提算法对经典10机系统优化仿真表明,与其他算法相比,该方法能合理安排机组组合,提高系统供电的经济性,具有较好的实用价值。     

基于清洁发展机制的不确定性机组组合优化方法

为了优化机组运行过程中存在的碳排放量高、经济性低等问题，该文提出一种考虑清洁发展机制（CDM）的不确定性机组组合模型，该模型较传统机组组合策略在兼顾低碳性方面考虑得更为全面。同时考虑了大规模风电场与电动汽车两个低碳要素，强化低碳要素与火电机组的联系，促进能源结构的合理化；通过制定碳排放交易机制、CO2排放成本、碳排放配额等相关约束，减少机组的运行成本，为系统的清洁低碳与经济最优运行提供合理的机组组合方案。以10机组系统为算例进行仿真分析，结果表明，在不确定性的机组组合优化问题中采用所提模型能够显著减少碳排放量，有利于机组的低碳经济化运行。     

基于最优权重融合的火电机组智能燃烧优化方案评价

  目的  随着人工智能技术的发展,基于智能优化算法的燃烧优化方案层出不穷,如GA、PSO、FPA等,这些方案各有优缺点。依托智慧电厂平台开发实时燃烧优化系统时,需要权衡选择最佳技术方案。  方法  针对传统TOPSIS法的权重赋值主观性较强的问题,提出了最优权重融合法对其进行改进,并利用改进TOPSIS法建立了火电机组智能燃烧优化方案评价体系。从优化效果、优化周期、可靠性三个方面对GA、AGA、PSO、FPA、CSO和GSA六种方案进行综合评价。  结果  结果表明:经过MCD指标分析体系和与传统方法对比的双重验证,改进TOPSIS法的赋权与MCD指标重要性排序一致,相比于传统TOPSIS法更能辨别出各方案的优劣,其结果更符合实际生产过程的要求,具有客观性强、准确性好的优点。  结论  文章研究成果可以为火电机组燃烧优化方案的抉择提供有价值的参考。     

基于智能卸荷电路的双馈风电机组故障穿越控制

双馈风电机组并网比例不断提高,加剧了电网遭遇外部故障导致规模化脱网问题。文章介绍了现有风机故障穿越控制方案的原理,考虑到频繁投切直流卸荷电路电阻易引起电压波形畸变、超级电容器控制方案成本过高等问题,提出了基于智能卸荷电路的双馈风电机组故障穿越控制方案。该方案将卸荷电阻通过DC/DC变换器与直流母线相连,在控制电路中引入有功功率-直流母线电压的下垂控制环节,实现故障期间电路电阻吸收功率的动态调节,同时设置高、低电压穿越两种模式,根据并网点电压变化情况自主启动。最后,在Matlab/Simulink中对智能卸荷电路控制策略进行验证。仿真结果表明,基于智能卸荷电路的风电机组故障穿越控制策略在直流母线电压抑制、电压恢复所需时间、转子电流畸变程度和方案经济成本等方面具有优势。     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。     

超临界火电机组协调系统建模及模型预测控制算法研究

针对因超临界火电机组协调系统建模精度不高,进而影响先进控制算法控制效果的问题,提出了一种分立-组合式建模方法,并将其应用于模型预测控制算法中。首先,利用子空间辨识方法分步求解分立的子系统模型,之后将分立模型进行组合得到机组的整体模型,以某600 MW超临界火电机组的多组实际数据为训练样本和检验样本,模型输出参量的拟合度可达到90%以上,从而解决了传统机理建模中假设条件较多、机组动态特性不足等问题;其次,以所建立的分立-组合模型为基础,分别应用于模型预测控制（Model Predictive Control,MPC）算法和常规PI解耦控制算法中,由于MPC拥有对多进多出(Multiple Input Multiple Output,MIMO)系统更好的适用性,并可以在每个周期内求解带约束条件的最优解,使得控制量在超调量方面幅度下降了近20%,调节时间缩短30%以上,从而体现了所提改进算法在机组协调系统控制中的优越性。     

600 MW双机热电联供系统智能优化方法研究

以600 MW双机热电联供系统为研究对象,引入基于灰狼捕食行为模拟的群智能优化算法,针对其繁琐更新机制导致热电负荷分配时效性差的问题,进一步提出改进的灰狼优化算法(GGWO),利用前3等级狼的位置和高斯采样进行种群进化机制更新。通过EBSILON平台开展仿真试验,揭示600 MW双机热电联供系统的热电耦合特性和系统运行特性,并将改进的灰狼优化算法应用于该系统的热电负荷优化分配。结果表明：两台机组电负荷一定时,尽可能增大抽凝机组的抽汽供热量可减小系统总热耗量;通过智能热电负荷运行优化,可有效降低系统总热耗量,提高系统经济效益。     

智能算法求解机组组合的可行解检验方法

针对智能算法求解电力系统机组组合时存在的经济调度无解问题,提出了一种简便、高效率的检验方法.提出的算法可用于检验智能算法中较难处理的爬坡约束和直流潮流安全约束,有效地避免对不可行机组状态组合的经济调度.算例表明,该方法检验效率高,可有效节省计算时间,具有较强的实用意义.     

基于多Agent技术的现代电力系统机组组合问题研究

针对现代电力系统的新特性，对现代复杂电力系统机组组合问题的目标函数进行了修改和完善．并描述了一种分布式多Agent的解决方案。利用Agent的智能特性。将集中的机组组合规划任务分散到各个独立的供电单元，在减轻中心调度计算负担的同时，也更好地适应了电力市场竞争环境下对机组组合问题提出的利润最大要求。该解决方案虽处于初步探讨阶段。但研究和仿真结果证明能够较好地满足系统和机组双方的约束条件，并获得更大的经济效益。     

基于模型预测的多模式供热电厂机组间负荷优化分配调度研究

为解决热电厂机组间负荷分配不合理的问题,提出一种基于模型预测的多模式供热电厂多机组间负荷实时优化分配方法。基于模块化建模原理构建热电厂全厂范围的机理仿真模型,并运用运行数据对模型辨识校准,根据机组特性和电网调峰补贴政策,建立全厂的运行经济性收益评估模型,进而设计基于粒子群算法的负荷实时优化方法,借助性能预测模型预测评估各方案的经济性。以某包含高背压、切缸、抽汽、光轴4种供热模式机组的电厂为例,对不同电、热负荷组合工况下的厂内负荷进行优化分配研究。应用结果表明：该方法可根据热、电负荷的实时指令在线获得经济性优化的厂内机组间负荷分配方案。     

基于改进粒子群文化算法的机组组合联合调度研究

摘要： 电力系统联合优化调度可以提高电网运行可靠性的同时提高经济和环境效益。电力系统联合优化调度主要依赖于优化算法。建立了包含火电、光伏储能的机组组合问题调度模型,并针对机组组合问题的优化求解,提出了改进的粒子群文化算法。通过个体进化和参数调整选择粒子全局最优位置,采用循环拥挤距离来控制非劣解集的大小,实现信度空间和种群空间之间的交互。最后,针对实际的电力系统,结合改进粒子群文化算法和分支定界法对火电电力系统、包含光伏电力系统和储能的机组组合问题进行求解。算例验证了该方法的有效性。     

节能减排背景下的机组组合模型和算法研究

在节能减排背景下对机组组合目标函数进行了调整,采用排放价格因子将系统总能耗最小和总排放最小的多目标问题转化为单目标问题,利于全网开展机组组合和经济调度.将多时段的机组组合问题在时间上解耦,转化为单小时的子问题,并采用基于内点法的混合整数规划法求解子问题.通过两个算例验证了算法和模型的有效性.     

限电情况下风电场内机组最优组合方案研究

近年来,由于风电渗透率持续增加而电网消纳能力有限,造成风机产能过剩,"弃风"现象开始凸显。为保证电力系统的稳定运行,要求风电场主动参与系统调频,根据电网调度部门指令控制其功率输出。将风速预测信息与尾流效应模型结合起来,预测场内每台机组的最大出力。在此基础上,以提高风电场效益为目标,建立了限电情况下风电场内机组组合问题的数学模型,并利用改进的粒子群算法进行优化研究,得到限电情况下风电场内机组最优组合方案。最后通过实际算例进行仿真分析,验证了所提出方法的可行性和优越性。