基于PSO算法改进的经济调度优化

在传统电力系统经济调度基础上,考虑风电并网后附加备用及上、下旋转备用约束,同时考虑火电机组燃料费用和环境污染物排放费用,建立了经济与环保协调的经济调度模型,提出应用改进PSO算法求解短期经济调度问题,并通过5节点火电厂、1节点风电场系统仿真验证了方法的可行性和有效性。     

基于改进蝙蝠算法的微电网优化调度

在分析微电网中相关电源发电技术的基础上,建立以发电成本、污染物排放费用、甩负荷补偿费用和微电网网损补偿费用最小的多目标数学优化模型,应用超效率数据包分析评价方法,将多目标优化转换为单目标规划问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌序列以及自适应调整策略融入到蝙蝠优化算法,提出一种改进型多目标蝙蝠优化算法,为克服算法本身对缺乏变异机制的缺陷,利用混沌理论以及动态自适应调整机制的特性,对蝙蝠算法参数进行调整。最后通过算例验证所提算法具有良好的实用性和适应性,同时也验证了所提模型的实际意义。     

基于改进PSO算法的主动配电网优化调度

在保证经济效益并尽量降低环境成本的前提下,提出了一种主动配电网(active distribution networks,ADN)日前有功优化调度模型。该模型以可调度分布式发电(distributed generation,DG)、储能单元日前24h有功出力为优化变量。根据所提出的模型,采用改进PSO算法进行求解。针对IEEE33节点配电网算例进行了仿真。结果表明提高可再生能源发电渗透率能够明显降低主动配电网总体成本。     

基于改进蜂群算法的电动汽车微电网优化调度

可再生能源发电系统与电动汽车(EV)大规模接入电网会给现有的电力系统的安全、稳定运行带来巨大挑战。探讨了含EV和分布式电源的微电网的最优调度问题,包括风能、光伏以及燃煤机组等不同的分布式电源,同时考虑了基于V2G(Vehicle to Grid)技术的电动汽车对电网负荷的调节功能。提出了一种基于电动汽车荷电状态(State of Charge, SOC)检测的有序充放电调度策略,综合考虑了机组运行成本、弃风弃光成本以及电动汽车充放电成本,以最小化调度周期内总运行成本为目标建立了微电网优化调度模型。采用一种将蜂群算法与天牛须算法结合的改进蜂群算法对模型进行求解。通过与无序充电结果进行比较,证明了所提出的调度模型的有效性和优越性。     

基于改进帝国竞争算法的微电网优化调度

研究了并网状态下的微电网经济运行,并将改进的帝国竞争算法运用到并网模式下的微电网经济调度中。建立包含光伏、风机、燃料电池及蓄电池的微电网并网运行模型,调度模型以微电网运行成本最小为目标,以各个机组的出力限制、功率平衡、储能情况等为约束条件,由于帝国竞争算法在计算时收敛速度慢,将模糊隶属函数与轮盘算法引入帝国竞争算法来求解所建立的数学模型,通过改进的帝国竞争算法求得了最佳的出力方式。     

基于改进人工鱼群算法的微电网经济调度

针对微电网调度的问题,以微电网经济成本最小与污染排放气体最少为目标,建立了微电网日优化运行的数学模型。针对人工鱼群算法易陷入局部最优的问题,将人工鱼群的觅食和随机行为与天牛须搜索算法中天牛位置更新方法相结合,提出基于天牛须搜索算法的人工鱼群算法(artificial fish swarm algorithm based on beetle antennae search algorithm,BAS-AFSA)求解所建立的数学模型。最后以一个微电网系统为例,在并网运行的情况下,结合标准人工鱼群算法作对比,仿真结果表明,所提算法能够合理安排微源出力,降低了总成本,微电网获得了更好的综合效益。     

基于改进蜣螂算法的微电网优化调度研究

为了协调微电网中各分布式电源的出力,以达到微电网综合运行成本最小的目的,构建了包含风电、光伏、柴油发电机、微型燃汽轮机、燃料电池及蓄电池的微电网优化调度模型。为了克服蜣螂算法(DBO)随机初始化生成的种群个体质量不高和求解高维问题时容易陷入局部最优的缺点,将反向学习策略和自适应t分布变异运用到蜣螂算法中,提出了一种改进的蜣螂算法(IDBO),将IDBO、DBO、灰狼算法及蝙蝠算法运用到所建立的微电网优化调度模型中,并对求解结果进行分析。研究发现,在收敛速度、收敛精度和稳定性方面,IDBO均优于其他三种算法。同时,按照IDBO所求得的分布式电源出力方案,可降低微电网的综合运行成本,证明了算法改进的有效性。     

基于自然选择-杂交PSO算法的微电网并网多目标优化调度

由于微电网中的分布式电源具有较强的波动性和随机性,对微电网的并网运行产生很大影响。为充分消纳可再生能源,在综合考虑各分布式电源发电成本和环境治理费用的基础上,计及微电网并网收益、新能源发电补贴,结合分时电价机制,建立并网运行方式下的微电网多目标优化调度模型。针对现有标准粒子群算法中可能存在的局部收敛及速度慢等问题,提出基于自然选择-杂交的改进粒子群算法,应用于微电网并网的优化调度研究中,并结合实际微电网工程案例,验证所提出方法的合理性与有效性。     

基于改进鸟群算法的微电网并网优化调度研究

以分析微电网并网优化调度中不同模型对优化的影响和解决传统智能算法在多目标函数寻优时易早熟收敛、陷入局部最优、收敛速度和精度差等问题为目的,采用二元对比定权法将以运行成本、环境污染处理费用为目标的多目标优化模型转化为单目标优化模型,并应用了一种新型生物启发式群智能算法——鸟群算法,该算法以鸟类觅食、警惕和飞行行为为依据,其性能优于粒子群和微分进化算法,因其认知和群体行为调节参数易使种群收敛精度和迭代次数偏大,通过线性微分递减策略改进惯性权重、线性调整认知系数和社会系数来改进鸟群算法,以此对不同模型进行优化。本文对不同目标函数的优化结果和两种算法的仿真结果做了对比,验证了多目标优化模型和改进算法的有效性。     

基于改进生物地理学算法的并网型微电网优化调度

在综合考虑燃气轮机、柴油发电机等分布式电源以及储能装置的基础上,建立了各微电源出力的数学模型;建立了计及分时电价和负荷转移策略的双重指标负荷侧响应模型;以微网日运行成本最低为目标,建立了微电网优化调度目标函数。为求解负荷侧响应模型和调度模型,对生物地理学优化（Biogeography-based optimization,BBO）算法进行改进,结合差分进化思想修改迁移算子,使用基于协方差矩阵的迁移操作来增强BBO对不可分离问题的适应性。结果表明,改进后生物地理学算法的收敛性有所改善;优化后的微电网运行具有更好的经济效益。     

基于改进粒子群算法的冷热电联产微电网优化调度

本文综合考虑了各分布式电源的燃料和运行维护等各种成本以及售电、制冷供暖等收益,建立了一个包含光伏、风电、燃料电池和微型燃气轮机的冷热电联产型微电网优化调度模型;提出了一种微网运行策略,并把细菌觅食算法中的核心部分融入到粒子群算法中从而完成对粒子群算法的改进。在算例仿真中以发电成本最低为目标,对一年四季的微电网进行分析计算,通过与其它算法进行对比研究,可以看出改进算法和调度策略是实用有效的。     

基于改进微分进化算法的微电网动态经济优化调度

针对微电网静态经济调度忽略了各时段之间内在联系的不足,考虑风电机组、光伏电池以及钠硫电池等不确定性因素对经济调度的影响,以微电源出力和微电网运行成本最小为目标函数,建立了微电网动态经济调度模型。采用VC++编制了利用改进微分进化算法的微电网动态经济调度程序,通过改变动态交叉因子,提高了算法的收敛速度和防止陷入局部最优的能力。根据微电网算例结构的特点,分别针对微电网孤网/并网运行情况,制定了微电源的出力原则和运行控制策略。计算结果表明,采用动态优化理论的微电网经济调度较静态调度在成本节约上更具优势,也使得钠硫电池的充放电更具有全局性和实际意义。     

基于改进粒子群优化算法的微电网经济调度研究

微电网经济调度是一个复杂的多约束、多目标非线性优化问题。为了实现微电网中各微电源设备的经济运行,充分发挥分布式能源的发电优势,基于改进粒子群优化算法对微电网经济调度进行研究。在研究中,提出光伏发电预测与负荷预测背景下的微电网多目标模型,考虑蓄电池使用寿命,以经济成本最低和环境成本最低为目标,利用改进粒子群优化算法进行求解。通过案例分析,确认了研究成果的有效性。     

基于改进粒子群算法的微电网多时段经济调度

分布式微电源与储能装置的广泛接入使微电网联网系统的能量交换形式更为复杂。研究微电网系统中各个时段的分布式电源和储能装置的协调优化调度,将大大降低微电网运行成本,提高系统电网经济调度能力。论文考虑负荷需求、微电源维护成本、购电、售电价格和网络损耗等微电网运行约束条件,建立了微电网经济调度目标函数模型,分别研究了微电网处在孤网和并网下多时段经济调度。运用了动态规划算法来协调微电网各时段的经济调度,即将各时段储能的最大容量离散成若干个小区间分别作为储能的上下限,同时提出在各时段的每个区间容量采用改进粒子群算法对微电源出力进行优化,最终求出各时段储能的最优状态及其它微电源的最优出力。通过算例验证了所提微电网多时段经济调度方法对各个时段的微电源及储能装置协调优化调度和微网运行经济成本,取得很好的效果。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

基于改进天鹰优化算法的微电网多目标优化调度研究

微电网优化调度对降低企业用电费用,减少能源损耗和环境污染具有重要意义。研究了覆盖光伏、风电、储能、燃气轮机和柴油发电机的分布式电源,在微电网并网运行的情况下,为协调系统内部各微电源的出力情况,对光伏发电、风力发电和用电负荷功率进行预测,建立了以运行成本和污染治理费用最低的目标函数,并采用改进天鹰优化算法(IAO)进行求解,求得不同分布式电源和大电网的出力情况。仿真结果表明,该模型在保证用户持续供电的情况下,可以在一定程度上有效降低企业用户的用电成本以及减少污染物的排放,为微电网实际运行的功率分配提供指导。     

基于改进深度确定性策略梯度算法的微电网能量优化调度

针对微电网中分布式发电设备存在输出不确定性和间歇性问题，以及传统的深度确定性策略梯度算法存在收敛速度慢、鲁棒性差、容易陷入局部最优的缺点。本文提出了一种基于优先经验回放的深度确定性策略梯度算法，以微电网系统运行成本最低为目标，实现微电网的能量优化调度。首先，采用马尔可夫决策过程对微电网优化问题进行建模；其次，采用Sumtree结构的优先经验回放池提升样本利用效率，并且应用重要性采样来改善状态分布对收敛结果的影响。最后，本文利用真实的电力数据进行仿真验证，结果表明，提出的优化调度算法可以有效地学习到使微电网系统经济成本最低的运行策略，所提出的算法总运行时间比传统算法缩短了7.25%,运行成本降低了31.5%。