多智能体技术在机组组合运行与管理分析中的应用

电力系统机组组合问题是一个典型的大规模混合整数的非线性组合优化问题,很难得到理论上的最优解。该文提出了求解机组组合问题的多智能体体系结构,并且提出了自治与分级管理相结合的3层MAS系统体系结构,最终通过协调Agent、任务Agent、发电Agent的协商、谈判,获得了机组组合问题的一个较为满意的解。     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解.该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题.以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中.     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解。该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题。以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中。     

电力市场中机组组合的智能优化算法

随着电力市场的兴起，机组优化组合问题的目标函数和约束条件都发生了重大的变化，本文提出了在电力市场机制下机组组合问题的数学模型，并运用智能优化算法－遗传算法求解，该算法不同于常规优于算法的特点在于，能够从最后一代的母体群中产生多个满足约束条件的可行方案，为电钢调度提供了极大的灵活性。而且任何可以用罚因子项表示的约束条件可以考虑到遗传算法，适合大规模及超大规模问题的求解。     

启发式遗传基因算法及其在电力系统机组组合优化中的应用

本文在遗传基因算法（ＧＡ）的基础上，增加了区域变化这一重要环节，设计了一种新的启发式遗传交换操作算法。它在保留了原ＧＡ算法的同时，又具有较高的解题速度。最后，本文将这一算法用于电力系统机组组合优化，结果表明获得了近乎全局最优的解。     

基于多智能体协调的电网自动电压控制系统研究及应用

针对如何对电力系统的电压调节设备进行实时自动协调控制,实现电网安全、优质和经济运行,利用多智能体系统(MAS)技术,建立电网电压调节设备的协调自动控制系统,并将此系统应用于安徽电网实际运行,取得良好的效果.     

分布式风电场设备多智能体状态监测系统

针对风电场监测系统结构模块化设计以及底层硬件与顶层软件系统耦合的问题,设计分布式风电场设备状态监测系统。为实现软硬件解耦,应用多智能体系统技术,增减监测对象无需变动顶层软件;同时采用傅里叶变化加小波分析方法处理各设备运行数据。该系统由两层构成:底层为数据采集及预处理系统,由各风电机组的传感器和嵌入式系统组成;顶层是面向整个风电场的数据管理系统,结合了各机组底层传感单元及预处理系统的分散特性。实际风电场运行试验结果表明,该系统能实时监测风电机组各基本单元的运行状态,且机组各运行单元之间及机组之间的监测相互独立、互不影响。     

社会演化算法在机组组合中的应用

机组组合是电力系统优化运行的一个重要方面，从数学角度讲，机组组合问题是一个多约束的NP难组合优化问题，很难得到理论上的最优解，该文将一种新的方法—社会演化算法用于解决该问题。该算法用认知主体取代了传统遗传算法的基于编码的可行解生成方式；用基于“范式学习与更新”的进化寻优机制取代了传统遗传算法中基于模仿基因的遗传和变异的进化寻优机制，使其计算效率及收敛稳定性均优于传统遗传算法。最后通过算例验证了该算法的优越性。该算法不仅为解决机组组合问题带来了新的思路和方法，在求解其它带有复杂约束条件的组合优化问题方面也有非常重要的启发意义。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

改进PSO算法在电力系统机组组合中的运用

采用改进的PSO算法实现在机组组合中的运用,避免了其他算法产生“维数灾”的缺点。通过实例进行仿真计算表明,该方法能够快速的求解,具有有效性和实用性     

应用MAS解决基于利润的机组组合问题研究

电力系统引入放松管制的市场运行机制之后,形成一种基于利润的机组组合问题:①优化目标从费用最小转为利润最大;②各发电公司从自身利益出发,可以不完全满足中心调度的要求。针对以上特点,提出一种基于多Agent系统的解决方法。仿真结果表明,该方法能够适应解决现代电力系统机组组合问题的新需要,能够获得更大的经济效益。     

应用MAS解决基于利润的机组组合问题研究

电力系统引入放松管制的市场运行机制之后,形成一种基于利润的机组组合问题:①优化目标从费用最小转为利润最大;②各发电公司从自身利益出发,可以不完全满足中心调度的要求.针对以上特点,提出一种基于多Agent系统的解决方法.仿真结果表明,该方法能够适应解决现代电力系统机组组合问题的新需要,能够获得更大的经济效益.     

Extending unit commitment health analysis to include transmission considerations

This paper extends the concepts of hierarchical level one (HLI) generating unit commitment health analysis to unit commitment in composite generation and transmission systems (HLII). The problem of unit commitment is decomposed into two subproblems. Generating units are first committed to the system based on HLI operating criteria followed by unit commitment evaluation at HLII. The committed capacity should satisfy the operating criteria at both HLI and HLII. Operating reserve evaluation at HLII recognizes the ability of the transmission system to deliver the generated energy to the major load points. This paper presents a procedure to determine the operating state probabilities using a contingency enumeration technique. For a given load level, the required number of committed units and the associated well-being indices at HLI and HLII are determined. The impact of system lead time on the well-being indices are also presented. The results are compared and discussed by application to the IEEE-RTS.     

Hydro unit commitment and loading problem for day-ahead operation planning problem

We describe a new model for the hydro unit commitment and loading (HUCL) problem that has been developed to be used as a support tool for day-ahead operation in the Brazilian system. The objective is to determine the optimal unit commitment and generation schedules for cascaded plants with multiple units and a head-dependent hydropower model. In this paper, we propose a new mathematical model for the hydropower function where the mechanical and electrical losses in the turbine-generator are included. We model the HUCL problem as a nonlinear mixed 0–1 programming problem and solve it with a strategy that includes a two-phase approach based on dual decomposition. The computational tool allows the model to effectively schedule hydro units for the problem in the Brazilian regulatory framework. Application of the approach is demonstrated by determining a 24-time step HUCL schedule for four cascaded plants with 4170 MW of installed capacity.     

竞争机制下基于改进遗传算法的火电机组启停

电力市场正逐步引入厂网分开竞价上网的竞争机制,而发电厂的发电情况与电网的经济运行有极大的关系。在这种运行模式下,火电机组的优化启停数学模型需要进一步改进。本文从发电厂利润最大化角度出发,建立火电机组启停的数学模型,并提出用优化遗传算法确定火电机组启停的方法。该方法能有效克服一般遗传算法在机组优化组合中的不足,提高了收敛速度,对发电机组优化组合问题具有实用价值。     

竞争机制下基于改进遗传算法的火电机组启停

电力市场正逐步引入厂网分开竞价上网的竞争机制,而发电厂的发电情况与电网的经济运行有极大的关系.在这种运行模式下,火电机组的优化启停数学模型需要进一步改进.本文从发电厂利润最大化角度出发,建立火电机组启停的数学模型,并提出用优化遗传算法确定火电机组启停的方法.该方法能有效克服一般遗传算法在机组优化组合中的不足,提高了收敛速度,对发电机组优化组合问题具有实用价值.     

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%。     

Decision analysis solution of the unit commitment problem

The topic of unit commitment has been and continues to be of interest to many researchers and to many utilities. Much of the past research has utilized integer programming, dynamic programming, linear programming, gradient directed search, and heuristic techniques. This research combines both linear programming and dynamic programming to solve the unit commitment problem as a decision analysis problem. The result provides most of the advantages of linear programming and dynamic programming with less stringent requirements on the pre-solution information needed for unit transition sequences.     

Economic analysis of unit commitment with distributed energy resources

Classic unit commitment (UC) is an important and exciting task of distributing generated power among the committed units subject to several constraints over a scheduled time horizon to obtain the minimum generation cost. Large integration of distributed energy resources (DERs) in modern power system makes generation planning more complex. This paper presents the individual and collective impact of three distributed energy resources (DERs), namely, wind power generator as a renewable energy source, plug-in electric vehicles (PEVs) and emergency demand response program (EDRP) on unit commitment. In this paper, an inconsistent nature of wind speed and wind power is characterized by the Weibull probability distribution function considering overestimation and underestimation cost model of the stochastic wind power. The extensive economic analysis of UC with DERs is carried out to attain the least total cost of the entire system. To obtain the optimum solution, Teaching–learning based optimization (TLBO) algorithm is employed to solve the unit commitment problem considering IEEE standard 10 unit test system in this study. It is found that the combined effect of wind power generator, plug-in electric vehicles and emergency demand response program on UC significantly lessen the total cost of the system.