两种风蓄协调控制策略在不同装机配比工况下的对比分析

为解决大规模风电入网造成系统功率波动性过大问题,本文提出两种风电-抽水蓄能协调控制策略,以抽水蓄能机组运行特性为基础,建立风蓄协调策略优化调度模型,策略1以弃风量最小和系统调峰效果最优为联合控制目标,策略2以风蓄联合出力波动量最小为控制目标;采用加入启发式改进的二进制粒子群算法,将抽水和发电出力进行统一二进制编码,利用外点罚函数法对模型约束进行调整,用于风蓄协调调度问题的求解。利用含火电机组、抽水蓄能机组和不同装机容量的风电场的测试系统,对风电-抽水蓄能协调控制策略进行验证,结果表明本文所提两种风蓄协调控制策略均能起到平滑风电波动的效果,通过进一步比较系统运行费用,总结了两种风蓄协调策略的控制特性和适用工况。     

一种需求响应参与下风电储能系统调度方法的研究

针对风电并网对电力系统稳定性的不利影响,论文将储能系统和需求响应引入含风电的电网优化调度中.首先以系统最低发电成本为调度目标,以日前预测和实时风能预测作为随机变量,将需求响应和储能系统分别引入需求侧和发电侧,同时通过两阶段调度,构建风电储能系统的两阶段调度优化模型.其次利用粒子群优化算法对模型进行求解.应用场景分析的结构表明,所提调度方法采用粒子群优化算法可以较好求得模型的全局最优解;通过储能系统和需求响应的引入可以提高主动配电网的风电利用效率,降低发电成本.     

含风电的发电资源优化调度与仿真研究

风电大规模集群接入电网给电力系统的调度带来巨大挑战.基于对风功率波动特性的分析,将风电作为负的负荷,构建了以污染物排放最小为目标的含风电的电力系统优化调度模型.根据次日风功率和负荷功率的预测值,安排火电机组的发电调度计划.把目标函数作为适应度函数,利用遗传算法迭代优化蚁群算法的参数,得到两者融合后的改进算法,最后求得最优解.实例仿真表明,本文提出的运行调度模型及改进求解方法能够用于计划机组出力,可有效减小污染物的排放.     

基于时序计算的电力系统风电并网接纳能力研究

为了准确评估区域电力系统风电并网接纳能力．针对目前风电规划问题,给出了一种基于时序计算的分步优化方法。根据序列相等性原则,将系统负荷与系统机组出力视作供需双方,对系统机组出力进行序列化分析,在时序上达到供需匹配平衡。将系统消纳风电过程分解为两级过程,以分步求取系统最优运行方式。利用时序计算方法,定性分析系统风电消纳空间,结合风资源信息及系统负荷信息定量计算系统可接纳的风电电量。结合实际区域电网负荷数据及机组发电数据进行了仿真计算,仿真结果表明,该规划方法能准确评估区域电力系统风电接纳能力,从而可为风电产业规划提供技术参考指标。     

粒子群算法在车间作业调度问题中的仿真研究

研究车间作业调度问题,优化资源配置.车间作业度问题(JSP)是一类典型的NP-hard问题,针对传统方法在JSP应用过程中,存在速度慢、易陷入局部最优,导致车间作业调度效率低.为了解决车间作业调度效率低的难题,提出了一种粒子群算法的车间作业调度方法.该方法将每个粒子代表一种作业调度方案,以最小化加工时间作为算法的优化目标,通过粒子群之间的协作来获得最优作业调度方案.采用JSP标准测试案例在Matlab平台上对该方法进行了验证性实验,实验结果表明,相对于传统方法,该方法能够在最短时间找作业调度的最优解,提高了车间作业调度效率,是一个求解车间作业调度问题的有效方法.     

基于随机模型预测控制的含大规模风电接入的电力系统优化调度

风电是重要的清洁可再生能源,将其引入智能电网中对节能减排有着重要的意义.为降低大规模风电不确定性给电网调度带来的影响,提出一种基于随机模型预测控制的风电与传统机组协调调度方法.考虑了部分传统机组需要人工调度而无法频繁、连续操作的情况,并引入可调负荷以增加系统可调度能力.构建基于混合整数二次规划(MIQP)的风电调度目标函数,以及包括机组最大可调节次数、最小运行/停机时间、可调度负荷总能量需求一致性、风电切负荷比例等约束.提出两阶段场景缩减方法以实现典型场景的快速筛选.通过与传统开环调度方法的性能对比表明所提出方法的可行性与有效性,并在此基础上进一步分析机组启停次数和可调度负荷对系统运行的影响.     

考虑风电和储能接入电网的多目标协同博弈区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题, 充分考虑储能灵活充放电的运行优 势, 提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法. 本文综合考虑有功调度与无功优化之 间的内在耦合关系, 以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标, 建立多目标区间储能经济 调度优化模型. 在优化过程中, 首先考虑在直流潮流的区间调度模型中, 通过优化储能和发电机的有功出力来实现 对风电不确定性的处理, 然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化, 从 而获得兼顾电网安全性与经济性的均衡最优解. 本文还从风电的不同区间波动以及风电场并网规模的角度出发, 分 析了对系统储能调度运行的影响. 最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的 Pareto最优解进行对比分析, 可避免确定权重因子时的人为主观因素. 本文通过对IEEE RTS–24节点系统进行算例 仿真, 验证了所提模型的合理性和可行性.     

基于混合人工蜂群算法的多目标柔性作业车间调度问题研究

传统的优化算法在求解面对多目标柔性作业车间调度时,往往求解效率低且难以获得最优解。为了求解多目标柔性作业车间调度问题,设计了混合人工蜂群算法。种群的初始化采用了多种方法相结合的策略。在人工蜂群算法的不同阶段采用不同的搜索机制,在雇佣蜂阶段采用开发搜索,针对跟随蜂阶段蜜蜂跟随的对象的优秀解进行小幅度的更新,从而提高了搜索的表现。禁忌搜索与改进的人工蜂群算法相结合,有效的提升了获得最优解的概率。通过相关文献中的标准实例对设计的混合人工蜂群算法进行一系列求解测试,实验的结果有效的说明了算法在求解柔性作业车间调度问题时效果显著。通过求解结果对比表明人工蜂群算法的高效性和优越性。     

消纳大规模风电的多目标负荷平衡化分散调度方法

当前风电发力不能满足人们日常生活需求,使用传统调度模型存在风电出力与预测值相差较大情况,基于此,提出了消纳大规模风电的多目标负荷平衡化分散调度方法.依据风电日发电量年度分布情况,确定风电出力特性.分析多目标负荷平衡化分散对风电消纳的影响,由此获取等效负荷和受限的风电电量.为保证调度安全,设计极限场景集,描述分散调度模型,求取最优解,并保证目标函数值在不影响其他目标函数情况下进一步优化一组解.依据问题求解步骤,实现多目标负荷平衡化分散调度.由实验结果可知,该方法风电出力与预测值自45min开始就与预测值一致,能够满足人们对风电发力的需求.     

基于分解优化的多星合成观测调度算法

某些卫星的侧摆性能较差, 必须进行合成观测以提高观测效率. 研究了多星联合对地观测中的任务合成观测调度问题. 提出了将原问题分解为任务分配与任务合成的分解优化思路. 任务分配为任务选择卫星资源及时间窗口; 任务合成则针对该分配方案,将分配到各卫星的任务按照轨道圈次分组, 分别进行最优合成. 采用蚁群优化算法(Ant colony optimization, ACO)求解任务分配问题, 通过自适应参数调整及信息素平滑策略, 实现全局搜索和快速收敛间的平衡.提出了基于动态规划的最优合成算法, 求解任务合成子问题,能够在多项式时间内求得最优合成方案. 依据分配方案的合成结果, 得到优化方案的特征信息, 反馈并引导蚁群优化算法对任务分配方案的搜索过程. 大规模测试算例验证了本文算法的效率.     

A Mixed Integer Stochastic Optimization Model for Settlement Risk in Retail Electric Power Markets

Recent changes in the U.S. electric power markets have contributed to volatility in hourly prices and loads. In this paper we consider the position of the electric power retailer who typically contracts with suppliers and end-users and must provide future load requirements to the suppliers. As part of this energy supply chain, the retailer is faced with great uncertainty in both market prices as well as end-user loads. Based on actual data for the PJM market covering Pennsylvania, New Jersey, and Maryland, we develop a probabilistic optimization model to optimize the net profits for the retailer for a forecast time horizon (typically one or more hours) given the cumulative performance in previous time periods (hours). The resulting model is formulated as a mixed integer linear program with binary variables due to the disjunctive nature of certain forward load estimation bandwidth tolerance constraints. In addition, we also provide an existence result to this optimization model. Lastly, we present a numerical example of the optimization model to validate its workings and provide some insight into model sensitivities.     

基于JAVA语言开发电站仿真机的研究

论文对开发大型交互式仿真系统给出了一种面向对象的体系结构ＪＡＤＩＳ。该体系结构是用ＪＡＶＡ语言来实现的,并用模型－视图－控制器框图来开发电站仿真机。     

Logo!在低压备用电源自动投入中的应用

阐述LOGO!在安钢炼铁厂的使用情况,介绍LOGO!在生产实践中的编程设计方法。     

Evaluating the Expressive Power of the Real-Time Specification for Java*

The goal of this paper is to evaluate the real-time specification for Java proposal by performing several case studies. These case studies include: an extensible general resource controller; atomic action support infrastructure; unbounded and imprecise computations. They have been used previously by the Ada community to evaluate the efficacy of the Ada concurrency and real-time models. Our results indicate that the Real-Time Specification for Java is expressive enough to cope with the demands of real-time concurrent programming. If it can be implemented efficiently, it will provide an alternative to Ada 95 for programming real-time systems.     

基于Mesh结构的电源/地布线网优化设计

提出了一种优化Mesh结构电源／地布线网的快速算法，使电源／地线网在可靠性约束条件下，通过调整线段的长度和宽度，布线面积达到最小，其基本思想是将约束条件下的非线性规划问题转化线性规划问题，得到所需的线段长度和宽度。     

高层次综合中基于整数线性规划模型的多目标功耗优化算法

考虑峰值周期功耗和峰值模块功耗的同时优化,并尽可能地降低电路的功耗时延乘积指标.利用参数化功能单元库中各个功能模块的具体物理信息,在多供电电压、多调度周期模式下,建立了整数线性规划模型及其相应的6组约束条件,并将高层次综合中的调度过程和功能单元的绑定过程统一起来进行了模型化.文中算法已经成功地应用到自行开发的高层次综合工具之中,算法中得到的数据结果可以直接用于下一步的布图规划.对测试用例的实验进一步说明:同时优化峰值周期功耗和峰值模块功耗可以取得更好的综合结果,并且改善功耗时延乘积项的值(平均降低了30%),提高电路的可靠性和稳定性.     

基于基因表达式编程的电力负荷预测算法

针对电力负荷预测的特点,本文结合基因表达式编程的思想,设计电力负荷预测基因和适应度函数,在此基础上,提出基于基因表达式编程的电力负荷预测算法(Power Load Forecasting based on Gene Expression Programming,PLF-GEP)。仿真实验表明,PLF-GEP算法的预测精度与实际值之间的误差率最小约1%,大大提高了电力负荷预测的精度。     

基于分段求解法的电力生产最优化模型分析

针对发电机使用的非线性最优化问题,通过对用户耗电数据进行初步分析和处理后,应用普遍的分段思想以及最优化思想,建立了二次规划模型。运用最优化算法,使每个时间段使用的发电机数量最少,以达到提高效率、降低成本的目的。     

Power efficient server consolidation for Cloud data center

Cloud computing has become an essential part of the global digital economy due to its extensibility, flexibility and reduced costs of operations. Nowadays, data centers (DCs) contain thousands of different machines running a huge number of diverse applications over an extended period. Resource management in Cloud is an open issue since an efficient resource allocation can reduce the infrastructure running cost. In this paper, we propose a snapshot-based solution for server consolidation problem from Cloud infrastructure provider (CIP) perspective. Our proposed mathematical formulation aims at reducing power cost by employing efficient server consolidation, and also considering the issues such as (i) mapping incoming and failing virtual machines (VMs), (ii) reducing a total number of VM migrations and (iii) consolidating running server workloads. We also compare the performance of our proposed model to the well-known Best Fit heuristics and its extension to include server consolidation via VM migration denoted as Best Fit with Consolidation (BFC). Our proposed mathematical formulation allows us to measure the solution quality in absolute terms, and it can also be applicable in practice. In our simulations, we show that relevant improvements (from 6% to 15%) over the widely adopted Best Fit algorithm achieved in a reasonable computing time.     

基于改进动态规划法的电力系统机组组合问题研究

机组组合问题是在调度周期内满足各种运行约束条件的前提下,通过合理地控制机组的开、停状态以实现总运行成本最低目标的问题。本文以电力系统机组组合为研究对象,对优先顺序法与动态规划法在机组组合中的应用进行了研究和探讨,并根据他们的优缺点,建立了改进的算法—基于优先顺序法的动态规划法。