基于改进蝙蝠算法的配电网故障区段定位

提出一种将自适应理论、差分进化和蝙蝠优化算法结合的改进蝙蝠算法,解决电力系统配电网故障区段定位典型的含0-1离散约束条件及逻辑求值的最优化问题。将蝙蝠算法的全局寻优能力用于配电网故障区段的搜索和定位,在寻优过程中引入差分进化算法,并对算法的变异和交叉等操作进行自适应优化处理,解决传统蝙蝠算法容易陷入局部最优的缺陷。算例仿真结果表明,该算法能准确快速地定位配电网故障区段,并具有良好的容错性。     

基于改进NSGA-Ⅱ的梯级水电站多目标发电优化调度

在一种典型多目标进化算法NSGA-Ⅱ基础上做了以下改进：1）引入了外部档案集并提出一种基于局部搜索的算子,用于提高其收敛性及非劣解的分布性;2）为了便于决策者决策,采用一种基于偏好的简单有效决策方法优选调度方案;3）为提高算法的效率,在建立偏序集时,采用快速排序算法对子目标进行排序.最后,采用改进NS-GA-Ⅱ算法求解...     

基于发电权交易的梯级水电站中长期优化调度

以发电效益最大为目标建立了基于发电权交易的梯级水电站中长期优化调度数学模型,并以清江梯级水电站为例,运用三角旋回算法分别对丰水年、枯水年进行优化调度,取得了较好的效果.与传统的以发电总量最大为目标的调度方法相比,该调度方式可以实现梯级水电站发电总效益最大,增加发电总效益.还具体分析了这两种调度过程,并给出了基于发电权交易下的梯级水电站调度模型能有更好的收益的原因,即避免了与他人分享属于自己的合约电量效益,抓住了转让发电权与受让发电权价格的差异,合理调配了水资源.     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

基于改进蝙蝠算法的混合储能系统容量优化配置

针对光伏发电在微网中不稳定、功率波动较大的问题,利用超级电容和蓄电池的混合储能系统对微电网中功率波动部分进行平抑。根据光伏功率波动率和储能响应特性,提出基于低通滤波器分解的功率分配方法,采用改进的蝙蝠算法对混合储能进行容量优化配置,以混合储能装置全生命周期费用最小为目标,以系统的功率平衡、储能的荷电状态以及负荷缺电率等指标为约束条件,建立一种混合储能系统容量优化配置模型,实现混合储能系统经济最优。算例仿真结果表明,改进的蝙蝠算法不仅优化了蓄电池的工作状态,降低了储能系统的全生命周期费用,而且加快了收敛速度。     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

基于改进粒子群算法的电力系统环保经济调度

传统电力系统调度的目标函数为总燃料成本最小化,未将化石燃料燃烧所带来的污染物(如氧化硫、氧化氮)排放成本考虑在内.随着环境保护需求的日益增长,需要考虑计及排放的电力系统调度方案.首先,提出将排放物作为调度函数的约束条件进行建模;其次,提出一种更为优化的变搜索半径优化的多目标粒子群算法来处理系统模型;再次,针对蒙东地区某含风电的电力系统进行仿真,并将所得结果与传统粒子群算法、多目标差分进化算法、多目标粒子群算法所得结果进行比较.结果表明,本文所述方法在解决方案上实现了改进.     

混合蚁群算法在水库群优化调度中的应用

针对梯级水库群优化调度问题的特点,建立蚁群算法求解多阶段最优化问题数学模型.把水库的运行策略转换为水库水位变化序列,通过一定的编码形式分别将其表示人工蚂蚁的路径.人工蚂蚁在满足一定的约束条件下,按预定的目标函数评价其优劣.针对蚁群算法在优化过程中出现搜索时间较长和早熟停滞现象,提出了具有变异特征混合局部优化算法的蚁群系统(MSA-ACS).然后将MSA-ACS和蚁群系统(ACS)分别用于求解雅砻江梯级优化调度问题,通过对优化结果和计算时间的对比分析,验证了改进方法的有效性.该改进方法获得了比较满意的解,不仅能提高蚁群算法的收敛性能,还能增强解的稳定性.     

基于精英候选池的蝙蝠算法

针对蝙蝠算法搜索后期容易陷入局部最优,从而导致算法精度不高、停滞等不足,提出了精英候选池策略为每只蝙蝠选取待追随的最优蝙蝠,从而增强了种群的多样性,避免算法过早成熟。在10个Benchmark测试函数中进行仿真实验,实验结果表明,基于候选池的蝙蝠算在在收敛精度和速度上都有较大的提高。     

龙头水库梯级电站群的经济运行

针对农村中龙头水库梯级电站群的特点，建立了这类梯级电站群长期经济运行、短期经济运行的动态规划数学模型，提出了模型求解、补偿调节和时滞计算的方法。     

梯级水电站群水位最优控制的知识推理方法

针对梯级水电站群调节水库长期调度缺乏成熟方法,难以指导水电站水位有效控制的问题,提出一种新的水库调度决策方法,该方法应用知识推理技术,以调度函数建立知识库指导水库调度决策。通过模拟对比分析,结果表明,按此方法进行水库调度决策是合理可行的,同时克服了传统方法的缺点,能够应用于指导水库调度决策。     

市场环境下梯级水电站间发电补偿效益研究

为解决现有梯级水电发电补偿效益核定办法及分摊方法存在的不足,提出了基于“核定电量”概念的补偿效益计算法,建立了能够同时兼顾各电站主观偏好且保持群体一致性的效益协调分摊模型。新计算法考虑到了市场环境下各电站的分期电价差异和电网对其增发电量的吸收约束,使得基于梯级实际联合运行结果和核定电量计算结果得到的补偿效益更贴近实际。新模型依据各方协商确定的分摊原则,先以单站分摊比例最大为目标求得个体偏好下的分摊原则权重向量,然后按照群体一致性原理求解各分摊原则的群体权重,最后以距离不同分摊原则的分摊结果最近为目标计算各电站的分摊比例,整个过程采用改进单亲遗传算法求解相关优化目标,参数少、操作简单、易于控制。实例计算结果公平、合理,易于各方接受,可为不同主体的梯级水电联合调度增发效益补偿提供参考。     

电力系统经济负荷分配的改进粒子群算法

为解决电力系统中的经济负荷分配问题,将改进粒子群算法用于其中。该算法是以基本粒子群算法为基础,利用优化惯性权重策略以及改进最优最差粒子策略,使改进粒子群算法具有高效率全局搜索能力。对三个算例进行仿真测试,证实该算法可有效地解决经济负荷分配问题;性能对比显示,该算法求得的解优于基本粒子群算法及其它优化算法所求得的解。     

基于嵌套优化的梯级水电站日总负荷分配研究

电力电量平衡是电力调度部门进行效益均衡,合理安排电站运行的重要手段。梯级水电站水力联系紧密,经常作为一个整体参与全网电力电量平衡。针对梯级水电站整体参与电力电量平衡后,总负荷在梯级水电站间的协调分配问题,本文建立了梯级水电站短期日总负荷分配模型,为了在负荷分配的过程中同步得到梯级各电站的优化运行方案,提出了模型求解的嵌套优化算法,算法以梯级总蓄能最大为外层优化,寻优计算过程中嵌套以发电量最大化为目标的短期优化计算单元为内层优化,外层优化实现了日总负荷在梯级各电站间的合理分配,同时内层优化计算单元实现了各电站优化运行方式的生成。以大渡河大岗山及以下梯级水电站为例选取了典型日进行实例计算,计算结果表明：优化分配方案通过控制性水库的水量调节作用满足日总负荷目标要求,同时其余调节能力较弱的水库日初末水位保持一致,且日内水位变化过程较为合理,有效利用了水库的调节能力;另外梯级各站均无不合理弃水,负荷过程在同一峰平谷时段内平稳,并且满足一定的峰谷比的要求,能为电网制定并下达梯级发电计划提供实用参考。总体来看,本文提出的日总负荷分配模型与嵌套优化计算方法原理简单、易于操作,能够实现梯级电站间的水量电量的合理匹配,达到高效利用水能资源的目的。     

厂内经济运行的POA算法研究

提出用POA算法解决水电站机组间有功功率最优分配问题,实例研究表明:该方法具有计算速度快、精度高、直接使用效率特性曲线等优点,可用于实时在线控制。     

火电机组厂级负荷优化算法的比较

分析了目前国内火电机组厂级机组间负荷优化分配算法的研究现状.针对国内常见的火电机组类型和组合方式,在对常用算法进行分析和比较后,对各种算法的优劣和适用范围进行总结,并对今后火电机组厂级负荷优化的研究和应用提出展望.     

小水电群智能优化调度算法研究

小水电群的优化调度是一个大规模、多目标、复杂的多阶段决策过程,通常采用传统的动态规划法.探讨了智能优化算法在小水电优化调度中的应用问题,分析了改进遗传算法的工程实现方法及仿真结果,着重分析了算法的收敛特性、算法的计算速度等,说明了遗传算法求解该问题的不足,并提出了采用粒子群算法、蚁群算法等的设想.