梯级电站厂间负荷分配算法研究

节能减排形势下,为尽可能节约水资源,电网应下达梯级日内96点负荷曲线,由梯级电站根据自身梯级情况进行厂间负荷分配,力求在最小耗水量条件下满足梯级日内负荷需求,该负荷分配面临高维数、多约束问题。本文以电网下达日内负荷为约束条件,以梯级耗水量最小为目标函数,研究厂间负荷分配求解算法。论文提出层次化厂间负荷分配算法模型,建立负荷随机分配算法得到厂间负荷分配初始解,进而提出功率微增逐次寻优算法获得厂间负荷分配最优解,并进行实例验证。研究表明,算法较好地解决了高维数、强约束条件下厂间梯级负荷问题,达到了节约梯级水资源目的。     

基于病毒进化粒子群算法的梯级电站厂间负荷优化分配

病毒进化粒子群算法（VPSO）是将病毒进化机制引入粒子群算法（PSO）中,利用所生成的主群体和病毒群体指导种群进化。寻优过程中,主群体在上下代粒子群之间纵向传递信息,指导粒子群的全局搜索;病毒群体通过转录与反转录在同代个体之间横向传递进化信息,指导粒子群的局部搜索。算例结果表明,较PSO算法和免疫粒子群算法（IPSO）,VPSO算法提高求解精度的同时也加快了计算速度,能有效解决复杂的梯级电站厂间负荷分配问题。     

考虑脱硫补偿电价的厂内负荷优化分配

针对电网执行脱硫补偿电价政策,以及下达至机组的厂内负荷优化分配指令不能落入磨煤机接力区间要求,提出厂内负荷优化分配新模型;该模型以火电厂最终经济收益为目标,磨煤机接力区间作为不可分配区域约束条件引入。针对上述约束条件引入后,结合多精英保留策略,为不可行解设计一类基于边界信息的解修补方法,提高初始化与遗传操作的搜索效率。最后通过对某厂4台300 MW机组某日96点曲线的模拟分配,利润计算说明新的厂内负荷优化分配模型在补偿电价政策下带来了良好的经济效益,与其他不可行解处理方法的对比说明解修补策略的有效性。     

电力负荷分配模型及其优化方法综述

电力负荷分配问题是电力系统节能与优化运行的重要研究课题之一.首先调查了国内外典型的电力负荷分配优化模型;在此基础上对求解负荷分配问题的优化方法进行了较为全面的概述;最后,在总结分析现有研究工作的基础上,给出了进一步研究的趋势展望.     

清江梯级水电站实时负荷分配模型研究

本文提出两种梯级水电站实时负荷分配模型,模型Ⅰ根据站间和厂内水量电力平衡分配站间负荷,检验站间联合躲避不可调控区和防止负荷大规模转移等约束满足情况并制定开停机策略,以梯级电站水位能消耗最少为目标调整初始分配继而实现厂内经济运行;模型Ⅱ根据聚合分解思想将梯级水电站系统分为若干组对偶子系统,每组对偶系统聚合为虚拟电站直接以...     

基于生物地理学算法的网厂两级经济负荷分配

提出了一种针对大规模机组的网厂两级负荷优化分配策略。首先将电网内所有机组进行分组,预先以厂内负荷优化分配的最优结果拟合虚拟电厂煤耗成本特性曲线,据此完成电网侧负荷优化分配,然后再进行厂内负荷优化分配,所提模型还兼顾了机组的阀点效应。针对虚拟电厂煤耗成本特性曲线的高度非线性,采用生物地理学算法( Bio-geography Based Optimization, BBO)来求解网厂两级负荷优化分配问题。仿真结果表明,所提优化策略能够快速高效地处理大规模机组的负荷优化分配问题,更易于寻到全局最优解。     

辽宁省电力市场中的负荷分配方法

负荷分配问题是编制短期发电计划所面临的主要问题。在辽宁省电力市场中,以等报价法和动态规划法来解决负荷经济分配问题,其中以等报价法为主,动态规划法是等报价法的一个补充。文中阐述了等报价法和动态规划法的基本原理,并对其优化结果进行比较。     

基于免疫粒子群优化算法的梯级水电厂间负荷优化分配

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及疫苗接种原理,改进了粒子群优化算法的全局寻优能力,提高了收敛速度。在分析梯级水电厂间负荷分配的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的负荷优化分配方法,建立了数学模型,给出了具体求解步骤。经实例验证,IA-PSO算法得出的负荷分配方案优于PSO算法的计算结果,且算法后期收敛速度快,从而为梯级水电厂间负荷优化分配问题提供了一条新的求解途径,可应用于更广泛的优化问题。     

电力市场环境下负荷分配问题的罚函数法

电力市场环境下的负荷分配问题由于报价曲线的分段特性使问题更加难以解决。针对报价曲线的分段特性进行处理,将每台机组出力等值为几台机组出力和的形式,并增加机组功率平衡约束,以罚函数方法和SQP方法解决后来形成的0,1变量整数规划问题及其线性的连续变量规划问题,本算法经过一个小系统检验证明非常有效。     

基于模糊多目标优化的负荷优化分配研究

针对火电厂负荷优化分配,基于煤耗最小的单目标优化的局限性,提出了兼顾全厂煤耗最小和完成变负荷时间最短的双目标负荷优化分配模型,利用模糊理论将此双目标函数处理成相同约束条件下的单目标函数;然后用动态规划法求解,并将此结果同只考虑煤耗最小的单目标优化模型的结果相比较;最后对4台机组进行仿真。结果表明:采用多目标模糊优化设计对负荷优化分配效果良好。     

基于变阶段逐步优化算法的阶梯水电站优化调度

水能属于可再生能源,合理地优化流域内阶梯水电站发电计划,可以达到提高水能利用率的目的。为提高某流域A、B、C 3个阶梯水电站的总发电量,建立了基于变阶段逐步优化算法的阶梯水电站发电优化模型,针对传统逐步优化算法容易陷于局部最优解的缺点,提出在逐步优化法两阶段分解集式中嵌入变阶段策略,有效降低了最优解对初始解的依赖性,保证优化结果收敛于全局最优解,算例计算结果表明变阶段逐步优化算法的收敛速度更快、更稳定。     

三峡梯级日优化算法及应用

基于增量动态规划和状态逐密动态规划的优缺点，提出逐密增量动态规划算法，将其用于计算给定葛洲坝一天下泄流量的情况下．三峡梯级调度系统的日发电最优模型；由于对流量廊道不同等分将得到不同离散空间，文章针对不同的流量步长分别计算和比较，最后找到了满意的等分结果。     

梯级水电站短期周优化调度规律探讨

建立了梯级水电站短期周优化调度的梯级蓄能最大模型,在此基础上采用动态搜索算法对其进行求解.通过严密的理论推导和详尽的实例分析探讨了流域梯级电站负荷最优分配规律.梯级电站负荷最优分配主要由梯级水库的区间入流关系和水库特性决定,其结论可指导流域梯级电站优化运行,为集控中心调度和指导实际应用提供参考.调度决策者尚需根据本文的研究方法针对本流域和电站的特性制定符合自身的最优调度规则.     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

金沙江干流梯级水电站水库群长期优化调度

以金沙江干流梯级水电站水库群为研究对象，建立了金沙江梯级水电站水库群兼顾保证出力要求的以发电量最大为目标的长期优化调度模型;考虑水电系统的调峰要求，建立了金沙江梯级发电量最大长期优化调度模型。均用逐次逼近动态规划法求解，结果表明，调峰系数不同对梯级水电站发电效益及运行方式有明显影响。     

梯级水电站优化调度研究现状

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。     

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。     

基于日典型负荷的水电站群日计划方式

针对电网对水电站的负荷需求，分析了水电站群日计划方式制定的关键技术，提出了基于日典型负荷的水电站群日计划运行方式的制定方法，其结果在满足系统负荷需求和水库综合利用约束下，符合兼顾调峰电量最大和发电量最大的目标。