考虑时间窗约束的海上风电机组运维方案优化

降低运维成本是保障海上风电经济效益的关键,运维方案优化对降低海上风电机组运维成本和提高发电量起着双重作用。根据风电机组零部件的可靠度模型,计算出每台风电机组最佳维修时机对应的时间窗,考虑提前维修和故障后维修的经济损失,建立包含时间窗约束的海上风电机组运维方案优化模型,然后设计基于参数优化的改进遗传算法计算出最优运维方案。最后采用某海上风电场内风电机组运维案例验证模型和算法,结果表明考虑时间窗约束的运维方案可大幅度提高海上风电的经济效益,改进遗传算法比传统遗传算法具有更强的寻优能力。     

基于改进布谷鸟算法的电力系统最优潮流计算

针对电力系统最优潮流问题,提出一种融入量子计算和混沌局部搜索策略的改进布谷鸟算法(QCCS),即对布谷鸟算法的个体进行量子位编码,通过叠加态的量子位实现多样化种群,并在算法每次迭代的优化值附近进行混沌局部搜索进而增加布谷鸟算法的局部搜索能力,同时采用量子门变换使每个个体朝最优个体进化,从而提高算法的寻优能力。最后以IEEE 118节点系统的最优潮流计算问题为例,应用QCCS进行仿真计算。通过与其他方法(PSO、GA、CS)计算结果进行对比分析,验证了QCCS算法求解电力系统最优潮流问题的有效性,从而为电力系统最优潮流(OPF)问题的求解提供了一种新方法。     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

低碳电源规划不确定性多目标鲁棒优化研究

低碳电源规划研究中,为满足电力行业日益增长的减排指标的要求,在规划期内,考虑新建风电场、火电机组和碳捕集机组及对现有火电机组配置碳捕集系统进行改造。在考虑电力、电量及碳减排量等约束条件的基础上,建立年综合成本最小及碳排放量最小的多目标模型,对规划期内每年投运机组的类型及容量进行优化。研究风电出力的不确定性对低碳电源规划的影响,建立鲁棒电源规划优化模型。采用离散细菌群体趋药性算法进行优化计算,得到满足鲁棒性的Pareto最优解。     

基于改进蚁狮优化算法的太阳电池模型参数辨识

提出一种改进蚁狮优化算法,引入混沌序列进行初始值的分配,增强种群的均匀性和遍历性;在个体更新部分引入粒子群算法的思想,分别以当前的最优个体与全局最优个体为目标进行计算,同时提高算法的局部和全局搜索能力;参考当前最优个体位移进行动态空间收缩,可有效减小个体的搜索范围,缩短寻优时间。与粒子群算法、蝙蝠和原蚁狮算法进行仿真对比并应用到太阳电池模型参数辨识中,验证其有效性。     

基于GWO-SVR的风电机组柔性塔架振动建模与仿真分析

针对风电机组柔性塔架因机械疲劳、振动等引起的失稳问题,采用改进的回归方法建立塔架振动预测模型。在风电机组不同运行工况下,通过相关性分析对多源异构数据进行优化,求出影响柔性塔架振动的相关联变量。基于灰狼优化（GWO）算法得到支持向量回归（SVR）方法的最优参数,建立塔架振动预测模型。以某风场2 MW风电机组120 m柔性塔架数据进行仿真分析,结果表明,在额定风速以上工况下,GWO优化SVR模型相较于BP模型、SVR模型、粒子群算法（PSO）优化SVR模型、鲸鱼优化算法（WOA）优化SVR模型,均方根误差RMSE分别降低了11.143、8.925、8.263、3.651;平均绝对误差MAE分别降低了9.032、7.016、2.665、3.233。基于GWO优化的SVR模型提高了柔性塔架振动预测精度,可为柔性塔架的振动控制提供准确数据支持。     

基于智能算法的高海拔风电机组多参数优化设计

以高海拔地区风电机组为对象,建立了平准化电力成本（LCOE）模型,并采用智能算法对其关键设计参数进行优化。分析了海拔升高对气候环境与风电机组的影响,建立了以转子半径、轮毂高度以及额定功率为设计参数的高海拔风电机组LCOE模型。以LCOE最小化为目标,采用遗传、粒子群、量子遗传3种智能优化算法对3个设计参数进行优化。优化结果表明,一定的海拔高度下存在最佳参数和最优LCOE,3种智能算法皆能得到模型的最优解,而量子遗传算法在收敛时间与收敛精度上均具有较好性能。随着海拔的升高,最优LCOE增大,3个优化参数呈现出不同的变化趋势。本文的相关结论对于高海拔风电机组选型与设计具有一定的参考意义。     

基于变功率因数的分散式风电场优化运行策略

提出一种考虑负荷类型和风电机组无功极限的分散式风电场优化运行策略。建立基于静态电压特性的典型负荷通用模型;挖掘分散式风电机组无功能力,采用机端并联电容器平衡并提高双馈感应发电机无功调节能力;分析风电机组功率因数对配电网各节点电压、有功和无功网损影响规律;在此基础上,提出基于改进萤火虫算法的分散式风电场最优功率因数运行方法。基于IEEE-33节点模型进行仿真计算,结果表明:分散式风电场小范围功率因数优化调节可有效减小配电网网损,提高电压稳定性。     

考虑机组组合问题的机组检修计划优化新模型

以经济费用最小为目标函数,建立了发电机组检修计划优化问题（UMS）新模型。由于生产费用在经济费用中占有的比例最大,因此在计算新模型的生产费用时考虑了发电机组组合优化问题（UC）。鉴于考虑UC问题的UMS问题为双层优化问题,其中UMS问题为上层优化问题,UC问题为下层优化问题,提出了一种改进离散粒子群算法（MDPSO）,并将其用于搜索UMS问题的最优解向量,即解决上层优化问题;而由于拉格朗日松弛法在解决UC问题上具有计算速度快、结果精度高等优点,将其用于解决下层优化问题。利用该新模型和MDPSO算法对IEEE-RTS系统的机组的年检修计划进行优化,并与离散粒子群算法（DPSO）比较,结果表明DPSO算法在解决UMS问题上具有精度高、收敛速度快等优点。     

考虑旋转备用约束的含风电场电力系统优化调度模型

文章建立电场电力系统优化调度模型,该模型考虑了风电功率预测误差的情况下,系统旋转备用容量满足负荷及风电波动的需求。模型中涉及火电机组、风电场的发电成本以及火电机组环境污染惩罚费用,并提出基于时变加速度的随机黑洞粒子群算法对模型进行求解,时变加速度增强了算法早期全局搜索能力,并保证迭代后期收敛到全局最优,同时黑洞原理避免了算法收敛早熟,陷入局部最优解。最后对含一个风电场的10机系统算例建模仿真,从而验证模型以及算法的合理性和有效性。     

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1 d中不同时段的风速变化情〖JP2〗况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法（SIBCC）〖JP〗参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。     

基于布谷鸟搜索算法优化BP模糊Petri网的水电机组故障诊断

针对水电机组故障诊断的复杂性和传统算法存在的缺点,提出采用布谷鸟搜索算法优化BP模糊Petri网进行故障诊断。首先利用布谷鸟搜索算法的全局搜索功能对网络参数寻优,将得出的全局最优解作为BP模糊Petri网的最优初始参数,再用选取的故障样本数据对模糊Petri网进行学习训练,建立故障特征集到故障类型集的映射关系以实现故障分类。仿真试验表明,该故障诊断方法收敛速度快、准确率高,可应用于实际水电机组故障诊断。     

基于最优控制的风电机组PID控制参数设计分析

本文针对风电机组的最优控制PID参数进行了设计,以系统最优控制为基础运用线性二次型最优控制策略,对风电机组的状态空间模型通过选取二次型函数作为性能指标函数,通过使该性能指标函数最小计算得出状态反馈最优控制器,从而得到状态反馈最优PID控制器的参数,然后将该PID控制输入应用到风电机组模型上,提高了PID控制参数设计的效率和准确性,实现了风电机组系统误差和控制能量综合最优。     

基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法

针对在多风电机组风速预测任务中，卷积运算不适用于提取排布不规则的多风电机组空间相关性的问题，提出一种基于时空注意力-Seq2Seq模型的多风电机组多步风速预测算法。首先使用空间注意力机制强化风速序列的空间相关性，并对常规空间注意力机制进行改进；之后使用Seq2Seq模型中的编码器进行编码；最后使用结合时间注意力机制的解码器计算多风电机组的多步预测结果。以河北市某风电场的实际数据为算例进行实验，结果表明相比其他对比算法，所提算法的平均绝对误差下降约4.3%～15.0%，精度有较大提高。     

考虑可再生能源不确定性的最优潮流研究

文章针对含有可再生能源的电网提出了最优潮流优化模型,并对风电出力、光伏出力以及水轮机组出力的不确定性进行了建模。提出了考虑可再生能源不确定性的最优潮流模型,以机组成本以及网络中的网损最小为目标函数,考虑相应的约束条件,利用改进斑点鬣狗优化算法对模型进行求解,引入混沌序列控制向量提升算法整体的寻优性能。最后,在IEEE 30节点系统中对所提的模型和算法进行了仿真分析。     

基于布谷鸟搜索算法的变电站选址方法研究

摘要： 传统变电站选址算法通常搜索时间长,且搜索质量不高。布谷鸟算法（CS）可有效克服传统算法中的“早熟”现象,有更高的全局寻优能力和搜索率。将该算法引入变电站选址模型,在模型中加入地理信息惩罚因子,应用布谷鸟搜索算法进行求解,用实际算例进行有惩罚因子和无惩罚因子模型的对比,证明加入地理信息因素可使变电站选址结果更加切合实际。     

计及碳排放成本的输电网与风电分布鲁棒协同扩展规划

构建以风电、光伏等可再生能源为主体的新型电力系统是实现双碳目标的主要方向,但强波动性、高不确定性的大规模风电并网给输电网投资规划带来严峻挑战。为此,在考虑系统碳排放成本的基础上,以输电线路、风电场以及储能的投资成本、运行成本之和最小为优化目标,构建其协同扩展规划模型。为充分量化风电出力不确定性,以风电出力年历史数据为基础,提出数据驱动下两阶段分布鲁棒规划优化模型,第一阶段为基于最恶劣风电概率场景,优化求解综合成本最优决策结果,第二阶段为搜索风电最恶劣场景的概率分布,并采用列与约束算法对两阶段模型优化求解。算例结果表明,通过在所建拓展规划模型中引入碳排放成本,在保障系统安全稳定运行情况下,可有效提升系统对风电资源的合理消纳能力。     

基于改进果蝇算法优化支持向量机的风电机组性能评估

目前,关于风电机组性能的研究多集中于某一关键部件,文章针对风电机组整体提出一种性能评估的方法。首先采用支持向量回归(SVR)预测正常状态下的评价指标,并使用果蝇优化算法(FOA)来寻找其最优参数。为了克服FOA易陷入局部最优的缺点,引入免疫思想增加种群的多样性,并采用自适应搜索步长,提高其收敛精度;然后通过变权思想对预测误差进行组合,得到风电机组偏离正常状态的劣化度,实现对风电机组的性能评估;最后,采用某风电场的数据进行实验分析,验证了文章所提方法的可行性。     

风电场邻近风电机组缺测风速集成填充方法

针对风电场中邻近多台风电机组集中出现缺损测量风速的工况,提出基于粒子群优化广义回归神经网络的风电机组缺损测量风速集成填充方法。以"成员等同性"原则引入动态时间规整算法、空间邻点法和Pearson相关系数法,分别搜寻与缺损测量风速风电机组风速演化最为相似的若干台风电机组及对应的测量风速时序,建立基于广义回归神经网络的填充子模型,采用粒子群算法对广义回归神经网络的模型参数和训练集的构成进行全局优化,之后选取较好的子模型构造自适应的熵权集成填充模型。实验结果表明:依据相似性风速序列进行缺损风速的填充能有效提高填充精度;粒子群算法优化广义回归神经网络,不仅提高了子模型的填充效果,更使得模型参数的调节有据可依,能适应不同风电场风速数据的特点;基于熵权的集成填充策略理论依据充分,集成填充的精度和稳定性优于单个子模型。     

基于IP&O-ICS算法的光伏系统MPPT控制研究

传统的光伏系统MPPT算法易陷入局部最优，而基于智能优化算法的MPPT方法追踪速度慢，皆不能同时兼顾准确性和快速性。对此，该文设计一种变步长扰动观察法（IP&O）结合自适应布谷鸟搜索（ICS）算法的复合算法，先利用IP&O迅速到达对应电压最大的功率极大值点，再根据复杂光照环境下光伏阵列的输出特性，利用该点的功率值调整ICS算法的搜索范围，使其快速准确地追踪到最大功率点。通过仿真对比，验证了此算法在追踪速度和精度上的优越性。