基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

基于混沌量子粒子群算法的含风电场电力系统实时调度

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的IEEE-118节点系统进行仿真计算,结果表明：建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

含风电场的水火电力系统的多目标优化调度

随着风力发电的大规模并网运行,电力系统除了要安排火电厂和水电站的出力外,还要考虑风电场的出力情况。针对风能的间歇性、波动性和不可控等特点,引入旋转备用容量解决风力发电并网对电力系统经济调度和安全可靠运行带来的影响,建立含风电场水火电力系统优化调度模型,并运用改进粒子群算法对所建立的模型进行仿真计算和求解分析。仿真结果表明在风电出力全额上网的前提下,能够充分利用水资源,减少化石能源的使用,从而降低了火电厂污染物的排放,进而验证了调度模型的合理性和有效性。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。     

基于改进粒子群算法混合储能优化调度

大多数风电储能调度研究从经济运行成本或环境保护成本出发,调度方案缺少对储能投资企业收益和风电消纳的研究,考虑储能经济收益和风电功率消解对调度的影响,提出了一种基于改进粒子群算法的风电混合储能优化调度方法。首先建立一种蓄电池和超级电容混合储能的储能方案;其次基于分时售电、电价差异的影响因素,建立了以储能经济收益最大和风电功率消解最大的优化调度模型;最后提出了一种基于粒子群的改进优化算法,粒子群算法引入帕累托排序和拥挤度排序法,并进行了理论分析和仿真验证。结果表明,只考虑储能经济收益最大时收益明显增加,只考虑风电功率消解最大时消解明显增多,同时考虑储能经济收益最大和风电功率消解最大双目标时,对于两种目标,均有较好的优化结果。     

含风电场多目标低碳电力系统动态经济调度研究

含风电场多目标低碳电力系统调度模型包括2个目标函数:发电成本和碳排放量。考虑电力系统经济性的同时减少碳排放量;考虑风电场带来的风险,在发电成本中增加风险成本;在保证电力系统安全性的同时增加风电场的出力,达到低碳节能的效果。对含风电场多目标低碳电力系统调度模型,采用改进的多目标粒子群优化算法进行优化求解。仿真验证了含风电场多目标低碳电力系统调度数学模型与改进粒子群算法的正确性与有效性。     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

基于多目标粒子群算法的电力系统环境经济调度研究

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO )算法,用于求解电力系统的环境/经济调度问题。通过设计特定的约束修正因子,将不可行解修正成可行解,并在此基础上用惩罚函数法构建了新的适用于多目标粒子群的适应度函数模型。根据帕累托占优条件形成历史帕累托最优解集和全局帕累托最优解集,引入稀疏度排序法选择全局最优解,基于帕累托最优前沿的斜率特性,提出用斜率法筛选非劣解,采用基于模糊数学的满意度评价模型选择POF的折衷最优解。最后,用IEEE-30节点标准测试系统对所提算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明所提算法可行、有效。     

基于改进多目标遗传算法的实时发电市场优化调度研究

实时发电市场需在短时间内完成投标与出清,与中长期市场相比时间更紧、价格波动更明显且更容易受到参与者行为的影响。在交易过程中,若单纯采用总购电成本最低进行出清,可能导致少量参与者占有大部分市场份额或剩余资源,造成市场集中度偏大。少量机组可利用其市场力操纵市场并获得超额回报,从而影响市场效率及稳定性。为了防止该类情形,提出一种兼顾市场集中度的实时发电市场多目标优化模型,通过监控HHI静态指标以及DHHI动态指标将市场集中度控制在合理水平。在模型求解过程中,通过改进的多目标遗传算法(Multi-objective Generic Algorithm, MOGA)实现了快速收敛及有限方案筛选。最后采用IEEE30节点标准系统进行仿真,仿真结果证实了模型的有效性及其算法的高效性。     

采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。     

考虑风电不确定性的风蓄火联合优化经济调度研究

风电的间歇性、波动性和反调峰特性导致大量风能成为弃风,致使风电的经济效益和环保效益均受到影响。针对风电和抽水蓄能以及火电出力的不同特性,文中采用内外两层模型嵌套求解,即优先建立内层风蓄联合运行收益最大和风电入网波动最小的双目标模型,以决定抽水蓄能机组的抽水功率或发电功率,再在外层建立计及不同置信水平风电预测误差的风蓄火联合收益最大的目标模型。以抽水蓄能和风电合作运行来应对风电的不确定性,同时采用机会约束规划来处理模型中的随机变量。采用粒子群优化-遗传算法混合优化算法求解模型,并通过IEEE 30节点系统验证了该模型在增加系统经济效益的同时可以降低风电出力波动性。     

基于随机模拟粒子群算法的含风电场电力系统经济调度

由于风电具有随机性,目前尚无法较准确预测其出力,因此含有风电的电力系统经济调度不再是-个常规意义下的确定性问题.利用传统的方法也难获得既经济又有较高可靠性的解.本文建立了基于机会约束规划的含风电场的电力系统经济调度数学模型,以概率的形式描述相关约束条件,考虑了机组的爬坡约束、出力限制,线路潮流限制、备用约束及负荷平衡等约束条件,利用基于随机模拟的粒子群算法求解该问题.通过IEEE30节点系统的算例验证,表明该模型与算法的有效性.     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

基于改进粒子群的风电-火电-蓄热电锅炉联合优化调度

蓄热式电锅炉是增加风电-火电系统弃风消纳的重要手段,但是当前风电成本仍高于火电成本,风电消纳和降低蓄热式电锅炉用能成本存在矛盾,考虑多方效益,合理优化风电、火电机组及蓄热式电锅炉的出力,对于降低用能成本、提高风电消纳具有重要意义。文章建立了考虑多目标的含风电、火电机组和蓄热式电锅炉的优化调度数学模型,通过采用偏小型隶属函数将以风电、火电机组运行成本最低和弃风量最小的多目标函数转化为单目标函数,在满足各部分约束条件下求取隶属度最佳的风电、火电机组出力。进一步,提出一种改进的粒子群算法,对上述模型求解。该算法可以跳出局部最优解,具有较快的收敛速度和较高的计算精度。最后,基于某电网的实际数据进行仿真,仿真结果验证了所提方法的有效性。     

基于改进粒子群算法的电力系统经济负荷分配

提出了一种应用随机优化理论求解电力系统经济负荷分配的新方法,该方法以电力市场全天购电费用最小为目标函数,将高斯算子和交叉算子引入基本粒子群算法中。针对基本粒子群算法（PSO）的局限性,通过引入新的算子,克服了PSO算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点,在速度和精度上满足了计算要求。算例结果表明,所提出的方法能有效解决电力市场电力系统经济负荷分配问题。     

基于MO-APSO的含风电场电力系统动态环境经济调度

为综合考虑碳排放权交易对风火联供模式的影响,基于节能减排、发电效益、机组运行3个方面约束条件,引入碳排放权交易成本函数,构建了考虑发电成本、碳交易成本、环境成本的风火联供系统多目标动态环境经济调度(DEED)模型。提出一种多目标自适应粒子群优化(MO-APSO)算法求解该DEED问题。根据寻优过程中粒子当前的适应度函数值,对惯性权重及学习因子进行自适应修正,进一步改善早熟的缺陷,增强全局搜索能力。含风电场的10机电力系统仿真结果表明:所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,有效降低了联供系统的碳排放量及综合运行成本。