考虑需求侧响应的微电网经济优化调度

为了解决微电网的经济最优调度问题,建立了微电网系统的分布式电源模型,引入需求侧响应模型,以平衡峰谷负荷的巨大差异;利用改进的内部搜索方法建立微电网系统模型,进行优化调度,并将其计算结果与典型调度策略进行比较,验证了改进算法的优越性。     

基于改进粒子群优化算法的微电网经济调度研究

微电网经济调度是一个复杂的多约束、多目标非线性优化问题。为了实现微电网中各微电源设备的经济运行,充分发挥分布式能源的发电优势,基于改进粒子群优化算法对微电网经济调度进行研究。在研究中,提出光伏发电预测与负荷预测背景下的微电网多目标模型,考虑蓄电池使用寿命,以经济成本最低和环境成本最低为目标,利用改进粒子群优化算法进行求解。通过案例分析,确认了研究成果的有效性。     

考虑需求侧响应的微电网经济调度双层优化

为了在提高微网经济运行水平前提下挖掘用户侧调控资源的潜力,降低用户侧的用电成本,在考虑用户需求侧响应的基础上建立了微电网双层优化的调度模型。上层考虑用户的购电成本以及用电满意度,利用动态电价激励机制和负荷可转移特征对用户负荷曲线进行优化;下层在上层优化的基础上进行微电网的经济调度,以动态电价和负荷曲线作为上下层之间的桥梁进行迭代求解。最后对一个含有风力发电、光伏发电、微型燃气轮机和蓄电池的并网型单微电网进行仿真分析。结果表明,考虑动态电价不仅降低了微电网的运行成本和用户用电成本,还增加了风光消纳量,证明了模型的合理性和经济性。     

基于改进蜣螂算法的微电网优化调度研究

为了协调微电网中各分布式电源的出力,以达到微电网综合运行成本最小的目的,构建了包含风电、光伏、柴油发电机、微型燃汽轮机、燃料电池及蓄电池的微电网优化调度模型。为了克服蜣螂算法(DBO)随机初始化生成的种群个体质量不高和求解高维问题时容易陷入局部最优的缺点,将反向学习策略和自适应t分布变异运用到蜣螂算法中,提出了一种改进的蜣螂算法(IDBO),将IDBO、DBO、灰狼算法及蝙蝠算法运用到所建立的微电网优化调度模型中,并对求解结果进行分析。研究发现,在收敛速度、收敛精度和稳定性方面,IDBO均优于其他三种算法。同时,按照IDBO所求得的分布式电源出力方案,可降低微电网的综合运行成本,证明了算法改进的有效性。     

基于改进天鹰优化算法的微电网多目标优化调度研究

微电网优化调度对降低企业用电费用,减少能源损耗和环境污染具有重要意义。研究了覆盖光伏、风电、储能、燃气轮机和柴油发电机的分布式电源,在微电网并网运行的情况下,为协调系统内部各微电源的出力情况,对光伏发电、风力发电和用电负荷功率进行预测,建立了以运行成本和污染治理费用最低的目标函数,并采用改进天鹰优化算法(IAO)进行求解,求得不同分布式电源和大电网的出力情况。仿真结果表明,该模型在保证用户持续供电的情况下,可以在一定程度上有效降低企业用户的用电成本以及减少污染物的排放,为微电网实际运行的功率分配提供指导。     

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。     

基于排序交叉优化算法的智能微电网调度研究

分布式可再生能源具有出力不稳定等问题,导致智能微电网的经济效益与环保效益较差,为此研究基于排 序交叉优化算法的智能微电网调度.根据分布式电源与储能装置的运行特性建立其数学模型,为智能微电网多目标调 度提供理论基础,以智能微电网运行成本和排污、治污花费最小为目标,构建多目标调度模型,基于排序交叉优化算 法求解模型,实现各机组出力的优化调度.以某地冬季典型日为例,获取智能微电网负荷数据展开算例分析,结果显 示采用所设计方法调度后微电网的运行与排污、治污总成本节约了46.25％,说明该调度方法具有经济与环保效益优 化的效果.     

基于改进布谷鸟算法的微电网源-荷-储功率优化调度

为实现微电网源网荷储的最优匹配,提出了一种计及需求侧响应的微电网有功功率调度模型。首先综合考虑系统运行约束、蓄电池运行约束和引入负荷响应补偿的用户满意度,以微电网经济性和环保性最优为目标函数,构建了包含风光发电、储能单元和负荷的微电网功率调度模型。进一步改进了布谷鸟搜索算法,并在4个典型场景下求解所提出的调度模型。通过算例验证模型和所提方法的有效性,结果表明：负荷响应与储能可以有效降低微网运行成本,通过可移负荷跨时段平移,实现负荷削峰填谷;同时,模型能根据不同的满意度要求提供相应的经济优化调度方案;此外,通过对比粒子群算法与布谷鸟算法,进一步验证了改进的布谷鸟算法性能更优。     

基于模拟退火遗传算法的并网微电网优化调度研究

建立了微电网模型,并综合考虑微电网建设运行的经济性和环保性,以微电网建设运行成本和环境影响为目标函数,使用模拟退火遗传算法对模型进行求解。该方法能够对微电网各目标依据条件进行有效调度,具备快速求解调度问题的能力,同时避免了陷入局部最优解的困境,能够适配并解决在微电网场景下的调度问题。     

基于新型生物地理学优化算法的作业车间调度研究

针对生物地理学优化算法在求解复杂作业车间调度问题时存在的问题,提出了一种改进差分进化生物地理学优化算法.通过将差分进化算法的搜索性与生物地理学优化算法的利用性有效的结合,同时采用精英保留机制保留适应度较高的个体,并且引入惯性权重策略调节变异操作在混合迁移操作中所占的比重以提高算法的全局搜索能力,然后增加了小概率扰动以防止算法随着迭代的进行陷入局部最优解.最后使用不同测试函数和作业车间调度问题进行实验,结果显示改进算法在收敛速度和优化结果方面性能更优。     

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...     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

基于改进人工鱼群算法的微电网经济调度

针对微电网调度的问题,以微电网经济成本最小与污染排放气体最少为目标,建立了微电网日优化运行的数学模型。针对人工鱼群算法易陷入局部最优的问题,将人工鱼群的觅食和随机行为与天牛须搜索算法中天牛位置更新方法相结合,提出基于天牛须搜索算法的人工鱼群算法(artificial fish swarm algorithm based on beetle antennae search algorithm,BAS-AFSA)求解所建立的数学模型。最后以一个微电网系统为例,在并网运行的情况下,结合标准人工鱼群算法作对比,仿真结果表明,所提算法能够合理安排微源出力,降低了总成本,微电网获得了更好的综合效益。     

并网运行模式下微电网能量优化调度算法研究

微网与外部电网并网运行,互为补充,为用户带来了多方面的效益。由于不可控微电源出力的随机性与波动性,微电网并网运行时的优化运行受到很大影响。提出了计划层与实时层双层协调优化调度的算法,来解决微电网并网实时能量优化调度的问题。计划层根据微电源功率预测数据,采用改进粒子群算法进行微电网并网系统的经济优化运行;在计划层优化基础上,实时层根据不可控微电源以及负荷在实时功率与预测功率之间的误差,提出采用改进粒子群算法来进行实时优化调度,并将优化结果更新至计划层中各可控微电源及并网联络线的调度功率中。对一个典型的微电网并网系统进行调度算法仿真分析,验证了该方法的可行性与正确性。     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

考虑动态激励型需求响应的微电网两阶段优化调度

针对微电网中风电、光伏出力和负荷大小的不确定性,从日前和实时两个阶段出发,建立了微电网两阶段优化调度模型。日前调度阶段建立以微电网总运行成本最优的经济调度模型。实时调度阶段在日前调度优化结果的基础上,综合考虑实时优化调度各电源的出力调整顺序,提出了一种动态激励型需求响应参与的实时滚动优化策略。该策略的激励价格和用户参与容量随时间尺度前进呈现出动态变化,旨在利用价格引导用户提高需求响应的参与程度。通过算例表明,动态激励型需求响应相较于静态激励型需求响应不仅可以提升对日前联络线计划的跟踪效果,还能更好地消除微电网日前预测误差。该策略在显著提高用户收益的同时有效降低了系统运行成本,为市场化的微电网优化运行提供了参考。     

基于改进深度确定性策略梯度算法的微电网能量优化调度

针对微电网中分布式发电设备存在输出不确定性和间歇性问题，以及传统的深度确定性策略梯度算法存在收敛速度慢、鲁棒性差、容易陷入局部最优的缺点。本文提出了一种基于优先经验回放的深度确定性策略梯度算法，以微电网系统运行成本最低为目标，实现微电网的能量优化调度。首先，采用马尔可夫决策过程对微电网优化问题进行建模；其次，采用Sumtree结构的优先经验回放池提升样本利用效率，并且应用重要性采样来改善状态分布对收敛结果的影响。最后，本文利用真实的电力数据进行仿真验证，结果表明，提出的优化调度算法可以有效地学习到使微电网系统经济成本最低的运行策略，所提出的算法总运行时间比传统算法缩短了7.25%,运行成本降低了31.5%。     

基于改进蝙蝠算法的微电网优化调度

在分析微电网中相关电源发电技术的基础上,建立以发电成本、污染物排放费用、甩负荷补偿费用和微电网网损补偿费用最小的多目标数学优化模型,应用超效率数据包分析评价方法,将多目标优化转换为单目标规划问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌序列以及自适应调整策略融入到蝙蝠优化算法,提出一种改进型多目标蝙蝠优化算法,为克服算法本身对缺乏变异机制的缺陷,利用混沌理论以及动态自适应调整机制的特性,对蝙蝠算法参数进行调整。最后通过算例验证所提算法具有良好的实用性和适应性,同时也验证了所提模型的实际意义。     

采用改进生物地理学算法的风电并网电力系统多目标发电调度

构建了兼顾能源环境效益和发电经济性的风电并网电力系统多目标发电调度(multi-objective generation dispatch,MOGD)模型,为了快速准确求解该模型,达到为决策者提供合理候选调度方案的目的,将生物地理学(biogeography-based optimization,BBO)算法用于解决风电并网电力系统MOGD问题。采用余弦迁移模型、混合迁移算子、基于柯西分布的变异算子和相似体检测技术等策略来改善BBO算法的性能。提出综合模糊支配度和分布密度的帕累托(Pareto)解集排序方法,促进Pareto最优前沿(Paretooptimal front,POF)向理想Pareto前沿逼近,并保持解集的多样性。以含6台火电机组和1个并网风电场的电力系统为例进行仿真计算,结果验证了改进生物地理学算法在求解多目标发电调度问题方面的可行性和有效性。