改进粒子群优化算法在电力负荷组合预测模型中的应用

提出了改进的粒子群优化算法：通过改进初始粒子种群的产生方法,加快其产生速度;在新的粒子种群产生过程中引入自适应步长,可以在该速度梯度方向上找到较优的粒子,进而加速了收敛速度;借鉴遗传算法中的变异操作增加了粒子的多样性,减小了算法陷入局部极值的可能。通过应用实例证明,将改进的粒子群优化算法应用到电力负荷组合预测模型的权重求解是可行的。     

考虑可转移负荷的售电公司负荷组合优化

在电力市场环境下,售电公司根据用户的负荷特性,进行用户负荷的组合优化可以降低售电公司的购电成本,从而提升售电公司效益。针对售电公司如何根据电力负荷的互补性、多样性整合优化用户资源的问题,从降低购电成本,提高售电公司效益角度,首先分析了负荷率对购电成本的影响,接着基于用户综合负荷特性,构建售电公司初步负荷组合优化模型,再进一步考虑了用户可转移负荷,对用户的组合负荷特性进行优化,最大化售电公司售电利益,最后根据某市2019年工业用户群组负荷数据,对提出的模型进行仿真分析,并对研究实施的软件功能架构进行了设计。     

计及负荷和电价不确定性的电力零售公司购电组合优化

随着我国电力市场改革的深化,售电侧随之逐步开放,已经成立了很多售电公司并参与了电力零售业务。如何构造在多个市场的购电组合优化策略是电力零售公司关注的重要问题。为发展电力零售公司的购电组合优化策略,必须适当考虑负荷需求和市场电价的不确定性从而进行风险管理。在此背景下,首先以h为单位构造了描述1天内的负荷需求和电力价格的日向量,并采用区间数来描述负荷和电价的波动范围。另一方面,模拟了零售公司在用户侧实施分时电价时对负荷调整和所占市场份额的影响。之后,以电力零售公司日利润总和最大为目标,建立了购电组合优化的强化区间线性规划(enhanced interval linear programming,EILP)模型,并采用解析方法求解。最后,采用美国PJM(Pennsylvania,New Jersey,Maryland)电力市场的负荷和电力价格实际数据,对所提出的方法做了说明。     

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CVaR的省级电网公司购电组合优化

介绍了条件风险价值(CVa R)在购电组合中的运用,分析了电网公司购售电中面临的收益与风险。建立了电网公司收益最大化和风险最小化多目标优化模型,利用量子粒子群优化算法得到收益与风险相协调的最优购电组合,并通过实际案例验证了该模型的有效性。     

电网企业多区域多时段多品种购电组合优化模型研究

基于现代投资组合理论(Modern Portfolio Theory, MPT),建立了电网企业多品种购电的有效边界数学解析式;考虑电网购电的多时段多区域多品种特性和实际约束对购电组合决策的影响,建立条件约束下的购电组合优化模型;对于约束制约使购电组合无法到达理论有效边界的情况,运用有效边界解析式和约束条件下的决策模型建立关键约束改善模型寻找关键制约约束,通过改善关键约束,实现最小代价下的购电最优。算例验证了所提出模型的有效性和适用性,表明本模型对电网公司的购电策略具有一定的参考价值和指导作用。     

改进粒子群优化算法用于电网优化购入电量

为实现从多个发电厂商购入电量总成本最小的目标函数,建立了应用改进粒子群优化算法综合考虑供求约束和发电厂发送能力约束的电网优化购入电量模型,它还同时考虑了竞争原则下电厂发送能力可取0的情况是一个含有非连续变量的优化问题。在按价格最低原则预先确定购买电量的厂商,再用改进粒子群优化算法解决非连续变量问题从而提供了一种解决电网优化购入电量问题的新思路,节约了购电成本。     

基于改进ABC算法的中长期电力负荷组合预测

将人工蜂群(ABC)算法应用到中长期电力负荷预测中,通过与组合预测模型相结合,对组合预测目标函数进行优化权重求解。另外针对该算法的早期收敛速度慢、后期容易陷入局部最优的缺点,通过引入扰动项,并进行最坏蜜源替代予以解决。实例分析证明该改进算法收敛速度快,全局寻优能力强。利用它求得的组合预测值,相对于单一模型的预测结果,精度有较大的提高,说明该改进算法应用到中长期电力负荷预测中是可行的。     

考虑发用电协调的售电公司负荷组合优化建模方法

电力市场环境下,如何根据用户用电特征制定优化策略以实现购售电利益最大化是售电公司一项重要的研究课题。针对中长期市场中考虑发用电协调的售电公司,提出了考虑售电公司购售电利益的负荷组合优化模型,并考虑需求响应技术来进一步优化用户综合负荷特性,最大化市场环境下售电公司的购售电利益。同时,针对需求响应的负荷反弹问题,引入三阶段反弹负荷模型,构建考虑负荷反弹的滚动优化改进模型,重新调整用户需求响应负荷值,从而改善需求响应负荷反弹情况下的组合用户需求响应负荷特性。最后,采用中国某市2017年工业用户群组负荷数据对所提出的模型及策略进行仿真分析,说明了所提方法的有效性。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

基于改进QPSO算法的BIPV建筑削峰填谷双层优化配置策略

针对BIPV建筑负荷削峰填谷和接入配电网后考虑网损、电压偏差的选址优化问题,提出了一种BIPV建筑双层能源系统优化模型。模型下层在考虑DG成本和环境成本的前提下,利用储能对负荷进行削峰填谷,模型上层在考虑配电网网损、电压偏差的前提下对BIPV和储能的选址方案进行优化。在求解该双层模型时利用量子理论中的量子行为和概率表达特性设计了一种改进的多目标量子粒子群算法,在解的处理上引入了一种动态ε不可行度约束支配函数。以IEEE30节点系统为参考系统,算例优化结果表明:BIPV建筑负荷峰谷差、配电网网损和电压偏差得到了有效降低,证明了所提配置优化策略的可行性;同时也表明,所提算法在全局寻优能力和种群多样性方面得到了明显提升。     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑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,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。     

基于综合成本的电网公司购电优化模型

温室效应加剧,世界性环境问题凸显,电网公司应寻求合适的购电策略以保障电力行业的可持续发展。通过污染物排放因子和治理成本将电力生产过程中污染物排放造成的环境负效应量化,折算成外部环境成本,同购电费用共同作为购电决策的依据,建立基于综合成本的电网公司购电优化模型。仿真计算结果表明,优化后的购电策略环保效益的增加量远大于购电成本的增加量。     

一种改进果蝇算法优化神经网络短期负荷预测模型

在神经网络的训练过程中,由于随机初始化网络参数使得算法收敛速度慢、容易陷入局部极值,因此,本文提出了一种改进果蝇优化算法(IFOA)用于优化神经网络的初始连接权值和阈值,以实现全局优化。首先采用在BP神经网络中加入从输入到输出的连接的网络(BPNN-DIOC,直连BP神经网络),减少隐含层所需的神经元个数,降低网络在训练过程中调整的参数个数和加快网络训练速度,以提高电力负荷的预测精度和网络的泛化能力。然后综合IFOA和BPNN-DIOC,构建了基于IFOA优化BPNN-DIOC的负荷预测模型。最后,为了验证本文模型的有效性,以AEMO中新南威尔士州2105年9月份的数据为例进行了仿真测试,IFOA-BPNN-DIOC模型的预测平均绝对误差百分比为0.6357%,均方根误差为0.0118,并将该结果与本文其它模型的预测结果进行比较。结果表明,本文模型是一种更加有效的短期负荷预测方法。     

求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法

提出了一种求解机组组合问题的嵌入贪婪搜索机制的改进粒子群优化算法。其特点包括:采用固定阈值处理表示机组运行状态的0、1整型变量,从而可直接应用粒子群算法求解机组组合问题,避免求解各时段中的经济负荷分配子问题;在粒子群算法迭代过程中应用变异操作更新进化速度缓慢的粒子,增强了算法的搜索能力;算法收敛后,采用基于优先列表的贪婪搜索机制做进一步寻优,既加快了算法收敛速度,又提高了解的质量。算例结果表明所提出的方法在求解机组组合问题时具有很强的搜索能力和适应性。     

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...