综合环境保护及峰谷电价的水火电短期优化调度

为了使电力市场环境中的发电侧能够实现节能环保且高收益的发电目标,对机组出力变化与分时电价波动之间的关系进行了研究,构建了一种新的水火电短期优化调度模型,该模型以实现电力市场条件下最大发电收益为目标,同时综合考虑了峰谷分时电价和环境保护成本对发电侧经济效益的影响,还考虑了梯级水电站群的蓄水量、下泄流量、机组出力等约束条件,由此得出机组的优化调度方案。针对传统优化算法难以处理高维梯级水电站优化调度多约束条件的缺陷,利用微分进化算法对此优化模型进行求解,仿真计算结果证明了该模型的合理性和算法的有效性。     

处理梯级水电站复杂约束的短期水火电系统环境经济优化调度

首先建立采用迭代费用惩罚系数的单目标水火电系统环境经济优化调度模型;其次为解决梯级水电站由于时间耦合性和空间相关性而带来的同时处理发电流量约束、库容约束和动态水量平衡约束的难题,给出约束条件的启发式处理方法,使得在满足上述复杂约束的同时,更利于最优解的搜寻。对总装机容量为2 975 MW的水火电系统(包含一个含4水电机组的梯级水电站和3个火电机组)进行仿真计算,结果不仅表明了该启发式约束条件处理方法的可行性和有效性,而且对比进化算法和差分进化算法所得结果,每天的燃料费用分别降低了4 303.96$和1 311.96$,污染气体排放量分别减少8 231.37 lb和1 522.37 lb。     

水火电力系统短期优化调度的不确定性模型

分析了电力市场中日前交易与实时交易的关系,考虑了水火电力系统的水力联系和电力联系,针对各种不确定性因素的影响,基于机会约束规划提出了一种新的水火电力系统短期优化调度的不确定性模型。允许所形成的调度方案在某些比较极端的情况下不满足约束条件,但这种情况发生的概率必须小于某一置信水平。兼顾日前交易和在此计划下可能存在的实时交易的费用,实现系统的火电机组和用以实时平衡的功率调整的费用最小化,并针对该模型给出了基于粒子群算法和蒙特卡罗仿真的求解方法。算例仿真说明了该方法的有效性。     

基于遗传算法和数据包络分析法的水火电力系统发电多目标经济调度

为充分提高水电站发电效益及达到节能降耗目的,建立了以梯级水电站发电量最大和火电机组煤耗量最小的水火电力系统短期发电多目标经济调度模型,并利用遗传算法与数据包络分析(data envelopment analysis,DEA)法求解该模型,并通过惩罚因子法将各约束条件融合到目标函数中,通过设置不同权重系数获得10种调度方案。比较不同调度方案的目标值和DEA评估值,并依据决策者喜好选取最优决策方案。算例结果验证了该方法的有效性。     

基于自适应混合差分进化算法的水火电力系统短期发电计划优化

针对水火电力系统发电计划优化问题,引入差分进化 (differential evolution,DE)算法,提出了一种自适应混合差分进化算法(adaptive hybrid differential evolution,AHDE)。该算法在计算过程中自适应调整交叉算子,保持了种群的多样性,提高了算法的全局搜索能力,克服了DE在寻优过程中容易早熟收敛的缺点。同时针对AHDE难以处理实际工程中复杂约束条件问题,提出了一种适合AHDE的约束处理方法。将AHDE应用于求解某水火电力系统的发电计划优化问题,与其他求解方法的对比表明,AHDE求解精度高、计算速度快。