利用粒子群算法解决电网优化购入电量

利用粒子群算法对购电优化问题进行了研究,建立了考虑供求约束、发电能力约束和输电容量约束的电网优化购入电量模型。按价格最低原则预先确定供电商,运用粒子群算法解决了当约束中出现非连续变量的问题。提供了一种解决电网优化购入电量问题的方法,节约了购电成本。     

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。     

电力市场条件下地市级电网优化购电模型

为了通过优化购入地方发电厂的电量来降低购电成本,提出了一种新的购电优化数学模型。该模型以从多个地方发电厂购入电量总成本最小化为目标,以供求平衡、发电厂最大出力、输电线路最大传输容量限制、变电站主变压器最大承受能力以及网损等因素为约束条件。该模型已应用于福建省某地区电网的实际购电过程中,实际算例分析验证了该模型的正确性和可行性。     

电网企业代理购电风险及其策略优化研究

为进一步推动电力市场化改革,未入市工商业用户由电网企业代理参与电力交易;然而,代理购电用户用电随机性强,在常规中长期交易中易产生较大偏差电量。对此,借鉴售电公司的中长期与现货市场协同交易模式,分析电网企业代理购电与之在决策目标和决策组成方面的差异,并建立代理购电业务的风险体系;在此基础上,提出计及代理购电特性的风险评估指标,以该项指标为目标函数,建立代理购电决策的优化模型,设计改进粒子群算法实现月度市场与日前市场购电量的快速有效分配。根据某区域工商业用户数据验证所提模型的有效性,仿真结果表明,模型通过计及代理购电特有的剩余电量可显著降低条件风险价值,且改进粒子群算法将计算时间缩短近20%。     

考虑风电的省级电网多类市场购电风险研究

电力市场环境下,风电和负荷的不确定性给省级电网的购电决策造成了重大的影响。考虑负荷电量、风电购电量和日前现货市场电价的不确定性,以期望购电成本最小和遭受损失的风险最小为目标,建立期望购电成本-损失风险模型。采用CVa R度量损失的风险,并通过多目标粒子群优化算法和模糊集理论求得最优折中解。通过算例计算,分析了风电对省级电网的购电成本、损失风险和各市场购电量分配的影响,以及风电电价对省级电网购电的影响;表明了该模型的可行性,为省级电网购电决策提供了参考,实现了期望购电成本和风险的最小化。     

利用拉格朗日松驰法解决电网优化购入电量

本文利用拉格朗日松驰法对电网优化购入电量问题进行了研究，灵活而有效地解决了当约束中出现非连续变量时用一般方法难以解决的问题，为电力市场中电网优化购入电量问题的解决提供了一种新的研究思路。     

结合免疫粒子群算法的水火电机组组合优化研究

正结合现有文献成果,以电网中一天24个时段购电成本最小建立数学模型。针对粒子群算法本身存在的缺陷,将免疫算法与粒子群算法相结合,提出了改进的免疫粒子群算法。提高了系统抵抗干扰的能力,增强了火电系统中水电的优化配置问题。     

一种基于购电全局最优的实用调度计划方法

提出了在厂网分开的电力市场条件下电网采购电力电量的4种类型,并给出了一种基于全局最优的实用调度计划方法,即对电网购电电量用K-T算法进行优化求解,得到4种类型的购电电量,再用系数法求得[0,T]时段4种类型的购电计划曲线,同时提出了保证实施购电计划严肃性的操作方法.     

计及风-光-蓄多电场竞价的电动汽车购电策略研究

大电网供电以火力发电为主,未来大规模电动汽车从大电网购电不能满足电动汽车低碳出行的理念,且充电费用昂贵。为了有效地解决这一问题,提出了一种风-光-蓄多电场参与日前市场竞价,通过与国网公司签订过网合约对电动汽车进行供电的电动汽车购电新策略。首先,针对充电方式不同的电动汽车进行负荷建模;而后,以电动汽车用户购电成本最小为目标建立购电策略优化数学模型,通过含有随机变异粒子的改进粒子群算法得到最终的购电策略。仿真结果表明,与传统模式和非竞价模式的购电策略相比,利用所提购电策略,各充电类型的电动汽车用户购电成本均有所降低,有助于推动清洁能源电场和电动汽车的发展。     

电力市场条件下地区电网日购电优化模型与算法研究

在目前厂网分开的电力市场环境下,许多地方小电厂还不具备参与到省级电力市场上竞争的能力,它们一般由所在地区的供电公司进行统一调度。建立了地区电网日购电优化的数学模型,该模型的目标函数为总购电费用最小,约束条件包括电量平衡约束、地区电网供需平衡约束、各电厂出力特性约束和线路安全约束,另外还考虑了不同地点的电源点向系统传输功率而各自产生的网损对总购电费的影响。同时,还提出了具有快速收敛和高计算精度的改进混沌遗传算法,并将其应用于购电优化计算中。最后,将所提出的购电模型与算法应用于某地区的日购电优化中,计算结果表明,在考虑网损时的购电费用相对于其他方法可节省约1.9%。