可控储热负荷参与电网调峰的系统特性与经济性研究

为解决当前可再生能源装机量大但出力相对较小及电力系统调峰能力低下的问题,通过新兴的固态电制热储热技术,充分挖掘电力系统用户侧的潜力。以系统消纳的风电量最多及用户侧运行的经济性最优为目标,建立了含电力需求侧响应的用户侧配置固态电制热储热设备的系统模型。采用改进多目标粒子群算法对模型进行优化求解,针对电力系统的源侧、网侧、荷侧,对比不同运行方式下的风电消纳能力、负荷曲线峰谷差及经济成本。仿真结果表明,在电力需求侧响应的基础上用户侧配置固态电制热储热设备,可以大大提高系统的风电消纳能力及调峰水平,并具有一定的经济价值。     

空间耦合粒子群优化算法及峰谷电价下IES-CCHP区域联合调度

综合能源系统中电力、天然气和热力系统之间的交互影响具有一定的相关性。考虑能源间转换关系以及系统对分时电价的响应,以最小化购售电计划交易成本、燃料成本和排放污染气体所产生的环境成本为目标,建立峰谷电价下冷热电联供(CCHP)系统区域联合环保经济调度模型。为解决粒子群优化算法求解模型时存在的优化效率低、易陷入局部最优、计算结果随机性强等问题,提出一种空间耦合粒子群优化算法。在粒子寻优多维参数空间上,通过引入耦合协调数学模型将各维参数有效耦合,从而使所有参数从总体上同时趋向最优解。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间耦合粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果;所提CCHP系统的联合调度模型能有效促进能源的高效利用、电力的经济调度和节能减排。     

空间耦合粒子群优化算法及峰谷电价下IES-CCHP区域联合调度

综合能源系统中电力、天然气和热力系统之间的交互影响具有一定的相关性。考虑能源间转换关系以及系统对分时电价的响应,以最小化购售电计划交易成本、燃料成本和排放污染气体所产生的环境成本为目标,建立峰谷电价下冷热电联供(CCHP)系统区域联合环保经济调度模型。为解决粒子群优化算法求解模型时存在的优化效率低、易陷入局部最优、计算结果随机性强等问题,提出一种空间耦合粒子群优化算法。在粒子寻优多维参数空间上,通过引入耦合协调数学模型将各维参数有效耦合,从而使所有参数从总体上同时趋向最优解。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间耦合粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果; 所提CCHP系统的联合调度模型能有效促进能源的高效利用、电力的经济调度和节能减排。     

基于粒子群算法的区域综合能源系统规划及运行优化

针对现有综合能源系统规划中存在的规划技术单一、资源类型设置少等问题,通过构建区域综合能源系统规划和运行优化模型,建立了规划和运行两阶段优化模式,并采用粒子群算法对综合能源系统进行优化,求得系统设备的最优配置方式。仿真分析结果表明,与采用传统规划配置方式的供能系统相比,本文构建的区域综合能源系统年总运营成本最低、经济性最好。     

以区域能效优化为目标计及不确定因素的分布式能源综合优化配置

分布式能源的大规模应用,可以有效缓解化石能源引起的环境污染和能源危机。针对如何确定分布式能源位置和容量的问题,建立了考虑不确定因素影响的分布式能源综合优化配置模型。模型以规划期内总成本最小为目标,以系统安全运行要求为约束,考虑区域能效优化、低碳目标及分布式能源的建设成本、运行成本和维护成本,并以机会约束规划解决风机、光伏等出力的不确定性及负荷的波动性问题。在确定目标函数的基础上,采用基于蒙特卡洛模拟嵌入量子粒子群算法来求解该NP难问题,较粒子群算法在搜索效率和搜索能力上均有较大提升。通过对IEEE 37-bus配电系统的分析,表明所建模型能够较好地解决不同资源水平、经济发展程度地区分布式能源的选址与定容问题。     

基于改进小生境PSO算法的综合能源系统调度

以减少综合能源系统运行成本、提高可再生能源利用率为目的,在调度目标中考虑可再生能源消纳程度,构建了满足电热冷负荷的综合能源系统模型。针对传统粒子群优化算法PSO(particle swarm optimization)易陷入局部最优的问题,将小生境技术与粒子群算法结合并提出一种非线性递减惯性权重策略,利用改进的小生境粒子群优化算法对构建的综合能源系统模型求解,结果表明改进后的算法具有更好的寻优能力,所提模型在兼顾经济性的同时提高了系统对可再生能源的消纳能力。     

基于小生境优化的变权重粒子群算法在PMU优化配置中的应用

针对相量测量单元优化配置问题展开研究,提出了一种基于小生境优化的变权重粒子群算法来解决该问题.所提算法以离散粒子群算法为基础,通过基于共事函数的小生境技术优化初始粒子群,改进权重系数的取值函数来提高算法的收敛效果,最后进行冗余度比较得出最优方案.该算法与常用算法相比,提高了计算的收敛速度和全局性,实现了算法多峰性,可通过分析问题模型有效得出相量测量单元(PMU)优化配置方案.并通过IEEE 14母线系统和新英格兰39母线系统仿真实例验证了所提方法的有效性.     

基于模式切换的固态变压器多直流电压平衡控制方法

能源互联网通过固态变压器整合分布式可再生能源,但是容易出现不同H桥模块间电压失衡、直流变换效率低以及能耗高的问题。因此,研究基于模式切换的固态变压器多直流电压平衡控制方法,分析固态变压器中的负责能量传递的双移相桥隔离型双向直流变换器损耗分布情况,为直流变换器效率优化提供分析依据,通过移相控制模式和梯形电流控制模式间的合理切换控制,提高直流变换器效率,实现固态变压器中双向直流变换器全功率范围内的损耗最佳控制,在此基础上,通过单相任意单元数级联H桥固态变压器的SVPWM算法,解决变压器的模块级联H桥型固态变压器出现不同H桥模块间的均压问题,实现变压器多直流电压的平衡控制。结果表明,该方法对固态变压器多直流电压平衡后,使得变压器电网电流谐波小,固态变压器AC／DC的3H桥电容电压达到了平衡状态,固态变压器直流母线端口电压以及低压直流端口电压稳定,达到平衡状态。     

基于动态多种群粒子群算法的低压配电网电压无功优化

粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。     

基于改进PSO—BP算法的变压器故障诊断

提出一种利用改进粒子群算法和反向传播算法相结合的混合算法训练神经网络进行电力变压器故障诊断的方法.在改进的粒子群算法中考虑了邻居粒子中最优粒子信息,修正个体行动策略,增强粒子群的社会学习功能,保证全局搜索的有效性;引入随机粒子群机制,利用粒子群进化过程中的种群变异机制提高算法的寻优性能.变压器故障实例仿真和分析表明,该算法在收敛速度、计算精度和平均收敛性能方面都有较大改进,可有效诊断电力变压器故障.     

基于改进神经网络算法的互感器在线监测系统关键技术研究

随着电网中电子式互感器广泛使用,互感器故障已成为亟待解决的问题。针对这一问题,本文设计了一种电子式互感器在线监测系统,对系统的组成和核心单元进行设计,结合BP神经网络和粒子群算法一起用于电子式互感器的故障诊断。并通过算例分析改进神经网络算法和BP神经网络算法的性能,结果表明,使用的诊断方法是有效和可行的。所做研究工作为我国互感器线监测系统的发展提供了参考和借鉴。     

基于复合粒子群算法的微电网能量管理策略

微网中的部分分布式能源的功率输出具备一定的随机和性间歇性,很大程度上影响了系统的供电稳定性和可靠性,因此,有效的对微网系统进行能量管理显得至关重要。以往的研究中,多采用优化算法在解决能量管理等问题,但其存在着陷入局部最优解等问题,为有效的解决上述问题,本文引入一种复合粒子群优化算法,综合考虑了微网运行过程的经济性、环保特性以及运行可靠性等要求,建立了微电网能量管理多目标优化数学模型,优化目标是运行成本及环境治理的费用最小。在满足功率平衡、分布式电源输出功率等约束条件下,对模型进行了求解,同时,预测系统内负荷需求的变化情况来确定微网的能量管理策略。通过仿真算例的分析验证改进算法的有效性。     

基于鲸鱼优化算法的无功优化调度

针对目前电力系统中的无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,本文将一种新的启发式算法--鲸鱼优化算法(WOA)运用到电网无功优化调度中,以系统有功功率损耗最低为目标函数,通过引入惩罚函数建立无功优化模型,对IEEE-14节点系统与IEEE-30节点系统进行仿真,并利用单因素方差分析法(One-way ANOVA)将所得结果与之前的粒子群优化算法(PSO)及引入加速度系数的时变粒子群优化(PSO-TVAC)进行比较,研究表明WOA算法在迭代次数、搜索能力及收敛问题上的潜力,并证明了在解决电力系统无功优化问题上的鲁棒性和有效性,同时也为解决非线性约束问题提供了新途径。     

基于需求响应的建筑楼宇综合能源系统优化调度

针对能耗高且增速快的建筑楼宇优化调度问题,构建了含光伏发电、冷热电联供系统、燃气锅炉和储能装置的建筑级综合能源系统。在对系统内各个能源设备进行建模分析的基础上,考虑需求响应补偿价,以建筑运行成本最低为目标函数,建立了基于需求响应的建筑级综合能源系统优化调度模型,采用基于云模型改进的粒子群算法对模型优化求解。引入算例进行仿真,对比是否参与需求响应的两种不同模式,以及云模型粒子群算法与基本粒子群算法的优化性能。结果表明,基于需求响应的云模型粒子群算法模式可有效节约建筑级综合能源系统运行成本,同时降低电网侧负荷峰谷差。     

基于混沌优化粒子群BP神经网络的电力变压器故障诊断

针对电力变压器故障诊断问题,提出了一种基于混沌(Chaos)优化的粒子群(Particle Swarm Optimization)BP神经网络算法。该算法将混沌、粒子群和BP神经网络相结合,通过混沌粒子群算法寻优,得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。利用了混沌算法的遍历性和对初始值敏感的特点,对粒子群算法进行了参数优化,引入了早熟判断机制,并在早熟状态时进行了混沌扰动,使算法后期不易陷入局部最优。通过实例训练与测试表明,CPSO-BP神经网络算法在变压器故障诊断方面有较好的效果。     

基于多通道迭代粒子群优化算法的微网经济调度

针对微网并网和计划孤岛运行方式下的经济调度问题,考虑分时电价差异及与主网能量交易,以最小化发电成本为目标,在由风电机组、光伏电池、燃气轮机和蓄电池组成的可再生能源的微网系统基础上建立了2种经济运行模型,同时通过对粒子群算法做出改进,提出了一种适用于多时段动态优化的多通道迭代粒子群优化算法并将其用于该文调度问题的求解,最后通过算例仿真证明改进算法的可行有效。     

基于改进鱼群算法和支持向量机的变压器故障诊断

电力变压器在整个体系中处于十分重要的地位,部件的运行概况和整个电网的稳定性具有密切联系。对电力变压器的故障诊断,工程实践中广泛采用的是油中溶解气体法,由于变压器故障样本比较少,属于小样本数据,而支持向量机能够较好地解决小样本的多分类问题,因此提出利用改进鱼群算法对支持向量机寻优得到全局最优解,得到具有最佳参数的支持向量机模型。通过数据实例分析得出,改进鱼群算法故障诊断模型比粒子群算法故障诊断模型和改良三比值法分类准确率高。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

基于布谷鸟算法和支持向量机的变压器故障诊断

电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。     

基于改进量子粒子群优化模糊聚类的变压器故障诊断方法

对电力变压器进行高效准确的故障诊断可有效保障电力系统安全、稳定运行。为提高变压器故障诊断正确率,提出了一种基于改进量子粒子群优化模糊聚类的变压器故障诊断方法。采用遗传算法杂交概率的思想改进量子粒子群算法提高算法收敛速度、防止陷入局部极值,克服模糊聚类算法易受初始值影响的不足,进而实现对变压器高效、准确的故障诊断。以变压器油中典型气体作为故障特征量,选取68组数据建立故障集,采用改进量子粒子群算法寻找最佳初始聚类中心,并将其应用于3种不同数据组进行验证,实验结果表明文中所提方法的有效性。