基于改进布谷鸟搜索算法的机组组合优化模型

为了获得更加理想的机组组合方案,提出一种改进布谷鸟算法的机组组合优化模型。首先建立机组组合的数学优化模型;然后采用布谷鸟算法对该数学模型进行求解,得到最优机组组合方案,同时为了解决标准布谷鸟搜索算法存在的不足,引入选择性淘汰策略和决策域策略,加快搜索速度和寻优能力;最后采用3机组和10机组组合问题对其性能进行仿真测试。仿真实验结果表明,改进布谷鸟算法具有更快的求解速度和求解准确度,获得了更优的机组组合方案。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。     

基于飞蛾扑火优化算法的电力系统最优潮流计算

飞蛾扑火优化(moth-flame optimization,MFO)算法作为一种最新提出的启发式智能优化算法,具有优良的搜索性能和鲁棒性,可用于求解复杂实际工程问题。针对电力系统最优潮流问题,提出采用MFO算法的最优化求解方案。该方案采用发电成本以及发电成本结合有功网损、节点电压偏移的加权和作为优化问题的目标函数,考虑电力系统潮流计算中复杂的约束限制,并与现有的基于其他智能优化算法的最优潮流计算结果展开对比与分析。IEEE 30节点系统仿真算例结果表明,采用MFO算法求解最优潮流问题具有收敛速度更快、搜索精度更高、鲁棒性强等优点。     

考虑节能环保的复合电源机组组合问题

在传统机组组合模型基础上,针对分布式电源和传统发电机组的特点,提出了一种含复合电源的发电成本最小的机组组合新模型,该模型考虑了各机组对环境的影响,并结合了节能调度排序原则,采用智能优化算法求解。通过成本函数的折算,将能源节约、环境保护和经济效益等复杂多目标优化问题统一映射到费用单目标空间,避免了多目标最优解选取的人为主观性。此模型在追求发电成本最小的同时,能有效地减少机组发电时污染物的排放量,减轻对环境的污染。算例仿真验证了模型及算法的有效性。     

基于改进粒子群算法的电力系统有功调度

针对电力系统有功优化调度,提出了一种改进的粒子群算法,该算法考虑了火电厂的煤耗量,污染物排放量,以及线路损耗等,通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标优化问题转化为单目标优化问题,从整体上降低电力系统的发电成本。该算法以标准粒子群算法为基础,对其参数进行了改进,并对其搜索速度加以限制。将其应用于电力系统的3机组模型,算例仿真结果表明该算法节省了收敛时间,具有收敛速度快,计算精度高的优点。     

考虑竞价风险的多目标优化发电研究

基于交易日市场电价预测曲线,采用概率统计方法对竞价风险进行评估,并在发电成本中纳入有害气体排放控制成本,以竞价风险最低化和全天发电期望利润最大化为目标,构建可体现机组出力与市场电价之间协调联动关系的机组交易日分时段出力多目标优化模型;通过将非劣排序操作与微分进化算法有机融合及改进以克服进化早熟和搜索不均匀等问题,设计出一种新型多目标微分进化算法对模型进行求解,并采用模糊集理论提取总体最优解。最后通过算例仿真,验证了本文方法能有效降低发电商对竞价风险的敏感性,可实现低风险、高收益的竞价上网。     

火电—抽水蓄能联合运营系统的效益分析及优化算法研究

火电一抽水蓄能联合运营能够显著改善系统经济性和环保性。根据实际应用中系统对于调度方案经济性和环保性的需求差异,构建了基于权重系数的火电一抽水蓄能运营系统组合模型,分析引入抽水蓄能机组对系统发电成本和排放量的影响。模型以包括燃料成本、启动成本和排放成本在内的总成本最小为目标函数,并在目标函数中设定了可调的成本权重系数。其次,提出了一种混沌算法改进的引力搜索算法,利用混沌算法进行局部搜索优化,求解火电一抽水蓄能联合运营模型。算例分析验证了模型的合理性和算法的有效性,研究结果表明,抽水蓄能机组的引入能够有效改善电能生产的经济效益和环保效益。     

基于改进PSO算法的短期发电计划研究

介绍了粒子群优化算法PSO(Panicle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0～1范围内的连续变量．与机组出力一起进行PSO优化搜索,然后再利用就近取整函数“mund”将其转换成整数变量。详细描述了应用改进PSO算法求解机组优化启停问题的具体步骤。将该方法应用于10机系统,实验结果表明该改进PSO算法用于短期发电计划是可行的。     

含风电场的电力系统多目标优化调度

针对火力发电对环境造成的严重污染问题,建立了含风电场的电力系统多目标优化调度模型。以火电机组燃料费用和污染气体排放量最低为目标,用虚拟解理论将多目标优化问题转化为单目标优化问题,以降低问题的复杂性;用动态搜索步长及动态搜索概率对布谷鸟算法改进,用改进后的算法求解所建立调度模型。仿真结果表明,改进算法在符合有功平衡约束、机组出力约束及机组爬坡约束等同样的前提条件下,具有节约发电成本,减少污染物排放,加快系统运行速度的优点。     

基于改进微分进化算法的电压稳定约束最优潮流

建立了考虑静态电压稳定性的电力系统多目标最优潮流模型,该模型以同时降低火电机组的发电成本和提高系统静态电压稳定性为优化目标函数,并采用L指标来量化系统电压稳定性.针对标准微分进化算法容易陷入局部收敛的缺点,引入基于Logistic混沌映射的子代重构技术和控制参数动态调整策略对DE算法进行改进以提高全局收敛性.IEEE 30节点系统的仿真结果验证了本文所提最优潮流策略的合理性和有效性.     

水火电力系统短期节能发电优化调度的研究

本文以提高水火电力系统联合运行的经济和环保效益为总目标,从减少化石燃料的使用量和降低燃煤机组发电成本两方面考虑,将含梯级水电站电力系统短期发电调度问题化为4个具有时序的优化子问题:即梯级水电站发电量最大、水电耗水量最小、火力发电污染物排放最小以及火力发电总成本最小。以此建立的优化调度模型不仅可以确定火电的最佳出力和水电的最佳蓄放水策略,还可描述水电和火电的互补作用,充分体现节能和效益的理念。在模型求解上,针对粒子群算法易陷入局部最优的缺点,在标准粒子群优化算法中引入自适应惯性权重和最差粒子,避免了算法的局部最优和过早收敛;针对各目标量纲不同,权重系数难以合理确定的多目标优化问题,运用满意度函数和欧式距离函数对其进行归一化处理,并采用改进粒子群算法对处理后的目标进行优化求解。算例仿真验证了所建模型的正确性及算法的有效性。     

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。     

基于二进制微分进化算法和目标函数分解的大规模机组组合求解

为了避免在机组组合求解过程中将机组启停计划和负荷经济调度两者形成内外双层嵌套求解,从而导致计算比较耗时的问题,引入启运机组的总平均燃料成本和系统旋转备用剩余量这2个可调节的子目标,将传统的机组组合模型分解成2个独立的优化目标,构建了一种基于目标函数分解的二阶段可独立求解的机组组合模型。采用一种改进的二进制微分进化算法对第一阶段的机组启停计划目标进行求解,对每个代表机组启停状态的个体编码采用机组最小启停时间约束、旋转备用约束、机组去组合等处理机制,有效保证了每个解的有效性并缩小了算法的搜索空间。根据求解得到的机组启停状态,采用半定规划法求解第二阶段的负荷经济调度目标。采用经典的测试算例验证了所提方法在大规模机组组合求解中的有效性。     

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。     

电压稳定约束下最优潮流的多目标优化与决策

电压稳定约束下的最优潮流(VSCOPF)是兼顾经济性和稳定性的多目标优化问题.VSCOPF模型将降低考虑机组阀点效应的发电费用和提高系统静态电压稳定裕度同时作为目标函数,并计及了预想事故下的安全约束.提出一种包含多目标优化和多属性决策的两阶段解法.在第1阶段,采用自适应多目标差分进化来搜索VSCOPF的Pareto前沿...     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

提高风电渗透率的电力系统多目标优化调度研究

为解决风电不确定性给电网调度带来的困难,研究含风电场的电力系统经济调度具有一定的理论和实际意义。提出了一种改进粒子群优化算法的多目标优化调度方法,以常规火电机组发电成本最小和风电消纳电量最大为目标,建立了含风电场的双目标调度模型,采用改进的多目标粒子群优化算法进行优化求解。以包头电网为实例进行了仿真计算,结果表明所提方法能够有效降低系统发电成本,提高风电消纳水平。     

粒子群算法解决纳入风电场的经济调度问题

针对传统数学方法不能很好地确定风电场的最优经济运行方案,提出应用粒子群优化算法来解决纳入风电场的经济调度问题。在优化目标函数中考虑了含有火电机组阀点效应的发电总成本,使得优化模型更趋合理,并对10台和40台机组测试系统在有、无风电机组投入情况下进行了经济调度的优化计算,仿真结果显示,采用风力发电可以明显降低电力系统的总成本。     

改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.     

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。