基于改进布谷鸟算法的火电厂机组组合优化

电力系统机组组合是一个多维,复杂的整数规划问题,利用传统方法较难求解。在通过研究布谷鸟搜索(cuckoo search)算法的基本原理,分析布谷鸟算法的优缺点基础上,结合粒子群算法,提出一种改进的布谷鸟搜索算法。通过在10机组系统中进行验证,结果表明,算法比粒子群算法、标准布谷鸟算法更好。改进的布谷鸟搜索算法同样也在收敛速度等更具有优势。     

基于布谷鸟搜索算法的火力发电厂机组调峰运行优化方法

常规的火力发电厂机组调峰运行方法主要使用自动/非自动调峰控制机组调整调度时间级,容易受调节容量 影响,导致最终的深度调峰负荷过高,因此基于布谷鸟搜索算法设计一种全新的火力发电厂机组调峰运行优化方法. 以火力发电厂的热系统为基础,设置测定功率点,分析机组的运行能耗特性,再使用布谷鸟搜索算法生成优化调峰模 型,得出有效的调峰负荷,从而完成机组调峰运行.实例分析结果表明,设计的火力发电厂机组布谷鸟搜索调峰运行 优化方法在不同采样点下的深度调峰负荷均较低,具有节能性,有一定的应用价值,为提高火力发电厂机组经济性做 出了一定的贡献.     

基于改进麻雀搜索算法的受端电网机组组合模型

随着特高压交直流与新能源发电的发展，受端电网由纯交流电网逐步发展为大规模新能源发电并入的交直流混联电网，给受端电网的运行特性带来很大的影响。针对受端电网运行特性的改变，提出一种同时考虑直流输电馈入和大规模新能源接入的适用于新型受端电网的随机机组组合模型。该模型考虑接入受端电网直流的影响以及新能源出力的不确定性，采用新兴的麻雀搜索算法进行模型求解，并同时采用权重提高麻雀搜索算法的求解搜索能力。在直流馈入和新能源接入后的10机39节点的新型受端电网算例进行仿真计算，结果验证所提机组组合模型以及改进麻雀搜索算法的正确性和有效性。     

基于布谷鸟搜索算法的分布式电源接入优化

配电网中分布式电源的比重逐渐增大,而分布式电源的优化配置是一个复杂、非连续性、非凸、非线性优化问题。对此提出一种布谷鸟搜索算法(CS),利用其较强的全局搜索能力,在分布式电源的个数、位置和容量均不确定情况下,对分布式电源进行优化配置。在分布式电源接入容量受渗透率约束的情况下,建立考虑建设费用、损耗费用及购电费用在内的经济效益模型,并将节点电压偏差作为罚函数加入优化模型,保证在稳定运行的基础上达到效益最大化。最后,将所提出的布谷鸟搜索算法与粒子群算法(PSO)进行比较,说明采用布谷鸟算法的优越性。     

求解机组组合问题的改进模式搜索算法

针对传统的模式搜索法（general pattern search filter algorithm,GPS—Filter）效率低的问题,提出一种改进的广义模式搜索一过滤器算法（improved general pattem search filter algorithm,IGPS—Filter）来求解机组组合（unit commitment problems,uo问题,该算法能在求解过程中直接处理离散变量,有效地求解0．1混合变量的规划问题。首先使IGPS—Filter算法融合UC问题的特点,预先确定大部分机组的开停状态,只对少量机组进行“1-邻域”搜索;其次,结合线搜索和域搜索对连续域变量进行求解,充分利用线搜索的快速性及域搜索处理病态问题的有效性,既提高运算效率又提高解的质量。最后,采用10-100机组24时段和IEEE-118节点54机24时段系统进行仿真,验证了方法的有效性。     

基于主成分布谷鸟搜索算法的WSN覆盖优化

覆盖控制是很多无线传感器网络应用中基础且关键的问题。针对传感器节点部署的高维优化问题和覆盖区域的复杂性,提出了一种基于主成分布谷鸟搜索算法的无线传感器网络覆盖优化方法。该算法在标准布谷鸟算法（Cuckoo Search,CS）的基础上,加入主成分分析法,减少了布谷鸟个体位置信息之间的相关性,提升了算法的全局搜索能力。仿真实验表明：当贡献率大于0.5时,主成分布谷鸟搜索算法不仅在6个基准测试函数上的性能优于标准CS算法,而且能有效提高无线传感器网络中节点的覆盖范围。     

基于模式搜索算法的电力系统机组组合问题

机组组合问题是一个复杂的大型混合整数非线性规划问题,目前尚未找到理想的解决方法。本文提出一种用于混合变量的模式搜索方法(GPSMV)解决机组组合问题。该方法能求解非凸、非线性、不可微甚至不连续的规划问题,理论上能保证全局收敛于稳定的解,其仅需要求目标函数及由约束条件构成的障碍函数值而不需要对目标函数和约束条件求导。在优化过程中离散变量作为独立的变量,而不是把原问题分成离散和连续两层来处理,适合于求解离散和连续的混合变量问题。最后对10～100机,26机24时段等六个系统进行仿真试验验证该算法。     

基于布谷鸟搜索算法的微网多目标优化运行研究

微网能有效地接入包括可再生能源发电在内的各类分布式新能源,而可再生能源发电的输出功率具有不确定性,给微网的经济、可靠和安全运行带来了挑战。蓄电池作为储能装置是保证微网系统安全可靠运行的重要组成部分。研究了含风力发电、光伏发电和蓄电池的微网的特性,考虑了微网发电费用、排污罚款、供电可靠性和网络损耗,建立了多目标微网优化运行模型。采用多目标的布谷鸟搜索算法来求解该复杂非线性优化问题,微网算例的仿真结果验证了模型的正确性和算法的有效性。     

放松管制环境下基于改进布谷鸟搜索算法的DGO与DNO效益均衡模型

近年来,分布式发电以其节能、环保等特点发展快速。然而在分布式发电接入配电网的过程中,会对配电网运营商（distribution network operators,DNO）的利益造成影响,从而阻碍两者的协调发展。为了兼顾配电网运营商与分布式发电商（distributed generation owners,DGO）的利益,研究了分布式发电投资及配电网建设规划的联合优化问题。在构建目标函数过程中引入利润分配系数从而达到双赢目的,同时需要满足配电网安全稳定运营及减排目标约束。对于模型中存在的不确定性因素使用两点估计法进行确定,使用改进的布谷鸟搜索算法求解所建模型。最后以IEEE33节点配电系统为例,通过不同情境之间的对比分析验证了所提出方法的有效性和可行性。     

基于改进布谷鸟算法的电力系统优化调度

本文绍了布谷鸟算法的原理,对传统布谷鸟算法进行了改进,建立多目标优化调度的数学模型,基于改进算法对模型进行一定程度的优化,通过分析证明,改进过后的算法的计算精度更高,同时能有效提高全局收敛性以及保证Pareto非劣解的多样性。     

基于模糊控制算法和布谷鸟搜索算法的混合储能系统优化配置

正重点研究将混合储能系统应用于平滑可再生能源系统输出波动场景下的优化配置问题。首先,建立可再生能源输出波动的平滑目标并选取Savitzky-Golay滤波算法以平抑多种新能源的出力。继而,分析功率型储能和能量型储能各自的特点,论证混合储能的互补性。然后,建立混合     

基于改进布谷鸟搜索算法的含光伏发电配电网无功电压控制

将配电网无功优化与逆变器的电压控制相结合,基于改进的布谷鸟搜索(cuckoo search,CS)算法,提出了既能降低网损又能提高电能质量的含光伏发电(photovoltaic power generation,PV)配电网无功电压控制方法。分析了PV并网对配电网电压的影响;考虑PV逆变器的无功输出能力,基于以网损最小为目标的无功优化,求取节点电压最优分布,对PV逆变器实施电压控制;受粒子群算法群体信息共享和个体经验总结思想的启发,改进了基本CS算法,使全局收敛能力更强。以修改的IEEE33节点系统为算例,并在PSCAD上仿真,结果表明,在不增加额外投资条件下,该无功电压控制方法降低了网损,提高了电能质量。     

改进布谷鸟搜索算法在电力系统优化潮流中的应用

针对优化潮流的特点以及布谷鸟搜索算法收敛速度慢和缺乏活力等问题,从动态参数和步长方程两个方面进行改进,提出了改进的布谷鸟搜索算法来解决优化潮流问题。该算法把原来是常数的两个参数改进为动态变化的参数,随着迭代次数的增加,发现概率和步长因子两个参数按一定的规律递减,使算法在初期能增加种群的多样性,后期能更好地微调以找到最优解;同时,提出了一个具有最优解导向的搜索步长方程以提高算法的局部搜索能力和收敛速度。用改进的布谷鸟算法计算IEEE30系统的优化潮流,仿真结果表明该算法能够有效地提高收敛速度和计算精度。     

基于可中断负荷的机组组合优化调度模型

机组组合是制定日前调度计划的重要内容,主要是确定机组的有功出力和启停状态。在智能电网大力建设背景下,需求响应成为重要的互动资源,本文综合考虑电源侧与负荷侧的特点,比较不同需求响应手段的使用范围,选取可中断负荷并将其作为一种虚拟的发电资源,融入到机组组合中,建立优化调度模型。算例结果表明,所建模型有效降低了系统运行成本,减少效率差的小型机组的频繁启停,同时用户还获得收益,说明考虑可中断负荷的机组组合优化调度模型有利于电力系统的可靠经济运行。     

基于布谷鸟搜索算法的变电站选址方法研究

传统变电站选址算法通常搜索时间长,且搜索质量不高。布谷鸟算法(CS)可有效克服传统算法中的"早熟"现象,有更高的全局寻优能力和搜索率。将该算法引入变电站选址模型,在模型中加入地理信息惩罚因子,应用布谷鸟搜索算法进行求解,用实际算例进行有惩罚因子和无惩罚因子模型的对比,证明加入地理信息因素可使变电站选址结果更加切合实际。     

基于交叉随机粒子群优化算法的机组组合优化模型

针对机组运行时故障的不确定性,利用威布尔失效概率函数来详细描述机组的故障概率,并以此为基础提出了兼顾机组故障率的机组组合优化模型。根据所建模型的特点,提出了带有随机权重和带有异步变化学习因子的粒子群算法,将机组组合问题划分为离散量和连续量两部分,通过在机组编码矩阵中进行交叉计算来解决机组组合问题。以5台机组24 h的机组组合优化问题为例进行计算,验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。     

基于改进的逆序排序法的机组组合优化算法

文章提出了改进的逆序排序法来求解机组组合优化问题.该算法从可用机组全投入运行这一可行解出发,在每次迭代过程中优化一台机组在整个调度周期内的开停状况,以最小化总生产成本或总购电成本,直到连续两次迭代的目标函数值不再减小为止.该方法的显著优点在于计算不会振荡,迭代不会发散,且每次迭代的结果均为可行解.该算法在单机组优化过程中,以机组的最小启停区间而不是单个时段为研究调度对象,缓解了组合爆炸问题,明显地加快了计算速度.     

基于布谷鸟搜索算法优化支持向量机的输电线路覆冰预测

为了提高输电线路覆冰预测精度,采用主成分分析确定输电线路覆冰的关键影响因子为温度、湿度和风速,以此作为覆冰预测模型的输入量。采用布谷鸟算法对支持向量机的惩罚因子和核参数进行优化,建立基于CS-SVM的输电线路覆冰厚度预测模型。采用实际运行线路的覆冰数据进行仿真分析,结果表明,基于CS-SVM的输电线路覆冰厚度预测模型的平均相对误差、均方根误差和全局最大误差分别为5.254%、0.952%、5.827%,均小于其他几种常用覆冰预测模型,验证了模型的正确性和有效性。