改进粒子群算法的微网经济调度

作为电力系统生产和消费的一种运行组织形式,微网在电网中起着重要作用。以发电成本作为目标函数,并将发电成本按成本类型分为运行成本和环境成本,或按发电单元类型分为联产系统发电成本、燃料电池发电成本以及电网成本,由此构成两种多目标函数。建立了包含风力机、光伏阵列、基于微燃机的冷热电联产系统、燃料电池和蓄电池的微网系统,针对一具体微网,运用基于相似度权重动态调整的粒子群算法对并网下微网各微源出力和电网购电量进行优化调度,并优化出两种多目标函数下的非劣解集,最后给出了一天的各成本和收益结果,算例结果表明了所建模型和运行算法的可行性和有效性。     

基于改进粒子群算法的微网动态经济调度算法

对微网并网运行模式下的动态经济调度进行了研究,建立了优化微网内分布式电源出力的数学模型,同时考虑对主网向微网输入功率的优化。数学模型以最小化微网内总用电成本为目标,目标中将从主网中的购电成本视为用电成本的一部分,在考虑微网内功率平衡以及分布式电源出力大小和爬坡限制的约束条件下,对目标函数进行优化。解决平衡约束时,采用潮流计算的方法,将公共连接点视为潮流计算中的平衡节点,可根据网内出力和负荷平衡情况适时进行调节。求解数学模型时,采用粒子群算法,并对粒子群算法进行改进,在其中加入自适应措施,以解决非凸、高维、非线性的优化问题。典型算例验证表明,所提出的微网动态经济调度模型合理,求解算法具有很好的实用价值。     

基于改进粒子群优化算法的微电网经济调度研究

微电网经济调度是一个复杂的多约束、多目标非线性优化问题。为了实现微电网中各微电源设备的经济运行,充分发挥分布式能源的发电优势,基于改进粒子群优化算法对微电网经济调度进行研究。在研究中,提出光伏发电预测与负荷预测背景下的微电网多目标模型,考虑蓄电池使用寿命,以经济成本最低和环境成本最低为目标,利用改进粒子群优化算法进行求解。通过案例分析,确认了研究成果的有效性。     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。     

基于改进粒子群算法的微网经济负荷分配

微网是通过整合多种分布式电源、储能系统、可控负载的一种分布式的低压供电网,微网可以运行在并网和孤岛两种模式下：在并网运行时,大电网可以作为微网的重要支撑;在孤岛运行模式下,为保证重要负荷的供电,需要各微电源协调运行,从而使微网的总运行成本最小。采用改进粒子群算法对孤岛运行模式下的一个小型的微网系统算例进行研究,仿真计算结果表明了所提方法的有效性。     

基于改进粒子群算法的火电机组经济优化调度

为了提高火电机组运行的经济性,以火电机组运行成本最小为目标函数,综合考虑火电机组运行过程中的 各项约束,利用收缩因子对粒子群算法进行改进,建立基于改进粒子群算法的火电机组经济优化调度模型,并采用 IEEE30节点系统进行算例分析,结果表明采用IPSO算法优化的火电机组最小运行成本为24.13万元,IPSO算法在 迭代次数和收敛精度上均优于PSO算法,验证了模型的正确性和实用性.     

基于改进粒子群算法的微网优化运行

微网作为分布式电源并网的一种有效途径,其优化运行成为研究的重要课题之一。在多方利益的权衡下,考虑了经济成本、环境成本、网损和节点电压偏差等多个运行指标对微网的优化运行进行建模;引入精英反向学习策略和最劣粒子排斥法对粒子群算法(particleswarmoptimization,PSO)进行改进,并将其用来解决多目标多约束的微网优化运行问题,在搜索过程中对当前最优粒子进行混沌扰动,以加强局部探索能力,提高粒子跳出局部最优解的能力。在相同的条件下,分别用改进前后的算法求解所建立的微网优化运行模型,优化结果验证了改进后算法的优越性。     

基于改进粒子群算法对混合微网电源容量的优化

通过在全寿命周期成本经济性模型引入微源选择的影响因素,并改进了结合模拟退火算法的粒子群算法,对多电源混合微网各微源容量进行最优配置.仿真计算结果表明,本文提出的经济性等值模型很好地实现了微电源的优化配置,改进的模拟退火-粒子群算法有较好的收敛率.     

基于粒子群算法的主动配电网经济优化调度

针对分布式能源接入配电网的经济调度问题,本文在考虑光伏、风能、燃气轮机及蓄电池等分布式能源接入配电网的基础上,建立以配电网总成本最小为目标函数的主动配电网的经济优化调度模型,并将粒子群算法用于该调度问题的求解,最后通过算例仿真验证调度的优化性,大大提高了电网经济效益。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

基于带辅助搜索空间的改进二进制粒子群算法的微网经济负荷分配研究

研究了包括光伏电池、风机、微型燃气轮机、柴油发电机、燃料电池在内的微网的发电特性,考虑电压越限、功率平衡、微电源出力限制等约束条件,建立了以发电经济成本最小、环境成本最小的多目标微网经济负荷分配模型。针对二进制粒子群算法易"早熟"、容易陷入局部最优解的缺点,构造辅助搜索空间,改进二进制粒子群算法来求解该复杂非线性优化问题。对孤岛运行模式下的一个小型的含多种微电源的微网系统算例进行研究,仿真结果验证了模型的正确性和算法的有效性。     

基于粒子群算法的电力系统经济负荷分配研究

电力系统经济负荷分配,是指在满足电力系统或发电机组运行约束条件的基础上,在各台机组间合理地分配负荷以达到最小化发电成本的目的,是经济调度中非常重要的问题。粒子群算法是一种源于对鸟群捕食的行为研究的进化计算技术,具有全局优化能力强、收敛性好和编程实现简单等优点。将粒子群算法应用于电力系统经济负荷分配问题的研究中,通过对实际算例进行仿真测试,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传统优化算法所求得的解。     

基于自适应粒子群算法的负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了综合考虑系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型,该模型能对系统进行整体节能优化.引入了自适应权重和因子的概念,采用了一种用于多目标负荷最优分配的自适应粒子群算法,并对IEEE 57节点系统进行了仿真计算.结果表明,该方法能降低系统网损和减少机组煤耗,从而有效地节约能源,同时满足系统的安全约束.     

基于自调节粒子群算法的电力系统经济负荷分配

带阀点效应的经济负荷分配问题具有不连续、不可导、非凸、非线性的目标函数,同时还受到电力平衡和运行约束的制约,很难应用经典数学算法求解。针对忽略网损的经济负荷分配问题,文章提出了一种自调节粒子群算法,通过可行化调整机制保证解的可行性,同时采用自适应变异算子提高解的多样性,防止算法早熟收敛,提高算法的寻优速度。为验证算法的有效性,文中对多个经济负荷分配问题进行了测试,与其它智能算法的比较结果证明该算法可以有效找到可行解,避免陷入局部最优,能实现问题的快速求解。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

电力系统经济负荷分配的混沌粒子群优化算法

提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。