预挂牌月平衡机制下机组偏差电量月内滚动调度方法

针对我国当前中长期电量交易中的机组合约电量执行偏差,部分省份采用预挂牌月偏差平衡机制作为解决手段,但是该偏差平衡机制对调度工作提出了更高的要求,传统的调度方法难以与之适应,尤其在高比例水电地区,还缺少与之相适应的、定量有效的调度方法。由此提出预挂牌月偏差平衡机制下水火风电系统偏差电量月内滚动月度调度方法。提出考虑机组合约完成进度公平性的机组月度电量分解模型,并以分解后的日计划电量为基础,建立以节能降耗和偏差平衡成本最低为双目标的水火风电系统日前调度模型以及日内调度模型,通过日偏差电量月内滚动的方法实现机组月度合约电量偏差平衡成本最小。算例仿真表明所提调度模型及方法可以有效减少机组月度合约电量偏差,降低机组偏差平衡成本并兼顾节能环保要求。     

基于内点法的机组组合模型

将传统的机组组合模型划分为离散和连续两部分,在离散和连续空间中交替求解,用非常小的解邻域空间代替原来庞大复杂甚至难以求解的离散解空间。在求解连续变量过程中,充分利用了内点法收敛性好、精度高的优点,并采用降维整编技术进一步提高计算速度。文中对10~ 500台机组24个时段共8个算例进行了仿真测试,结果表明,100台机组的计算时间仅为4 s,可见该方法收敛速度快,适合大规模机组的实际应用。     

基于遗传算法的机组组合研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究，实现了采用不同采样空间，不同选择策略，不同适值函数和不同交叉率／变异率的遗传算法和机组组合计算程序，并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性，另外，遗传算法的不同实现技术对收敛时间，收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术，为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。     

基于内点半定规划的机组组合问题

提出一种基于内点半定规划(semidefinite program- ming, SDP)直接求解机组组合(unit commitment, UC)问题的新方法。通过引入辅助变量,该方法将原整数变量约束转化为凸二次约束,进而将UC问题转化为半定规划问题,并用现代内点法进行求解。针对计算结果中整数变量存在微小偏差的问题,采用启发式技术进行修正。100机24时段等6个系统的仿真结果表明,所提方法能有效处理机组爬坡约束,具有较快的计算时间,适合于求解大规模的UC问题,是一种有应用前景的方法。     

基于“三公”调度的年度滚动发电计划与机组组合优化模型

“三公”调度是我国目前普遍采用的调度模式。负荷预测及水电计划是火电发电计划编制的基础,一般具有时间越近、精度越高的特点,实际应用中一般通过滚动预测及修正以提高发电计划的可用性。基于“三公”调度提出了年度滚动发电计划与机组组合优化模型,在优先保障“三公”调度目标的同时,优化机组的启停计划,提高火电机组的平均负荷率,并减少机组启停次数,以提高电网运行的经济性。所提模型为混合整数线性规划问题,能够采用CPLEX等商业软件求解。广西电网的仿真分析验证了所提模型的正确性及有效性。     

基于机组组合的风电消纳能力研究

电力系统消纳风电能力的准确掌握,对于风电场建设规划以及辅助实际运行的调度决策意义重大。风电消纳的效率分析给电网高效利用风电提供了理论支持,风电消纳效率主要是用来衡量扣除电网消纳风力发电的成本后,风电对于电网净减排的贡献率。本文以目前我国的电源结构作为切入点,采用机组组合的生产模拟方法,从成本上分析了电网消纳风电的费用构成。基于二次规划模型,从理论上推导出了电网消纳风电效率与系统运行方式、机组参数和电网消纳风能比例等因素有关。最后通过实验仿真验证了理论的有效性和实用性。     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难.粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大.该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快.方法的可行性在10台机组系统中检验.模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点.     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

考虑时变备用需求的含大规模风电电力系统机组组合滚动优化

风电的波动性及难以预测的特性给电力系统安全、经济调度带来了困难.含风电电力系统机组组合需安排火电预留足够的旋转备用容量,以减小风电波动和预测误差对电力系统的影响.本文针对风电预测误差的强时变特性,提出考虑时变备用需求的含大规模风电电力系统机组组合滚动优化模型,该模型充分考虑风电预测误差的时变特性,优化系统机组组合滚动运行方案.算例分析证明了本文模型的有效性和可行性,分析表明本文模型能够满足系统时变备用需求,保证系统不同时间尺度的运行安全性和经济性.     

基于自适应系统优化算法的机组组合

算法采用系统分解理论将系统约束松弛,把机组组合问题分解为2层优化问题.上层通过拉格朗日乘子的自适应调整来协调单个机组的子系统,下层采用遗传算法求解单个机组独立的子系统优化问题.对拉格朗日乘子的自适应调整明显减少了对偶间隙的振荡现象,对遗传算法中交叉变异算子自适应的调整有效地克服了早熟现象.算例表明可行解的质量高、收敛速度快,与传统算法相比具有更高的自适应性,适用于大规模、复杂系统的机组组合问题的求解.     

应用MAS解决基于利润的机组组合问题研究

电力系统引入放松管制的市场运行机制之后,形成一种基于利润的机组组合问题:①优化目标从费用最小转为利润最大;②各发电公司从自身利益出发,可以不完全满足中心调度的要求。针对以上特点,提出一种基于多Agent系统的解决方法。仿真结果表明,该方法能够适应解决现代电力系统机组组合问题的新需要,能够获得更大的经济效益。     

基于禁忌动态规划的含电动汽车机组组合研究

研究了含电动汽车的机组组合模型,将满足电动汽车充电量需求和时间纳入约束条件,针对传统前向动态规划法求解大规模机组组合问题时的"维数灾"问题,在评估值函数时对访问路径集进行局部存优处理,根据机组单位燃料成本和旋转备用容量裕度确定存优指标,减少了路径评估的计算量。为避免改动后的算法陷入局部极值,通过设置禁忌列表防止重复路径的搜索。还提出一种基于试停优化的压缩状态空间的构造法,缩减了初始状态空间的规模。10—60机组算例仿真比较了考虑爬坡约束和电动汽车接入前后不同算法的计算速度和优化效果,结果验证了所提算法的有效性。     

应用MAS解决基于利润的机组组合问题研究

电力系统引入放松管制的市场运行机制之后,形成一种基于利润的机组组合问题:①优化目标从费用最小转为利润最大;②各发电公司从自身利益出发,可以不完全满足中心调度的要求.针对以上特点,提出一种基于多Agent系统的解决方法.仿真结果表明,该方法能够适应解决现代电力系统机组组合问题的新需要,能够获得更大的经济效益.     

水库月平均流量滚动预报及其不确定性研究

可靠的入库流量预报是支撑水库科学长期调度决策的基础。针对中长期流量预报模型预见期有限及流量预报存在不确定性的问题,采用人工神经网络滚动预报不同预见期流量,在此基础上,利用Copula函数建立预报误差序列的联合分布函数,实现对水文预报误差序列的随机模拟,从而定量描述流量预报不确定性。三峡水库非汛期后期月平均流量预报及其不确定性研究结果表明：所构建的非汛期月平均流量预报模型预报效果较好,可用于滚动作业预报;Copula函数能较好描述预报相对误差序列间相关性,模拟序列相关系数、统计特征值和经验分布与实测序列相差较小,模拟效果较好。研究成果可为水库开展长期优化调度提供有效入库流量信息支撑和决策支持。     

基于降低风电机组叶片损伤的风电机组组合优化

对于大型风电场,研究机组组合优化,可以提高风电场运行水平,提高风电场经济效益。叶片是风电机组的关键部件之一,占风机总成本的20%,是影响风电机组使用寿命的重要因素之一。通过对叶根在不同风况下四种不同载荷工况的受力分析,量化了不同运行工况下叶片损伤量,确定了叶片损伤量与叶片寿命的关系,建立了风电场各机组总叶片损伤量的数学模型;应用改进二进制粒子群(BPSO)优化算法,结合风电场预测功率数据和负荷调度要求,以叶片损伤量最小为优化目标,建立风电场内机组组合优化调度模型。将所提出模型应用于某49.5 MW风电场,对33台机组进行组合优化,算例结果表明在满足负荷的要求下,可减少启停机次数,延长机组寿命,验证了该算法的可行性和有效性。     

基于特殊有效不等式求解机组组合问题的内点割平面法

基于特殊的有效不等式(validinequalities,VIs),提出一种求解计及爬坡约束机组组合(unit cormitment,UC)问题的内点割平面法。采用线性化技术将UC问题转化为一个混合整数二次规划(mixed integer quadratic programming,MIQP)。根据UC问题约束的特点,产生3种特殊的VIs,即覆盖不等式(cover inequalities,CIs)、提升覆盖不等式(1ifted cover inequalities,LCIs)和广义流覆盖不等式(generalized flow cover inequalities,GFCIs),进而将其作为割平面,建立求解MIQP的内点割平面法。100机组24时段等6个系统的仿真结果表明,产生CIs、LCIs和GFCIs的方法快速有效,所提内点割平面法具有良好的收敛性和稳定性,能有效处理爬坡约束,与其他多种方法相比较,获得了更好的数值结果。     

基于原-对偶内点法和混合整数规划法的机组组合问题研究

电力系统机组组合能带来显著的经济效益,随着电力市场的不断发展,在电力系统优化运行中变得尤为重要。然而电力系统机组组组合问题是一个大规模、非凸、非线性混合整数优化问题,至今仍然没有找到一种理想的优化算法。因此针对其特点,采用了原-对偶内点法和混合整数规划法相结合的算法,首先利用混合整数规划法形成伴随规划来处理离散变量,再通过内点法求解伴随规划子问题和负荷经济分配,充分发挥了两种算法在求解机组组合问题上的优势。文中对标准10机组24时段系统算例进行了仿真测试并与之前的各种优化算法进行了对比,结果表明了本文算法模型解决机组组合问题的有效性和优越性。     

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法存求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法，利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术，能更好地对可行解空间搜索，采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性，同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果，具有更快的收敛速度，且在系统规模扩大时有大致线性的计算复杂性，是一种新的高效的机组组合智能优化算法。