计及多类型可调度柔性负荷响应的电力系统经济调度策略

引导负荷侧柔性资源参与电力系统调度具有良好的经济效益和环境效益。电力系统中包含的负荷种类繁多,而当前的研究往往只关注单一类型负荷的调控却忽略了多类型负荷间的协调配合。为了解决这一问题,本文提出一种计及多类型可调度柔性负荷参与的电力系统经济调度策略。首先,本文建立了电压敏感型商业负荷的数学模型,采用电压-功率关系刻画商业负荷用电行为,引入灵敏度分析方法评估商业负荷功率可调范围;然后将商业负荷功率调节裕度作为一种灵活备用资源,纳入到工业负荷调度体系中,实现工商业负荷的协同调度;最后,通过改进的IEEE-30节点测试系统说明了多类型可调度负荷参与调度能充分发掘工商业负荷的调度潜力,有效提高区域的新能源消纳水平。     

基于负载均衡的主动配电网分布式优化调度方法

将可再生能源无序连接在配电网中会造成巨大浪费,为降低可再生能源规模接入前提下主动配电网的调度与运行成本,结合负载均衡理论,设计了一种新的主动配电网分布式优化调度方法。设置配电网优化调度的目标函数,计算上层购电成本、火力发电成本以及储能结构运行成本,得到配网调度的整体成本,设置网络运行约束、火力发电运行约束以及储能运行约束等约束条件,建立主动配电网优化调度模型。基于负载平衡设计配网调度算法,得到主动配电网分布式优化调度方法。在实验中预设四种场景,综合考虑风电、光伏发电和储能系统的运行成本,由实验结果可知:结合风电、光伏发电系统与储能系统的主动配网调度,在负载均衡方法下其运行成本最低,为30739.7元,由此可见该调度方法可以大幅度减少配网运行成本。     

基于多智能体系统一致性算法的电力系统分布式经济调度策略

集中式优化方法难以应对未来电网柔性负荷广泛渗透以及电力元件"即插即用"的技术要求。区别于集中式经济调度,提出一种电力系统分布式经济调度策略。应用多智能体系统中的一致性算法,以发电机组的增量成本和柔性负荷的增量效益作为一致性变量,设计一种用于电力系统经济调度的算法,通过分布式优化的方式求解经济调度问题。算例仿真与分析验证了所提调度策略的有效性。     

基于飞蛾扑火算法的电力系统负荷经济调度研究

电力系统负荷经济调度是电力系统经济运行中的关键一环,在综合考虑诸多电力系统实际运行约束的基础上,建立一个相对完善的负荷经济调度模型。为提高优化解的精度和准确性,引入飞蛾扑火算法进行模型求解,并提出采用平衡机组法与传统罚函数法相结合的方式来处理模型中的功率平衡约束。采用IEEE 6机组、15机组和40机组系统进行仿真测试。仿真结果表明,所提方法可很好地解决电力系统负荷经济调度问题,并具有良好的鲁棒性,经济效益显著。     

含电动汽车柔性负荷响应的优化调度策略研究

以大规模新能源接入、电动汽车等柔性负荷为研究背景,建立电动汽车负荷调度模型,以系统发电成本和配电网安全稳定运行为优化目标,对含有电动汽车的柔性负荷调度模型建立含多目标优化的协调调度模型。采用基于ELM的改进遗传算法对协调调度模型求解,通过双目标的对比分析,求得与实际情况相近的最优解。最后通过算例验证的结论指出:适当增加电动汽车规模可有效降低发电成本,更好地发挥削峰填谷、调节供需平衡的作用;通过协调以电动汽车为代表的柔性负荷规模可以得到更为优化的调度策略。     

基于电动汽车充电负荷需求预测的电网调度优化*

现有的电网调度方法对电动汽车充电负荷需求的预测效果较差,预测的负荷变化趋势与实际情况相差较大,因此基于电动汽车充电负荷需求预测提出电网调度优化方法。根据电动汽车到达充电站的起始和终止时间,计算得到充电时长,电网调度再根据此时间段执行充放电活动。对历史负荷数据标记季节和假期属性,得到属性相似的初步样本,使用充电负荷数据的最值和平均值作为负荷属性,经过AP算法聚类后,利用CNN模型对样本负荷进行预测,其通道值分别为负荷值、温度和车流量,输出充电负荷需求值。根据充电负荷预测信息和剩余容量确定电网调度优化目标和调度约束条件,改变电动汽车的充电时刻,实现电网负荷优化。测试结果表明,该设计方法使用有序的充电策略保证了良好的优化调度效果,满足充电负荷需求。     

基于风险的多区互联电力系统分布式鲁棒动态经济调度

为应对高比例可再生能源并网给调度运行带来的高不确定性,提出一种基于风险的两阶段鲁棒动态经济调度模型,可用于优化多区互联电力系统的联络线功率与区域发电及备用计划.在鲁棒优化模型中对所采用不确定集的边界进行优化,以评估弃风与失负荷风险.对联络线功率的优化包括两个方面:一是针对可再生能源预测出力制定基态联络线计划;二是针对实际可能出现的可再生能源出力制定功率调整计划,以实现区域备用共享.建立一种分布式调度体系,以实现各区域电力系统分散自治运行.采用动态乘子更新策略,避免了分布式优化算法参数选择的问题.在3区354节点系统上的算例分析验证了所提模型与算法的有效性.     

基于大系统分解—协调理论的电力系统经济调度分布式算法

本文提出一种新的用大系统分解——协调理论进行电力系统经济调度的算法。该算法按区域将一个大的电力系统分成几个子系统，各子系统之间通过边界点耦合，将边界点的电压及区域间交换功率作为协调变量。各子系统在给定的协调变量下求解，由协调级根据各子系统优化结果对协调变量进行修正，再进行新的一轮选代。本算法解决了由于各子系统设置虚拟平衡点而给协调带来的困难，并且由于选择电网运行数据作为协调变量，有利于初值选择和在选代中修正，改善了收敛性。     

考虑退役电池柔性负荷的电力系统风险调度

电动汽车退役动力电池再利用,可以作为一种新型柔性负荷参与系统运行。基于实验数据,研究退役动力电池组运行和出力特性,在考虑退役电池及风机的故障风险以及退役电池组不一致性风险的前提下,建立了考虑退役电池柔性负荷的电力系统风险调度模型。模型中利用退役电池组参与系统负荷的调整,响应电源的随机波动,降低负荷侧峰谷差及火电机组出力的波动性,减少能源浪费。最后,以十机组系统为例,验证了该调度模型的有效性和应用价值。     

基于一致性理论的独立微电网分布式动态经济调度

独立微电网是提高可再生能源利用率的有效途径,动态经济调度是微电网系统运行的重要环节。文中给出了独立微电网动态经济调度模型,提出了一套基于一致性理论的分布式实现方法,各参与者依靠本地计算以及邻居间的少量信息交互实现系统优化。计算分为两个阶段:在第一阶段,各单元通过平均一致性算法获得全网信息,并以最大化利用可再生能源为目标预设可控负荷的用电计划;在第二阶段,各单元通过更新发电机或储能系统时段间的出力上下限,将原问题解耦为一系列单时段经济调度问题,再采用一致性牵引算法根据等微增率准则逐个计算每个时段的最优出力。通过仿真算例验证了所提模型与算法的有效性。     

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。     

考虑可靠性约束的含风电场电力系统动态经济调度

提出一种考虑系统可靠性约束的含风电场电力系统动态经济调度模型,在目标函数中加入了中断负荷费用.针对风速预测和负荷预测的不确定性,引入净负荷的概念,利用七分段高斯分布模拟预测误差的不确定性.在系统可靠性指标的计算过程中,考虑了系统机组的不确定性以及旋转备用.为求解模型,提出了一种改进的粒子群优化算法,引入信息分享和精英学习策略.以IEEE-RTS测试系统为算例,通过仿真分析,验证了所提模型的可行性与有效性.该模型可以在保证系统可靠性水平的基础上优化系统调度.     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

A novel particle swarm optimization method based on quantum mechanics computation for thermal economic load dispatch problem

This paper presents an efficient strategy to solve the thermal economic load dispatch (ELD) problem by considering several aspects of ELD. ELD performs an important role in the economical operation of power system, which essentially involves nonlinearity according to the characteristics of the generators. The complexity is amplified when the generators' prohibited zones and valve‐point effect are considered, which makes ELD a nonconvex and nonsmooth problem. The strategy employs a mechanism involving a quantum mechanics‐inspired particle swarm optimization (QMPSO). The conventional PSO is modified by integrating quantum mechanical theory which redefines the particles' positions and velocities in a dynamic manner and therefore explores more search space. The QMPSO employs a multipopulation‐based scheme which ensures particle movement and avoids premature convergence at the same time. Moreover, in order to diversify the particles, a dynamic mutation operator is introduced in the proposed method. Such features deliver a fine balance between the local and global searching abilities. Simulations are carried out by considering several cases of thermal units of varying combinations of system configurations such as with and without the valve point, with and without network loss, and for one or several hours of load demand. The results are quite promising and effective compared with several benchmark methods. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Stochastic economic emission load dispatch through a modified particle swarm optimization algorithm

Conventional economic load dispatch problem uses deterministic models, which are however not able to reflect some real situations in practical applications since certain inaccurate and uncertain factors are normally involved in system operations. Stochastic models are more suited to be used for investigating some of the power dispatch problems. In this paper, both deterministic and stochastic models are first formulated, and then an improved particle swarm optimization (PSO) method is developed to deal with the economic load dispatch while simultaneously considering the environmental impact. Comparative studies are carried out to examine the effectiveness of the proposed approach. First, a comparison is made between the proposed PSO approach and other approaches including weighted aggregation and evolutionary optimization. Then, based on the proposed PSO, the impacts of different problem formulations including stochastic and deterministic models on power dispatch results are investigated and analyzed.     

Teaching learning based optimization for economic load dispatch problem considering valve point loading effect

This paper presents a novel teaching learning based optimization (TLBO) technique to solve economic load dispatch (ELD) of the thermal unit without considering transmission losses. The proposed methodology can take care of ELD considering nonlinearity such as valve point loading. The objective of economic load dispatch is to determine the optimal power generation of the units to meet the load demand, such that the overall cost of generation is minimized, while satisfying different operational constraints. TLBO is a recently developed evolutionary algorithm based on two basic concepts of education namely teaching phase and learning phase. At first, learners improve their knowledge through the teaching methodology of teacher and finally learners increase their knowledge by interactions among themselves. The effectiveness of the proposed algorithm has been verified on three different test systems with equality and inequality constraints. Compared with the other existing techniques demonstrates the superiority of the proposed algorithm.     

基于区块链技术的可控负荷入网优化调度策略

为了解决分布式电力交易机制发展背景下可控负荷入网调度的诸多问题,提出了一种基于区块链技术的可控负荷用户和负荷代理商2类电力主体间的去中心化交易模式。通过整合可控负荷用户的运行特性,充分考虑不同子类用户与负荷代理商之间的购售电需求信息,设计了可控负荷用户和负荷代理商2类决策模型函数,以收益最优为基本原则建立考虑运维成本和运营效能的区块链节点模型。基于可控负荷用户-负荷代理商区块链交易模式,设计了负荷代理商的利润分红激励机制以及智能合约求解算法,同时提出了以负荷代理商效能函数变化率作为共识算法,并说明了区块链数据的结构以及运营流程。算例分析结果表明,所提优化调度策略充分挖掘了可控负荷用户和负荷代理商对电网负荷削峰填谷的潜力,实现双方经济最优的同时保障了区块链网络长期有效运行,可为区块链技术在电力需求响应中的应用提供参考价值。     

Multiobjective optimal thermal power dispatch

A multiobjective thermal power dispatch problem is formulated using noncommensurable objectives such as operating costs and minimal emission. A sensitivity measure is chosen whereby the effects of variations in the nominal conditions describing a given multiobjective problem can be measured and incorporated as a performance index to be minimized. A nonlinear programming problem provides the framework for examining the objective constraint level in an ε-constant form of the multiobjective optimization problem. The dispersion index is chosen as the sensitivity measure for the investigation of the effects of random variations in the model parameters of the optimal solution. A sensitivity trade-off is exploited for the multiobjective problem that represents the trade-off between sensitivity and objective level. Validity of the method has been demonstrated by analysing a three-generator sample system.     

基于参数规划的含储能和风电电力系统低碳经济调度

为了实现“双碳”目标以及适应新能源快速发展的形势,基于参数规划及工程博弈论提出了一种含储能和风电电力系统的多目标低碳经济调度方法。以系统发电成本、碳排放量、储能寿命折损为目标构建多目标优化模型,采用系数约束法将模型转化为参数线性规划模型,求解参数规划模型可获得Pareto前沿的精确解析表达式,从而进一步构建工程博弈问题,精炼得到对多目标具有公平性的唯一Pareto最优解,为决策者提供参考。算例分析结果表明,所提调度方法能够充分兼顾各目标的优化程度,保证电力系统调度的环保性与经济性,可有效应用于新能源电力系统的低碳经济调度。     

基于零和博弈的电力系统鲁棒优化调度研究

随着多种分布式能源的规模化接入,其固有的随机特性及多方利益冲突问题给电力系统调度决策带来了新的挑战.为此,深度融合鲁棒优化与零和博弈机制,分别将大自然与电力调度人员作为博弈参与方,提出了一种考虑调度人员与大自然博弈的电力系统鲁棒调度协同规划方法.其中,针对电动汽车移动与储能属性耦合的不确定性,将其交通行为进行集群化处理...