基于改进加权模糊法的微能源网多目标优化运行

为协调微能源网运行的经济性、节能性及环保性,以日运行成本、碳交易成本和能源消耗成本为目标,建 立微能源网多目标优化调度模型;并提出改进加权模糊法,将微能源网多目标优化问题转化为单目标优化问题,采用 粒子群算法进行求解.所提出的改进加权模糊法可在一定程度上提高多目标之间的综合协调性和算法的鲁棒性,优化 微能源网中各设备的出力,实现能源、环境和经济效益的协调发展.     

基于改进量子粒子群算法的微能源网优化运行

通过对冷热电联供（CCHP）结构分析,综合考虑微能源网的运行成本与一次能源转换成本,建立包含电气、烟气、空气和热水母线的光气储互补发电模型,分析了不同场景下微能源网的冷热电负荷的优化调度结果。通过对量子粒子群算法（QPSO）加以混沌搜索、邻域变异和变权重更新种群最优位置中心等操作,有效避免了粒子过早陷入局部最优,提高了种群质量。算例分析结果表明,该算法能有效求解CCHP模型,在保证微能源网可靠运行的同时,能有效地降低成本,提高可再生能源利用率,实现微能源网的经济调度。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点.针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法.针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型.最后,结合具体算例,...     

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MPSO算法含电动汽车的微网优化调度

在保证微网系统安全稳定运行的前提下,考虑风光储等分布式电源及电动汽车等随机负荷并网,以微网最低综合运行成本为目标,建立了含电动汽车的多能互补微网优化模型。提出了一种改进粒子群算法（MPSO）,通过仿真分析证明了该方法在包含电动汽车等随机负荷的多能互补微网中,能够快速收敛得到最优运行方案,显著降低了微网运行的成本,具有较好的实际应用意义。     

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。     

改进粒子群算法在电力系统无功优化中的应用

针对传统粒子群算法易出现早熟收敛、易陷入局部最优、搜索精度低等问题,从惯性权重和加速常数两方面对其进行改进.将改进后的粒子群算法应用到电网无功优化中,加快了收敛速度和提高了搜索精度.仿真结果证明了改进的粒子群算法的正确性及有效性.     

微能源网多能源耦合枢纽的模型搭建与优化

多能源耦合枢纽作为微能源网的核心部件,其系统模型的准确性将影响微能源网的运行效率。文中针对一种包含太阳能和风能发电系统、储能系统、有机朗肯循环系统、传统冷热电三联供系统的多能源耦合枢纽,综合考虑负荷需求、价格因素和环境因素,以系统运行成本、一次能源消耗量和碳排放量最小化为目标,建立了微能源网中多能源互补的多目标优化模型;采用粒子群算法对发电机和储能的运行策略进行求解,得到最优目标。最后,与微电网进行对比分析,验证了多能耦合系统在提高能源利用率和减少碳排放方面的优势。     

基于改进GA-PSO算法的孤立微网日前经济调度

针对孤立微网中电源、负荷类型较多,日前调度复杂且较难收敛于全局最优解的问题,采用粒子群遗传混合算法(GA-PSO)求解这一混合整数非线性(MINL)问题。首先建立了孤立微网内微型燃气轮机、蓄电池和各种负荷的调度模型及日前调度的目标函数。对蓄电池放电深度模型进行了改进,以更合理地描述其充放电成本;按补偿合同对负荷直接调度;在保证可靠性的前提下,考虑微网运行成本,以微网运行收益最大为目标建立了目标函数。其次提出了新的粒子群遗传混合算法,最后采用该算法针对一个微网算例进行仿真验证,结果表明该算法能有效解决混合整数非线性规划问题。该方法对多时段、多种单元混合的微网优化调度,能够快速收敛。     

改进粒子群算法在电网无功优化中的应用

粒子群算法作为一种随机搜索算法,适合解决电网无功优化问题。考虑到粒子群算法收敛速度过快,容易进入局部收敛,导致收敛精度不高,研究了粒子群算法的改进措施。建立了一个全面考虑实际约束条件和无功调节手段的无功优化数学模型,提出了采用改进粒子群算法求解电网无功优化问题的方法,以确定无功优化的最优方案。以IEEE14节点系统进行仿真分析,对3种不同方案进行了对比,结果表明所用方法寻优质量高,不仅节点电压满足系统运行要求,而且系统网损也有一定程度的降低,采用该改进粒子群算法进行电网无功优化行之有效。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

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的无功优化

提出一种改进粒子群算法求解无功优化问题。该算法根据粒子的适应度进行排序,依据排序确定粒子的速度范围:排序靠前(较优)的粒子具有较小的速度范围,排序靠后(较差)的粒子具有较大的速度范围,较好地平衡算法的局部和全局搜索;对全局最优粒子进行克隆和变异,提高算法的收敛速度和收敛精度。同时,对种群中的较差粒子接种疫苗,以较大概率提高粒子的质量,进一步提高算法的收敛速度。对IEEE30节点系统进行仿真,与遗传算法(GA)和粒子群算法(PSO)相比,该算法具有全局搜索能力强、收敛速度快和收敛精度高的特点。     

基于重复博弈的区域综合能源系统优化运行分析

文中提出了一种基于重复博弈的区域综合能源系统(RIES)优化运行方法。首先,对RIES各环节进行建模与分析。将配电网重构结合电容器投切作为优化调控手段之一,以微能源网与配电网为博弈参与者,微能源网日运行费用和配电网综合满意度为各自效用函数,建立RIES重复博弈优化模型。然后,通过双方之间的互动博弈动态改变能量交互边界和双方策略集,并采用自适应粒子群算法进行求解,最终得到RIES博弈均衡优化结果。最后,以典型RIES为例对所提博弈模型进行仿真验证,结果表明,所提方法充分发挥了配电网在RIES运行优化中的作用,兼顾了微能源网和配电网的利益,有效降低了微能源网日综合运行成本,实现了RIES的协同经济优化运行。     

基于改进PSO算法的风-光-储一体化微能源网优化运行研究

微能源网可实现多种能源的转换,有效解决能源供需匹配和可再生资源利用问题,满足用户对电能、热能和冷能的需求,是能源互联中的重要发展单元,实现能源体系向清洁低碳转型,具有推广价值。在分析各类设备的运行特性的基础上,建立微能源网的系统模型,提出以经济性、环保性和能源利用率为目标的联合优化策略,使微能源网系统综合效益最大化。求解算法方面,提出基于轮盘赌算法的改进PSO算法,实现粒子搜索机制的多元化,提高计算准确度的同时,确保PSO算法实现全局最优。选取某工业园作为仿真分析对象,算例数据表明,包含风-光-储设备、冷/热/电联供和电/气转换设备的微能源网系统能实现能源均衡配置。多目标联合优化后,综合协调经济性、环保性和能源利用率三个目标达成系统运行最优,使系统综合效益最大化。     

基于改进PSO—BP算法的变压器故障诊断

提出一种利用改进粒子群算法和反向传播算法相结合的混合算法训练神经网络进行电力变压器故障诊断的方法.在改进的粒子群算法中考虑了邻居粒子中最优粒子信息,修正个体行动策略,增强粒子群的社会学习功能,保证全局搜索的有效性;引入随机粒子群机制,利用粒子群进化过程中的种群变异机制提高算法的寻优性能.变压器故障实例仿真和分析表明,该算法在收敛速度、计算精度和平均收敛性能方面都有较大改进,可有效诊断电力变压器故障.     

基于改进蝙蝠算法的微网群能量优化方法

针对微网群如何稳定运行以及最大程度减少网群运行成本等问题,进行了基于改进蝙蝠算法的微网群能量优化研究。系统以离网运行的两个交流微电网和一个直流微电网构成的微网群作为研究对象,构建包含集中储能系统的微网群架构,利用运行成本和环境影响成本为多目标函数建立优化调度模型,通过二元对比权定法将多目标函数转化为单目标函数,采用基于Tent映射与柯西变异的改进蝙蝠算法进行能量优化。结果表明,对比传统的微网群优化方法,该系统能量优化方法具有较好的系统运行稳定性,有效提高了系统经济效益,使得日运行综合成本降低了14.63%。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于改进粒子群算法的风电火电联合调度方法*

针对电力系统风电并网中出现的随机波动性与不确定性问题,建立风 火联合调度数学模型,并提出一种改进粒子群算法对该模型进行求解,以提高电力系统运行的经济性和可靠性。改进粒子群算法（Improved Particle Swarm Optimization, IPSO）从添加粒子速度自适应和添加位移更新自适应两方面对基本粒子算法（PSO）进行改进。仿真结果验证了IPSO具有更高的精度和更快的收敛速度。采用IPSO对10机组算例模型进行优化计算,计算结果验证了所建模型的正确性和所提改进算法的有效性。