旋转备用的经济分配及其内点法实现

在最优潮流中，发电机组出力通常是独立变量，然而系统的旋转备用约束增加了发电机组出力间的耦合关系。基于非线性内点法针对实时旋转备用最优分配问题提出了一种解耦算法，使得发电机约束矩阵和网络约束矩阵在最优潮流中能够单独进行得到。进一步推导得到一个降阶的KKT（Karush-Kuhn-Tucker）系统，其规模由网络自身大小决定，仅通过修改扩展海森矩阵元素即可计及旋转备用约束的影响，并使用先进的超级稀疏技术全面分析、研究了该降阶KKT系统的稀疏结构。该算法涉及的旋转备用也包括了切负荷。     

旋转备用的经济分配及其内点法实现

在最优潮流中,发电机组出力通常是独立变量,然而系统的旋转备用约束增加了发电机组出力间的耦合关系。基于非线性内点法针对实时旋转备用最优分配问题提出了一种解耦算法,使得发电机约束矩阵和网络约束矩阵在最优潮流中能够单独进行得到。进一步推导得到一个降阶的KKT(Karush-Kuhn-Tucker)系统,其规模由网络自身大小决定,仅通过修改扩展海森矩阵元素即可计及旋转备用约束的影响,并使用先进的超级稀疏技术全面分析、研究了该降阶KKT系统的稀疏结构。该算法涉及的旋转备用也包括了切负荷。     

基于改进遗传算法的区域旋转备用容量的优化

在改进遗传算法的基础上,提出了区域购买旋转备用成本最小的数学模型和求解方法。模型按照备用交易“协调运作”、备用价格按区域统一边际价格结算并计及了联络线传输容量上下限、备用机组提供容量上下限、旋转备用爬坡率等约束条件。算例表明本算法能更加有效地达到或接近全局最优解,区域备用容量在优化后降低了获取的备用容量,充分体现了区域间的备用支持,优化了各地的电力资源。     

基于遗传算法和内点法的无功优化混合策略

基于遗传算法与内点法，文中提出了一种新颖的混合策略来求解无功优化问题：不考虑无功优化中的离散约束，采用内点法求解得到初始解；根据优化变量的不同性质，将原无功优化问题分解为离散优化和连续优化2个子问题，并采用遗传算法和内点法交替求解。在遗传迭代的不同阶段，针对种群个体的不同特点，分别对遗传算法和内点法的具体实施方案进行了动态调整，使两者的优化结果互为基础、相互利用，保证了混合策略的整体寻优效率。IEEE30和IEEE118节点系统的仿真计算结果表明：与其他混合算法相比，该混合策略在计算速度和优化效果方面都具有明显的优势。     

基于内点法和遗传算法无功优化的比较及应用

无功优化是电力系统实现电压和无功功率最优控制和调度的基础，使用者对无功优化程序功能的需求不同，采用的无功优化算法也不尽相同，内点法和遗传算法是其中较具代表性且差异较大的2种，对基于内点法无功优化的数学模型，遗传算法的适应度函数和收敛判据进行改进，在IEEE6节点系统进行校验，并分析其在湖北恩施电网无功优化控制方面的应用，结果表明，内点法无功优化的结果比改进遗传算法无功优化的结果差，且处理离散变量不方便，但计算速度快于改进遗传算法，随问题规模增大，内点法的这一优势更明显。     

基于退火遗传的旋转备用经济运行

水电站具有运行灵活、负荷调节速度快等特点,经常在电网中承担旋转备用服务,因此,厂内经济运行中考虑旋转备用很有必要。本文将实数编码退火遗传算法(Real Coded Annealing Genetic Algorithm,简称AGA)用于承担旋转备用的水电站经济运行中。该算法将遗传算法引入模拟退火算法,以提高其解决经济运行等联合优化调度问题的性能。本文对某一大型水电站分别采用了动态规划(DP)、遗传算法(GA)、模拟退火(SA)和退火遗传算法(AG)进行旋转备用经济运行模拟计算,计算结果表明退火遗传算法收敛速度快,精度较高,且容易实现,该算法在大型电站经济运行中有一定实用价值。     

计及风险备用约束的含风电场电力系统动态经济调度

为解决风电的不确定性给电网调度带来的问题,必须开展含风电场的经济调度问题研究。通过引入风速和负荷预测误差的概率分布函数来描述系统中存在的不确定性因素,提出了一种基于风险备用约束的含风电场电力系统动态经济调度新模型。在目标函数中采用惩罚的方式对风电计划出力相对于实际出力的偏差所造成的备用成本加以考虑。该模型采用收敛特性稳定的非线性预估–校正原对偶内点法进行求解。通过含有一个风电场的10机组系统算例,验证了所提调度模型的可行性。分析表明,该模型可以在保证系统可靠性要求的基础上,实现经济性最优的目标。     

基于内点法和改进遗传算法的无功优化组合策略

提出了一种求解无功优化问题的组合策略,该策略将无功优化问题分解为连续优化和离散优化2个子问题,分别用预测–校正内点法和改进遗传算法进行求解。考虑到实际电网在进行无功优化控制时,发电机是主要的调节手段,先不考虑离散变量的约束,采用预测–校正内点法优化连续变量;然后保持连续变量不变,用改进遗传算法优化离散变量;再返回到连续优化阶段,如此交替求解。当出现相邻的连续优化阶段和离散优化阶段网损变化的差值小于设定值时,停止优化。IEEE14、30、57、118节点系统的仿真结果表明,该策略比其它组合算法在收敛性和计算效率上更具优越性。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于内点法和遗传算法相结合的交直流系统无功优化

为简化传统交直流混合系统潮流计算方法,提出了一种改进算法。该算法采用Gauss-Seidel迭代法求解直流系统,通过调整换流变压器的变比以使换流器的触发角运行在合适的值域,再与交流系统交替迭代求解。针对遗传算法适合处理离散变量但容易陷入局部最优而内点法具有方向性但不适合处理离散变量的不足,提出一种内点法和遗传算法相结合的混合算法对交直流系统无功优化模型求解,交流系统中少量的离散控制变量及直流系统控制变量采用遗传算法求解而交流系统中大量的连续控制变量则采用内点法求解。混合算法结合了两种算法的优点,可以方便地处理离散变量且具有明显的方向性。通过实例仿真验证了该算法具有收敛性好、运算速度快等优点。     

旋转备用市场中考虑可靠性的多目标分层决策

电力市场环境下旋转备用的出清结果对发电系统可靠性有着重要影响.提出了对运行阶段发电系统可靠性进行评估的新指标--考虑旋转备用的电力不足期望值,它综合了机组可靠性参数、爬坡率、投运时间以及电能和旋转备用市场出清结果对系统可靠性的影响.指出用排队法进行旋转备用出清的结果只是满足购买费用最小的一个非劣解,进而提出考虑可靠性的多目标分层决策模型,并用遗传算法和非线性优化算法求解.仿真结果表明了该方法的有效性.     

基于最大熵原理的旋转备用方案风险评估

电力市场环境下,市场成员成为各自独立的经济实体,各方存在的不确定性因素均可能导致系统旋转备用方案的经济效益与预期值产生误差。分析了提供旋转备用机组的运行状态的发生概率和各状态下旋转备用方案的收益,建立了基于最大熵原理的旋转备用方案的风险评估模型,并利用2阶模拟退火粒子群算法求解模型。该模型实现了对机组运行的可靠性和经济性的综合评价。算例结果验证了该模型的有效性。     

互联系统旋转备用容量的确定

系统互联有利于资源的优化配置,合理评估系统之间的旋转备用容量有利于经济效益和运行可靠性的提高。综述了针对不同运行条件下确定互联系统旋转备用容量的方法,比较了方法的优缺点,指出了与容量确定相关的考虑因素。     

风速相关性下的最优旋转备用容量

在兼顾系统经济性和可靠性的基础上,同时考虑负荷预测偏差以及风电出力预测偏差等不确定性因素后,研究了计及风速相关性下的电网最优旋转备用.采用成本效益分析法,建立了系统发电成本、备用成本和期望停电成本之和最小的目标函数,利用基于随机模拟的量子行为粒子群算法对其进行求解,并对相关影响因素进行敏感性分析.通过算例分析了风速相关性对旋转备用的影响,验证了所提模型和算法是可行的.     

主电力市场和旋转备用市场联合竞价策略

针对目前发电侧电力市场环境下发电商间日益激烈的竞争,介绍了一种发电商根据竞争对手竞价历史数据优化主电力市场和旋转备用市场联合竞价策略的方法。该方法首先对竞争对手的历史数据进行分析并确定其概率密度分布,然后用蒙特卡洛对竞争对手竞价策略进行抽样,最后对各抽样结果采用退火遗传算法优化竞价策略,优化结果的期望即可作为发电商的竞价策略。文中给出由六个发电商组成的市场模拟算例,计算结果表明该方法是可行的。     

需求弹性对系统最优备用投入的影响

在具有一定需求弹性和调节能力的电力用户参与备用服务提供的电力市场化背景下,考虑到用户侧提供备用服务时的电价和用户需求水平的不同会造成单位容量缺电成本的变化,建立了用户参与备用服务的补偿成本（消费者剩余）模型.在此模型的基础上运用最优潮流算法研究了需求弹性对电力系统最优备用投入的影响.IEEE 14节点算例表明：随着负荷侧需求弹性的增加,发电侧备用机组的投入量逐步减小,备用投入总成本也显著降低,同时增加了系统的运营效益.     

基于随机规划的正负旋转备用容量求解方法

为研究正负旋转备用容量对电力系统运行费用的影响,提出了一种随机规划二阶段补偿模型,其目标函数包括计划运行费用和补偿费用。在不同正负备用容量情况下,采用拉格朗日松弛法和Monte Carlo模拟对模型进行求解,结果表明：系统的总运行费用随着负备用的增加始终单调递增; 当系统中负荷和风电功率的随机性较强时,最大和最小正旋转备用之间存在最优值使得总运行费用最小。最后采用粒子群(PSO)智能算法对10机系统的最优正旋转备用容量进行了求解。     

基于条件成本收益分析的旋转备用优化配置

电力系统需要权衡可靠性和经济性以实现旋转备用的优化。基于整体均值的传统可靠性评估方法和指标,将高损失—低概率事件与低损失—高概率事件同质化,无法反映决策者的风险偏好和关注的损失范围,也无法体现旋转备用配置对极端损失情形的敏感性。文中引入条件可靠性评估的方法和指标,建立条件成本收益分析模型,在决策者关注的风险范围内优化旋转备用。通过逐时段地进行时序解耦的机组组合,确定运行成本和开机方式;再对在线机组进行状态抽样,计算条件可靠性成本,确定使该时段条件总成本最小的条件最优旋转备用容量。最后,进行一次完整约束的机组组合,将备用要求分配至机组。算例表明,决策者的主观风险偏好对最优旋转备用方案有显著影响,随着关注的损失范围由整体平均转向极端不利,系统对旋转备用的需求持续提升,甚至超出现有装机容量的提供能力。