基于混沌自适应粒子群算法的冷热电联供系统优化

在研究冷热电联供系统优化运行的过程中,为了更好地优化调度冷热电联供系统中各设备的出力,提出了基于Tent映射的混沌搜索和非线性自适应粒子群算法相结合的优化算法。建立了一个包含风机、光伏、微燃机和燃气锅炉等主要设备的冷热电联供系统模型。以联供系统的运行成本、污染物排放量和能源利用率为目标,建立了多目标优化模型。在满足设备出力、功率平衡等约束条件下,利用Matlab进行了优化求解。仿真结果表明,所提出的冷热电联供系统优化方法,可以有效地提高经济效益,减少污染排放,提高能源利用率。     

基于改进粒子群算法的冷热电联供型微网系统优化运行研究

为了避免传统的冷热电联供型微网系统(combined cooling heating and power Microgrid, CCHP Microgrid)仅以经济成本或环境成本为目标的运行策略造成的无法对系统整体进行优化的不足,本文以微网的经济成本和环境成本为目标,构建含燃气轮机、燃气锅炉、电制冷机、风光等机组的冷热电联供型微网系统简化模型并建立相应的约束条件,并采用改进粒子群算法,对多约束条件目标求解进行优化。然后通过算例对所提的优化调度策略进行了仿真验证,验证了控制策略的有效性。     

基于需求响应的建筑楼宇综合能源系统优化调度

针对能耗高且增速快的建筑楼宇优化调度问题,构建了含光伏发电、冷热电联供系统、燃气锅炉和储能装置的建筑级综合能源系统。在对系统内各个能源设备进行建模分析的基础上,考虑需求响应补偿价,以建筑运行成本最低为目标函数,建立了基于需求响应的建筑级综合能源系统优化调度模型,采用基于云模型改进的粒子群算法对模型优化求解。引入算例进行仿真,对比是否参与需求响应的两种不同模式,以及云模型粒子群算法与基本粒子群算法的优化性能。结果表明,基于需求响应的云模型粒子群算法模式可有效节约建筑级综合能源系统运行成本,同时降低电网侧负荷峰谷差。     

小型生物质沼气冷热电联供系统多目标优化设计与运行分析

数十千瓦级冷热电联供系统是解决中国农村生物质资源浪费的一种崭新而有效的途径,极具发展潜力。文中以动态系统仿真程序平台为基础,设计了一种计及设备变工况特性的小型生物质沼气内燃发电机组冷热电联供系统,并阐述了其能量流程和运行方式。同时,建立了综合能源、经济和环境效益的多目标优化模型,采用带约束因子的粒子群算法求解,实现了设备容量和运行参数优化。以某养殖场建筑全年冷热电负荷数据为例完成仿真,分析了优化系统运行情况,同时对比了沼气与天然气联供系统的性能差别。结果表明,优化后的联供系统较传统分供系统有效实现了节能减排,同时还可在寿命年限内回收投资成本;另一方面,相比天然气联供系统,沼气系统在节约能源成本和减排二氧化碳方面均具明显优势。     

空间耦合粒子群优化算法及峰谷电价下IES-CCHP区域联合调度

综合能源系统中电力、天然气和热力系统之间的交互影响具有一定的相关性。考虑能源间转换关系以及系统对分时电价的响应,以最小化购售电计划交易成本、燃料成本和排放污染气体所产生的环境成本为目标,建立峰谷电价下冷热电联供(CCHP)系统区域联合环保经济调度模型。为解决粒子群优化算法求解模型时存在的优化效率低、易陷入局部最优、计算结果随机性强等问题,提出一种空间耦合粒子群优化算法。在粒子寻优多维参数空间上,通过引入耦合协调数学模型将各维参数有效耦合,从而使所有参数从总体上同时趋向最优解。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间耦合粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果;所提CCHP系统的联合调度模型能有效促进能源的高效利用、电力的经济调度和节能减排。     

空间耦合粒子群优化算法及峰谷电价下IES-CCHP区域联合调度

综合能源系统中电力、天然气和热力系统之间的交互影响具有一定的相关性。考虑能源间转换关系以及系统对分时电价的响应,以最小化购售电计划交易成本、燃料成本和排放污染气体所产生的环境成本为目标,建立峰谷电价下冷热电联供(CCHP)系统区域联合环保经济调度模型。为解决粒子群优化算法求解模型时存在的优化效率低、易陷入局部最优、计算结果随机性强等问题,提出一种空间耦合粒子群优化算法。在粒子寻优多维参数空间上,通过引入耦合协调数学模型将各维参数有效耦合,从而使所有参数从总体上同时趋向最优解。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间耦合粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果; 所提CCHP系统的联合调度模型能有效促进能源的高效利用、电力的经济调度和节能减排。     

分布式冷热电联供系统优化配置与适用性分析

为提高冷热电联供系统在不同负荷结构下的优化配置水平与综合运行效益,对计及蓄能装置的冷热电三联供系统的优化配置及运行进行了深入研究。基于以热定电、以电定热和多目标综合效益最优的3种运行模式,建立了综合考虑能源、经济和环境效益的多目标优化模型,利用遗传算法对系统设备容量和运行模式进行了优化。然后,分析了能源价格与引入蓄能装置对冷热电联供系统综合效益的影响。最后,基于某建筑负荷不同的冷电比和热电比对上述内容进行仿真分析,并以分供系统作为参照对象,给出了不同负荷结构下冷热电联供系统的最佳配置及最佳运行模式。优化结果表明,在大部分负荷结构下,冷热电联供系统采用多目标综合效益最优运行模式时各方面效益更好。     

含冷热电联供系统微电网优化运行研究

为使冷热电联供(CCHP)型微电网系统能够可靠、安全、经济的运行,首先要考虑对新能源充分的利用,其次要结合储能系统的使用约束以及影响因素。本文建立了冷热电联供型微电网数学模型,综合考虑了各微电源的运行维护费用、燃料费用以及购售电费用等,采用改进粒子群优化算法,针对运行成本最小为目标进行计算仿真。最后以某小区为例,对得出结果进行分析讨论,验证了本文方法的理论性和实用性。     

基于改进粒子群算法的分布式能源系统协同优化运行研究

分布式能源系统是能源利用的未来趋势,其中协同经济优化运行是实现能量供需平衡、降低能源站成本的关键。首先从冷热电协同优化运行入手,建立了包括三联供系统、离心式冷机、空气源热泵以及风光储在内的分布式能源协同运行优化模型,然后考虑设备约束和系统约束,目标函数综合考虑运行成本和环境成本,采用改进粒子群优化算法求解。结果表明,与粒子群算法和自适应粒子群算法相比,该算法有效避免了局部最优以及后期收敛慢的问题,同时具有更好的优化效果。最后针对国内某示范园区分布式能源系统进行优化验证,所提方法能够有效降低总成本,提高分布式能源系统经济效益,促进可再生能源充分消纳。     

计及风光储的冷热电联供系统双层协同优化配置方法

冷热电联供(combined cooling, heat and power,CCHP)系统的高效、经济运行取决于CCHP系统设备容量和运行策略的整体优化。为提高CCHP系统的实用性,文章提出了一种计及风光储的CCHP系统双层协同优化配置方法:外层优化配置以年化总成本最优和污染物排放量最低为目标函数,采用NSGA Ⅱ算法获得设备的容量配置;内层优化配置中采用对偶理论构建鲁棒模型,以考虑污染物排放和购能成本的总运行成本最优为目标函数,得到各设备的优化调度结果。最后,以某园区的CCHP系统为研究对象,采用所提双层协同优化配置方法对该系统进行优化配置,仿真结果验证了所提方法的有效性,能够兼顾经济性和环保性,有效实现系统的协同优化。     

基于粒子群模糊神经网络的短期电力负荷预测

为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将粒子群算法和BP算法相结合的短期负荷预测方法。用粒子群算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测。在构建网络模型时,考虑了气候、温度等因素的影响,并把它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

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。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

基于粒子群优化的非线性灰色Bernoulli模型在中长期负荷预测中的应用

将非线性灰色Bernoulli模型用于到中长期电力负荷预测,提出了优选模型参数的粒子群优化算法。该模型是将GM(1,1)模型与Bernoulli微分方程相结合的一种灰色模型,适用于对不同发展趋势曲线的预测。通过粒子群优化算法,以模型预测平均绝对百分误差最小为目标,选择最优的模型参数。采用不同测试数据以及实际电网负荷数据进行了验证,结果表明上述模型有很好的适应性及较高的预测精度。     

基于PSO的模糊神经网络短期负荷预测

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型。将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法。     

近似粒子群算法在Flow-shop调度中的应用

提出了一种基于近似粒子群算法的车间作业调度问题。根据目标函数建立了算法数学模型,针对该模型,用近似粒子群算法对其进行优化调度。近似粒子群算法是通过交叉、变异和迭代等操作,得到目标的全局较优解。仿真示例说明了近似粒子群算法在求解FlowShop生产调度方面的可行性和有效性。     

基于改进QPSO算法的BIPV建筑削峰填谷双层优化配置策略

针对BIPV建筑负荷削峰填谷和接入配电网后考虑网损、电压偏差的选址优化问题,提出了一种BIPV建筑双层能源系统优化模型。模型下层在考虑DG成本和环境成本的前提下,利用储能对负荷进行削峰填谷,模型上层在考虑配电网网损、电压偏差的前提下对BIPV和储能的选址方案进行优化。在求解该双层模型时利用量子理论中的量子行为和概率表达特性设计了一种改进的多目标量子粒子群算法,在解的处理上引入了一种动态ε不可行度约束支配函数。以IEEE30节点系统为参考系统,算例优化结果表明:BIPV建筑负荷峰谷差、配电网网损和电压偏差得到了有效降低,证明了所提配置优化策略的可行性;同时也表明,所提算法在全局寻优能力和种群多样性方面得到了明显提升。     

基于改进粒子群算法的电动车参与负荷平抑策略

建立了电动车参与负荷平抑的数学模型,在考虑电动车充放电功率及可用容量等约束条件的前提下,应用粒子群优化算法（particle swarm optimization,PSO）对模型进行了求解。针对PSO处理高维问题过早局部收敛的缺陷,提出了基于子向量的改进型PSO算法,在保证算法搜索到空间中的每个区域的同时,将搜索空间分...     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

微电网负荷优化分配

微电网因其发电形式多样、供电方式灵活而成为大电网的有益补充,但微电网的很多基础运行问题都与传统大电网有所不同,需要专门加以研究.研究了微电网的负荷优化分配问题,即在满足系统运行约束条件下优化微电网中微电源的出力,使系统总发电成本最小.分析建立了含有太阳能光伏发电、小型燃气轮机和储能装置的微电网负荷优化分配问题的数学模型,介绍了基于粒子群优化算法的数值求解方法,并通过算例验证了文中所提出方法的有效性.