考虑目标分解及其互补平抑的风电场复合储能容量优化

融合多种储能介质优质特性的复合储能将是未来储能技术发展的重要方向。以具备规模化应用可行性的铅酸蓄电池(VRLA)与全钒液流电池(VRB)为例,针对复合储能系统研究了其容量优化配置计算方法。首先,针对复合储能系统介质特性分解平抑功率目标;其次,构建发挥各介质优势且可协调优化的复合系统充放电策略;最后,建立以复合储能系统经济性运行为目标函数的容量优化配置模型,并基于粒子群优化(PSO)算法实现了求解计算。某风电场实际运行数据分析结果表明,经文中方法优化配置的复合储能系统在等效运行成本、平抑效果、充放电次数等方面均得到了优化,验证了该方法的有效性。     

风电场中储能装置的容量优化

储能技术的发展为风电的大规模并网后造成的电能质量问题提供了有效解决方法。合理的储能设备容量不仅能够提高储能设备的利用效率,也能平滑风电输出,改善电能质量。本文考虑计及储能设备减少旋转备用容量的风电场经济效益及功率波动的平衡性,采用多目标粒子群算法进行风电场储能装置的容量优化,以Pareto最优解集的形式表示储能设备带来的风电场经济性与稳定性多目标的兼顾。并通过某地的风电场典型日出力情况作为仿真实例,验证优化所得结果的有效性,可为风电场的储能装置容量选择提供实用的参考方案。     

考虑电池寿命和过放现象的风电场储能容量优化

风电接入量的增加给电网的安全稳定运行带来了挑战。引入储能系统使风功率输出最大程度地满足期望输出,以减小风电不稳定特性造成的影响。将放电深度及过放现象等造成的寿命损伤折合为运行成本,将未满足期望输出部分的能量折合为惩罚成本,同时考虑储能设备的固有成本,以这三部分综合经济成本最小为优化目标,以功率约束、容量约束、电池寿命约束为约束条件,以遗传算法为求解方法,求解最优的储能容量。算例分析结果表明,采用该方法求得的最优容量,既可以保证较小的经济成本,也可以将功率波动控制在较小范围内。此外,对运行成本、惩罚成本、固有成本的关系进行了分析,证明了引入运行成本的必要性。     

基于改进粒子群优化算法的风电场最大接入容量计算

位于电网末端的大型风电场的接入极大地影响电力系统的安全,风电场最大接入容量研究成为风电场规划和运行的重要课题。根据静态安全约束和暂态稳定约束条件,提出一种基于粒子群优化算法的风电场最大接入容量的确定方法。通过改进粒子群优化算法,其全局搜索能力可进一步提高,并可避免陷入局部最优。通过在IEEE New England 39节点系统上的仿真计算,验证所提方法的有效性,同时还分析了其他影响风电场接入容量的因素。     

考虑风储联合运行系统经济性的储能配置优化

为解决大规模风电并网的功率波动问题,在考虑风储联合运行系统经济性的基础上,结合风电出力波动性和电池储能系统自身运行约束,运用粒子群算法进行储能配置优化。以某风电场为例,根据风电实际输出确定合理的平抑目标,再进行最优储能容量配置。结果表明,风电功率波动得到了明显抑制,同时风储联合运行系统的经济性显著提高,验证了该储能配置方法的可行性和有效性。     

考虑电动汽车充电负荷及储能寿命的充电站储能容量配置优化

提出了一种优化电动汽车充电站储能容量配置的方法。该方法考虑了季节性电动汽车充电负荷波动与光伏出力之间的关系,并且考虑了储能寿命。论文利用蒙特卡罗法考虑了不同类型电动汽车的多种影响因素,对整体负荷进行预测。以每日运行成本最低为优化目标,在考虑四季光伏出力和储能寿命的影响下,采用了3种算法对目标函数进行优化,以得到最佳的光储充电站储能配置方案。研究以西北某地区为例。结果表明：冬季下综合成本为3.043 2×106元,相比于其余3个季节综合成本最低;采用遗传算法时,在综合成本相差不多时,获得的储能配置最优,储能容量为22.82 MWh,储能功率为7.31 MW,从而得到光储充电站最优的储能容量配置。     

风力发电系统中储能容量的优化配置

在风力发电系统中,合理地规划配置储能系统的容量对于风力发电产业的长远发展具有非常重要的意义。首先建立了电池储能系统的模型,提出一种基于该类储能系统的容量优化配置策略,并在此基础上将电池储能系统的全生命周期成本作为储能容量的优化目标,建立了以发电系统能量缺失率等运行指标为约束条件的储能容量优化模型,运用粒子群算法对该复杂优化配置模型进行求解计算。通过对算例系统的求解,验证了所建模型和算法的正确性和有效性,同时也为风力发电系统中储能单元的容量优化提供了参考。     

基于改进PSO-DE融合算法的风电场储能容量优化配置

根据蓄电池数学模型和充放电特点,综合考虑蓄电池投资成本和风电场弃风率,建立了由蓄电池投资成本和风电场弃风率组成综合成本为目标函数的风电场储能容量优化配置模型,并给出了模型的约束条件。采用惯性权系数调整、越界粒子变异操作和粒子初始化规则调整等策略对粒子群-差分融合算法（Particle Swarm Optimization-Differential Evolution,PSO-DE）算法进行改进,得到改进PSO-DE融合算法,对风电场储能容量优化配置模型进行求解。结果表明,改进PSO-DE融合算法只需要48次迭代就找到了综合成本最小值为624.18万元,对应的最优储能容量为11.25 MWh,风电场弃风率为0.15%,验证了所提出的风电场最优储能容量计算方法的实用性。     

考虑电动汽车的微电网复合储能容量优化配置

复合储能在微电网功率平衡、平抑可再生能源波动、提高电池使用寿命等方面有着显著作用,是未来微电网储能发展方向之一。针对含有风力发电和光伏发电的微电网,考虑微电网中电动汽车有序充放电,建立复合储能容量优化模型。通过经验模态分解分割平抑任务,最后利用粒子群优化算法对所搭建模型进行求解。比较无电动汽车、电动汽车随机充电和有序充放电3种模式下的容量优化配置结果。通过搭建仿真,对有序充放电模式下复合储能的功率分解以及荷电状态进行分析,验证了该方法在平抑波动方面的有效性。     

小型工业园区储能容量优化配置研究

成熟的储能技术为小型工业园区的低碳运行提供了技术支撑,在此背景下提出了一种小型工业园区储能容量优化配置模型.研究了储电装置、储热装置、储冷装置的运行约束以及小型工业园区的负荷特点,构建了双层规划模型.内层是小型工业园区的源-荷-储协同运行层,     

含风电场与电动汽车充换电站的电力系统经济调度

在分析风电和电动汽车发展形势的基础上,提出将电动汽车充换电站视作储能电站引入电网调度,为含有风电场的系统提供备用.通过对风电出力和充换电站可用容量的预测,考虑风电和充换电站建立经济调度模型,提出模型优化策略,并采用粒子群优化算法（PSO）求解.通过算例验证了模型和算法的正确性和有效性.     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

基于粒子群优化的电力负荷灰色预测模型

通过对dt^-dx^（1）＋ax^（1）=u的通解x^^（1）=ce^-ak＋a^-u的参数a、u、c直接求解,避免了灰微分方程参数辨识时选取合理背景值的问题,构建了适应性更强的不需构造GM（1,1）模型的背詈值而直接求解灰微分方程参数的模型,并且在求解这些参数的过程中,应用了在求解非线性问题中具有全局寻优能力的粒子群算法（PSO）。提出了基于粒子群算法优化的电力负荷灰色预测模型PSOGM（1,1,a,u,c）,通过在电力负荷实例中的应用并与传统的GM（1,1）预测模型进行了效果比较,验证了基于粒子群算法优化的电力负荷GM（1,1）模型具有很好的预测精度和适用性。     

计及缺电成本的用户侧蓄电池储能系统容量规划

在相关研究的基础上,考虑了用户侧电池储能系统在减少用户配电站建设容量和降低购电费用方面为用户带来的经济价值,建立了其降低配电变压器损耗和停电损失的价值模型。同时,考虑蓄电池储能系统的投资成本和运行维护成本,建立了其容量优化规划模型,并用粒子群优化算法进行了求解。     

粒子群算法在电动机辨识中的应用及研究

介绍了粒子群算法(PSO)及其实现电动机参数辨识的工作原理,总结了应用粒子群算法实现电动机参数辨识的国内研究状况,并指出了粒子群算法在电动机参数辨识领域以离线电动机工程应用为主的发展趋势.     

含微电网的电力系统状态估计研究

分布式电源的接入不仅改变了电网的潮流分布和拓扑结构,而且使微电网系统的状态估计面临新的挑战。基于有限的实时量测和包含分布式电源节点的伪量测提出微电网状态估计量（MGSE）,并分别采用改进的传统加权最小二乘法（WLS）和粒子群智能算法（PSO）对微电网进行求解。利用Matlab对一典型欧洲低压微电网系统的状态估计进行仿真,验证了该估计量能准确地描述系统的状态,并比较了两种算法的优劣,为含微电网的电力系统预测控制和性能优化提供了基础。     

发电机组检修计划优化模型的蚁群-粒子群混合算法

针对检修计划的多目标、多约束特性,以系统运行总费用最小为目标建立经济性模型,并利用蚁群-粒子群混合算法进行求解。对于蚁群算法(ant colony algorithm,ACA)运行参数的选取问题,利用粒子群优化(particle swarm optimization,PSO)算法对蚁群系统参数α和β进行训练优化选择,同时引入状态表记忆机制和惩罚因子,从而提高ACA求解速度和解的质量。算例仿真结果证明,该模型具有很好的经济性和实用性。     

基于概率最优潮流的风电接入能力分析

提出了一种基于概率最优潮流的风电接入能力分析方法。考虑风电场风速的随机性,应用机会约束规划理论,在同时满足系统潮流约束和安全运行的前提下,以系统接纳风电容量最大化为目标,建立了一个含随机变量的多变量、多约束、非线性混合整数规划模型,并提出了一种基于随机模拟技术的粒子群优化算法求解模型。以IEEE-30节点测试系统为算例...     

基于粒子群算法的含光伏电站的配电网无功优化

对于含光伏电站的低压配电网,电压等级降低了,输电线路上的电压降不仅受无功功率的影响,有时有功功率引起的电压波动更加明显.由于有功和无功引起的电压变动分量是代数和的关系,因此无功补偿在一定程度上可以弥补有功功率变动造成的电压波动问题.以系统运行成本最优为目标函数,包括采用补偿措施后减小的配电网功率损耗费用和加装无功补偿装置的费用2个部分,建立含光伏电站配电网的无功补偿优化数学模型.该模型考虑了光伏电站并网逆变器的无功调节能力,采用改进的多组织粒子群算法对规划模型进行求解,通过算例分析验证了该模型与算法的可行性和有效性.