复杂时段耦合型约束水电站群短期变尺度优化调度方法

复杂时段耦合型约束是制约大规模水电短期优化调度高效求解的主要因素之一。提出了一种水电站群变尺度优化调度方法,旨在通过增大时段步长,以弱化甚至消除时段耦合型约束,进而提高算法搜索效率,改善优化调度质量。在求解过程中,首先将原问题转换为多个具有相同调度周期、相同目标和控制需求但不同步长的水电站群优化调度问题,并按照步长从大到小的顺序依次求解各问题,面临问题的初始解由前一阶段大步长问题的优化出力结果确定,直至完成最小步长问题即原问题的优化求解。所提方法通过云南电网水电站群仿真调度实例得到验证,与单一尺度优化方法相比,结果质量和计算效率均得到不同程度地改善。     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

考虑网损的风电场有功功率分配方法

以风电功率预测为基础,将粒子群优化算法引入到风电场调度问题中,建立了以风电场有功功率损耗最小为优化目标的风电场调度模型,并提出了计算方法.计算实例表明,该方法可以有效解决风电场内部运行在非最大功率追踪模式下的风力发电机的调度难题,相比传统方法可大幅减少有功功率的损耗,使得风力发电机能更加有效地跟踪调度中心的出力要求.     

基于改进粒子群算法的梯级水电站优化调度

梯级水电站的优化调度是一个具有复杂约束条件的大型动态非线性优化问题,运用标准线性粒子群算法求解有易陷入局部最优的特点.针对这个问题对惯性权重的更新策略进行改进,减弱了典型线性寻优的局限性,得到更优的优化结果.以恩施芭蕉河梯级水电站丰水期为例,建立以周期发电量最大为目标函数的梯级水电站的短期优化调度模型,运用粒子群优化算法对其进行求解,得到了较好的梯级水电站优化调度结果.     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

基于改进粒子群算法的水电站水库优化调度研究

针对粒子群优化算法容易陷入局部最优解的问题,提出一种基于模拟退火机制的改进粒子群优化算法,并将其引入水库调度领域,设计了基于该算法的水电站水库优化调度问题的求解方法。计算实例表明,该方法采用并行搜索机制,计算速度快、全局寻优的可靠性较高,具有较好的应用前景。     

流域梯级水电站群优化调度的多向导粒子群算法

针对发电侧市场开放后流域发电公司追求发电效益最大的特点,建立以流域梯级总收益最大为目标的梯级水电站群优化调度模型。为克服粒子群优化算法在迭代后期种群趋同化严重的弊端,在动态自适应惯性权重粒子群算法基础上提出一种多向导粒子群算法。该算法在粒子飞行方向上引入多向导策略：在粒子种群最优向导上引入最优向导集使种群最好解及其他较好解均有可能成为种群最优飞行向导;在个体最优向导上引入全面学习思想,使每个粒子以一定概率向其他粒子个体最好解学习。最后以我国西南某流域2库5级梯级水电站群为例进行计算,结果表明所提算法比相关方法更优。     

基于改进粒子群算法的微网动态经济调度算法

对微网并网运行模式下的动态经济调度进行了研究,建立了优化微网内分布式电源出力的数学模型,同时考虑对主网向微网输入功率的优化。数学模型以最小化微网内总用电成本为目标,目标中将从主网中的购电成本视为用电成本的一部分,在考虑微网内功率平衡以及分布式电源出力大小和爬坡限制的约束条件下,对目标函数进行优化。解决平衡约束时,采用潮流计算的方法,将公共连接点视为潮流计算中的平衡节点,可根据网内出力和负荷平衡情况适时进行调节。求解数学模型时,采用粒子群算法,并对粒子群算法进行改进,在其中加入自适应措施,以解决非凸、高维、非线性的优化问题。典型算例验证表明,所提出的微网动态经济调度模型合理,求解算法具有很好的实用价值。     

基于黄金分割的混沌粒子群优化算法在配电网无功规划中的应用

首先以有功损耗功率最小作为目标函数,将节点电压越限和发电机无功出力越限作为罚函数,建立无功补偿在配电网中优化配置的数学模型。然后设计基于黄金分割的混沌粒子群优化算法对上述模型进行求解。该算法通过黄金分割评判准则,按照适应度的高低,将粒子群分成标准粒子和混沌粒子两部分,同时解决了粒子群优化过程中容易陷入局部最优和混沌算法重复搜索部分解的问题,从而可以更有效地搜索到全局最优解,成功地提高了无功优化问题的求解速度,使算法能更好地适应问题的求解。算例结果表明,该方法技术上可行且效果较好。     

蚁群算法在水电站调度函数优化中的应用

调度函数作为一种能够明确指导水电站水库运行的技术,较常规的水库调度图能更有效地发挥水电站的运行效益。针对调度函数的编制特点及其存在的优化空间,将蚁群算法应用于水电站调度函数的优化模型中。以金沙江中游梯级水电站群为实例,针对其初始调度函数进行优化,并模拟其长系列径流的发电调度过程。计算结果表明,经过优化后的调度函数能显著...     

含风电机组的配电网中分布式电源的最优配置

为解决配电网中含风电机组分布式电源的最优配置问题,首先根据风速概率密度分布函数,推导出风电机组的输出功率函数,之后构建了含有分布式电源的固定投资费用、负荷增量与分布式电源出力的相关费用和以最小网损和最小常规发电机有功出力为目标的风电机组的惩罚成本的目标函数,并以配电系统中电压、电流等为约束条件,提出了一种以自适应惯性粒子群算法为全局搜索和以混沌算法为局部搜索的混合粒子群算法来获取目标函数的最优解。最后通过IEEE 69节点系统验证了所提出模型和算法的优异性。     

基于总体协调满意度的水火电力系统多目标短期优化调度

水火电力系统多目标优化调度符合国家节能减排的政策导向,在考虑整个系统梯级水电站发电效益最大化、火电机组发电成本最小化和梯级水电站发电用水最小化的目标同时,考虑了火电机组二氧化碳排放最小化的优化目标。针对水火电力系统短期优化运行调度中目标函数的权重处理困难的因素,采用一种基于目标函数总体协调满意度的处理方法,通过采用自然选择机制策略和异步学习因子策略提高算法的性能。以5个梯级水电站和4台火电机组组成的水火电力系统为实例进行计算．优化仿真计算证明了所提出的优化调度模型和求解算法具有可行性和适用性。     

含小水电群的风-水-火地区电网旋转备用协调优化策略研究

传统旋转备用计算模型已不再适用于含小水电群和风电接入的地区电网。以负荷损失较小、清洁能源利用率高、运行成本低为目标,基于最小火电燃料费用、最小期望停电成本、最小火电机组出力波动和最小主力水电弃水量函数模型,建立了考虑风-水-火协调运行的多目标旋转备用优化模型。采用引入粒子浓度认知的改进粒子群优化算法,通过仿真分析,验证了该模型的适用性和有效性。在不同策略下进行比较,该方法能在较低的失负荷概率情况下,得到较低的火电机组燃料费用;能随着小水电群和风电出力大小协调优化旋转备用容量。该模型及算法对存在相当规模小水电及风电的风-水-火地区电网制定旋转备用优化策略有参考价值。     

三峡电力系统大型水电站群与三峡电站联合运行优化补偿调度运行方式研究

在对三峡电力系统及电网内大型水电站特性分析的基础上,以提高水电站群整体调峰能力为目标,建立了水电站群优化补偿调度计算模型;并应用该模型对三峡电力系统水电站群与三峡电站联合运行进行了优化补偿调度研究.引入了水电站群"电能价值最高"的概念,为优化目标的度量和优化模型的建立奠定了基础.研究结果表明,三峡电力系统大型水电站群与三峡电站之间存在明显的优化补偿效益,在优化补偿调度方式下,水电站群的整体调峰能力有明显提高.     

基于数据挖掘的梯级水电站群指令调度优化方法

水电规模急剧扩大和电网调度精细化要求不断提高给水电调度的时效性和结果可用性带来极大挑战。提出一种基于数据挖掘的梯级水电站群指令调度优化方法,采用聚类分析从电站海量日发电数据中提炼出若干关键特性指标并聚类形成调度决策库;以此为基础,采用大系统分解协调方法对不同流域不同电站进行分层求解,并耦合逐步优化算法组合优选水电站群调度出力曲线及其变化幅值,快速得到合理可行的调度决策。澜沧江中下游梯级水电站群实例研究表明,所述方法能够快速获得水电站群发电出力曲线,且符合实际调度要求,是一种切实高效的实用化方法。     

自适应混沌粒子群算法在PSS设计中的应用

该文采用一种改进的粒子群算法PSO———自适应混沌粒子群算法ACPSO,对多机电力系统稳定器参数进行优化设计,以抑制系统低频振荡。该算法通过混沌初始化粒子群,在迭代计算过程中根据粒子的适应值自适应地调整算法惯性系数,从而可以获得更好的全局搜索能力和收敛速度。选取系统机电振荡模式最小阻尼比最大化为目标函数,将PSS参数优化转换为带不等式约束的非线性优化问题。以3机9节点系统为例,特征值和非线性仿真结果表明,运用该方法设计的PSS能够有效地抑制外界扰动引起的低频振荡。     

基于改进蝙蝠算法的风蓄联合优化运行研究

由于风电的波动性和不确定性,大规模并网将对电力系统稳定运行产生较大的影响.将风电和抽水蓄能电站联合优化运行,以输出功率标准差最小为目标函数,建立了风电-抽水蓄能联合优化运行模型.风蓄联合优化运行模型是一个典型的高维、非线性优化问题,涉及复杂的风电、水电多决策变量.为有效解决这一问题,引入佳点集方法对蝙蝠算法进行改进,分...     

一种改进的PSO算法在系统无功优化中的应用研究

为了确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的。IEEE-6节点标准系统仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力。     

自适应混合粒子群算法在梯级水电站群优化调度中的应用

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法（AHPSO）。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,AHPSO比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。