梯级水库发电优化调度的改进粒子群算法应用研究

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度模型求解提供了一种新的途径。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

基于鲶鱼效应粒子群算法的梯级水库群优化调度

针对梯级水库群优化调度多约束、高维、非线性和难以求解的特点,将鲶鱼效应机制引入到粒子群算法中提出鲶鱼效应粒子群算法。该算法在进化中通过鲶鱼启发器引入鲶鱼粒子,依据鲶鱼效应调整种群的飞行模式,一方面利用鲶鱼粒子的驱赶作用使粒子种群跳出稳定状态激发活力,从而提高种群多样性;另一方面利用鲶鱼的高素质动态调节对进化过程进行有目的指导,进而保持算法的高搜索性能。算例表明,和标准粒子群算法、混沌粒子群算法相比,鲶鱼效应粒子群算法具有更好的全局寻优能力和较快的收敛速度,能有效地应用于梯级水库群优化调度中。     

电力市场环境下梯级水库发电优化调度的协进化粒子群算法应用研究

本文针对传统优化算法在求解高维、复杂的梯级水库发电优化调度时多约束条件难以处理、计算机时长、易陷入局部最优解等缺陷,结合电力市场环境下梯级水库发电优化调度的特点,提出了基于协进化的粒子群优化算法,并建立了相应罚因子的评价机制,在此基础上对协进化粒子群优化算法进行了改进.通过实际算例验证了该方法的合理性和可靠性,从而为市场环境下高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。     

梯级水电站群优化调度控制研究及解决方案

研制了分层的乌江梯级水电站群优化调度控制系统,由3个子系统组成:水情测报系统、水库调度系统和梯级远程集中监控系统。将调度控制的优化分解为3个子系统的优化控制。运用了梯级最大发电量、梯级最大蓄能量和梯级各电站最小库水位越限程度3个优化准则,并针对各个优化准则建立了相应的数学模型。在对适用于梯级水电站群优化调度计算的各类优化算法进行分析并结合实际运用情况的基础上,提出应优先考虑采用改进动态规划算法求解梯级水电站群优化调度问题。实际运行情况表明,优化调度控制大幅提高了乌江梯级水电站群的经济效益和运行管理水平。     

基于CE-PSO算法的风、火、梯级水电系统联合优化调度

为促进风电更好地消纳、减少传统化石能源造成的污染,充分发挥梯级水电站的调节能力,制定了一种包含风、火、梯级水电系统的联合优化调度策略。该策略确定了优先风电上网、火电平稳出力、梯级水电补偿运行的调度模式,并依据该策略建立了多目标联合优化模型。针对传统粒子群算法存在容易陷入局部最优解的缺点,采用基于鲶鱼效应改进的粒子群算法对模型进行求解,并在MATLAB软件中进行仿真。算例的仿真结果表明,基于鲶鱼效应改进的粒子群算法能够有效地应用于风、火、梯级水电联合优化调度问题中,能够发挥出梯级水电站调节特性的同时有效地增加风电的上网电量、提高系统的综合效益。     

基于改进粒子群文化算法的机组组合联合调度研究

电力系统联合优化调度可以提高电网运行可靠性的同时提高经济和环境效益。电力系统联合优化调度主要依赖于优化算法。建立了包含火电、光伏储能的机组组合问题调度模型,并针对机组组合问题的优化求解,提出了改进的粒子群文化算法。通过个体进化和参数调整选择粒子全局最优位置,采用循环拥挤距离来控制非劣解集的大小,实现信度空间和种群空间之间的交互。最后,针对实际的电力系统,结合改进粒子群文化算法和分支定界法对火电电力系统、包含光伏电力系统和储能的机组组合问题进行求解。算例验证了该方法的有效性。     

金沙江下游梯级和三峡梯级水电站群联合调度补偿效益分析

为探索金沙江下游梯级和三峡梯级水电站群联合发电调度补偿效益及补偿规律,分别建立以发电量最大为目标的单库优化调度模型和梯级联合优化调度模型,采用经典动态规划法和笔者提出的多精英向导粒子群算法(Elite-guide particle swarm optimization,EGPSO)算法对两模型进行求解,以计算梯级电站群联合调度电力电量补偿效益。选择1999、1983、1992作为丰、平、枯典型代表年径流数据进行计算,分析结果表明:金沙江下游梯级和三峡梯级水电站群联合调度能显著提高梯级整体发电量,减少弃水,补偿效益显著。梯级联合调度中,金沙江梯级对三峡梯级进行电量补偿,在提高枯期出力和季节性发电量的同时,缓解了汛期集中消落带来的调度风险。     

雅砻江–金沙江–长江梯级水电站群联合调度图研究

水库调度图是水库运行的重要指导工具,现有研究主要集中在单库调度图或单梯级联合调度图,针对多子梯级水电站群联合调度图研究较少。本文围绕雅砻江–金沙江–长江梯级水电站群联合调度问题,考虑以子梯级龙头电站作为各子梯级调控主导电站,结合二滩、溪洛渡、向家坝和三峡水电站单库调度图,以"龙头电站水位-梯级总出力"形式编制形成各子梯级初步调度图;在此基础上,结合水库蓄放水判别系数K值的梯级出力分配方式,提出基于联合调度图的梯级电站模拟调度规则,以子梯级和整个流域梯级水电系统多年平均发电量最大为目标,建立梯级水电站群联合调度图优化模型,采用自适应离散微分逐步优化算法进行模型求解,获得雅砻江-金沙江-长江梯级水电站群最优的联合调度图,并进行整个流域水电站群联合调度模拟。计算结果表明,该联合调度图可以在兼顾各子梯级保证出力的同时,有效增加整个流域水电系统的总发电效益。     

风光储联合发电系统日运行计划制定方法研究

基于国家风光储示范项目进行日运行计划制定方法研究,利用粒子群优化算法对模型进行求解,并提出储能电池的充放电优化方法,提高充电电流、充电效率,加强储能系统的补偿效果,延长其使用寿命。通过算例验证了模型的有效性和可行性,能够比较准确地进行系统日运行计划的制定。     

基于改进粒子群算法的火电系统节能环保多目标优化调度模型

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过IEEE 14节点系统算例证明本算法的有效性。     

基于遗传粒子群混合算法的机组组合优化

节能发电调度的目标是实现能耗量最小,合理安排机组发电计划则更为至关重要。在参考文献的基础上,提出了一种用于机组组合优化的遗传粒子群混合优化算法。先用遗传算法求解机组组合,再用粒子群优化算法求解负荷经济分配。按照节能调度思路对遗传算法进行了改进,提高了优化性能。给出了10机算例系统优化结果,验证了该混合算法的可行性和有效性。     

计及阻塞管理及剩余容量的并行粒子群电网规划

基于电力市场阻塞管理技术,采取了综合调整网络架线及发电计划和安装潮流控制设备等措施,并计及网络剩余容量经济指标,建立了新的电力网络规划模型。在分析该模型特点的基础上,提出了对变量进行分类,使用并行粒子群算法(ParticleSwarmOptimization,PSO)对其进行求解的方法,该方法具有灵活性和可扩展性,适于解决多因素、多变量电网规划问题。算例表明,该模型可显著提高规划方案的经济性;并行PSO可有效地提高算法的计算速度和收敛性能。     

基于改进PSO算法的短期发电计划研究

介绍了粒子群优化算法PSO(Panicle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0～1范围内的连续变量．与机组出力一起进行PSO优化搜索,然后再利用就近取整函数“mund”将其转换成整数变量。详细描述了应用改进PSO算法求解机组优化启停问题的具体步骤。将该方法应用于10机系统,实验结果表明该改进PSO算法用于短期发电计划是可行的。     

An improved PSO technique for short-term optimal hydrothermal scheduling

This paper presents a new approach to the solution of optimal power generation to short-term hydrothermal scheduling problem, using improved particle swarm optimization (IPSO) technique. The practical hydrothermal system is highly complex and possesses nonlinear relationship of the problem variables, cascading nature of hydraulic network, water transport delay and scheduling time linkage that make the problem of finding global optimum difficult using standard optimization methods. In this paper an improved PSO technique is suggested that deals with an inequality constraint treatment mechanism called as dynamic search-space squeezing strategy to accelerate the optimization process and simultaneously, the inherent basics of conventional PSO algorithm is preserved. To show its efficiency and robustness, the proposed IPSO is applied on a multi-reservoir cascaded hydro-electric system having prohibited operating zones and a thermal unit with valve point loading. Numerical results are compared with those obtained by dynamic programming (DP), nonlinear programming (NLP), evolutionary programming (EP) and differential evolution (DE) approaches. The simulation results reveal that the proposed IPSO appears to be the best in terms of convergence speed, solution time and minimum cost when compared with established methods like EP and DE.     

基于混合粒子群算法并计及概率的梯级水电站短期优化调度

针对梯级水电站短期优化调度的不确定性问题,研究了不确定性因素的概率分布规律,并根据实际系统的运行要求,给出了概率分布密度函数的假设检验方法。探索发电用水量与各种随机因素的互动关系及影响机理,构建了一种新的计及概率的梯级水电站短期优化调度策略。把灾变理论、混沌优化思想和基本粒子群算法结合起来,形成一种混合粒子群算法。该算法扩大了种群的搜索空间,增加了种群的多样性,改善了基本粒子群算法摆脱局部极值点的能力,并能从理论上证明其依概率收敛至全局最优解。将混合粒子群算法嵌入蒙特卡罗随机模拟中对本文提出的模型进行求解,求解方法简单有效。仿真结果表明,该策略能较好地处理不确定性条件下梯级水电站的短期优化调度问题。     

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。     

粒子群优化算法在电力系统中的应用综述

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。在大量参阅国内外相关文献的基础上,简要介绍了PSO算法的工作原理,较为全面地详述了粒子群优化方法在电力系统中的应用,如电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面,并对今后可能的应用指出了研究方向。     

基于节能环保的水火电多目标调度策略

在国家节能减排的政策下,新的发电调度方式如何与竞价上网的电力市场机制有机结合起来,是一个值得研究的问题。主要考虑水电作为可再生能源的主要方式,提出了一个市场环境下、考虑节能减排目标的水火发电计划多目标模型;并提出一种改进的粒子群算法,设计了多维粒子修正方法,即根据各目标函数的权重系数,修正粒子在目标空间的寻优路径。通过算例,验证了该方法的简单有效性。最后通过基于相对熵均衡性评价模型,对决策结果进行评价与选择。