适用于电力系统短期经济调度的遗传算法

从广义遗传算法的全局收敛性和胞腔排除遗传算法的高效性等两方面,介绍遗传算法在电力系统短期经济调度中的应用现状和发展趋势。     

含风电场的电力系统经济调度研究综述

由于风电具有随机波动特性,大规模风电功率注入电网给电力系统调度运行带来了严峻的考验。分别从建模和求解两个方面阐述并分析了计及风电场的经济调度问题。根据对风速/风电功率不确定特性的不同处理方法,将含风电场的经济调度模型分为确定性建模、模糊建模以及概率建模方法进行论述,并进一步阐明了建模过程中风电引起的备用及风险调度管理问题。对应于优化模型的分类特点,相应地将优化模型的求解方法归结为确定性和不确定性求解方法两大类。最后指出了含有大规模并网风电场的电力系统经济调度问题需要进一步深入开展的工作。     

含风电场的电力系统经济调度研究综述

由于风电具有随机波动特性,大规模风电功率注入电网给电力系统调度运行带来了严峻的考验.分别从建模和求解两个方面阐述并分析了计及风电场的经济调度问题.根据对风速/风电功率不确定特性的不同处理方法,将含风电场的经济调度模型分为确定性建模、模糊建模以及概率建模方法进行论述,并进一步阐明了建模过程中风电引起的备用及风险调度管理问题.对应于优化模型的分类特点,相应地将优化模型的求解方法归结为确定性和不确定性求解方法两大类.最后指出了含有大规模并网风电场的电力系统经济调度问题需要进一步深入开展的工作.     

电力系统经济调度中遗传算法的比较研究

本文介绍了在电力经济调度中用于改善系统运行性能的遗传算法的某些修改，目的是试图找出供遗传算法使用的最佳运行点，为了改善运行性能，涉及到问题的两个阶段，即首先是选择一种适当的遗传策略，其次是为所选定的遗传策略对各种参数的值进行协调，这两个阶段均已在六机系统中经过试验，并按照在线及离线两种情况对试验结果进行了比较，全部研究工作清楚地表明，采用先进的遗传算子及优化选择参数值能使系统性能显著增强。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响。提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题。优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本。以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性。该方法可以节省较多的发电成本,具有较高的实用价值。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响.提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题.优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本.以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性.该方法可以节省较多的发电成本,具有较高的实用价值.     

基于风速预测和随机规划的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响;而并网风电场具有动态、随机、容量大等特点,传统的经济调度方法已不再适用。针对风电场出力的随机性,在风速预测的基础上,应用随机规划理论建立了考虑机组组合的含风电场电力系统动元网络和遗传算法的混合智能算法,提高了算法的收敛速度和搜索性能。以含风电场的IEEE30节点系统为算例验证了所提方法的可行性和有效性。     

电力系统短期安全经济调度新算法

本文提出了考虑直流潮流和电网安全约束的短期经济调度的新算法，并且从理论上证明了该算法的严格性。在计算速度，收敛性和占用计算机内存方面，本文的算法明显优于传统Ｌａｇｒａｎｇｅ松驰算法，为２处理经济调度中更复杂的约束条件提供了新方法。     

含大规模风电场的电力系统动态经济调度

电力系统动态经济调度(DED)问题是一个高维、非凸、多约束的优化难题,风电场并网进一步增加了问题的难度.针对风功率波动性和随机性的特点,模型中引入了风电场出力爬坡约束条件,考虑了含风电场的系统上、下旋转备用量.在大规模风电场并网的基础上,根据电力系统所能提供的最大备用容量,适时优化风机出力,既满足了系统可靠运行,又实现风电最大化利用.为了更好地优化DED问题,增强算法的收敛性能,在二进制微分进化算法的基础上,加入了自适应调整控制参数、共享适应度等改进措施.运用旋转备用、最小启停时间、爬坡等修正策略来处理约束条件,大大提高寻优能力.经典算例分析表明,该方法能快速、有效地求解动态经济调度问题.     

含大规模风电场的电力系统动态经济调度

电力系统动态经济调度（DED）问题是一个高维、非凸、多约束的优化难题,风电场并网进一步增加了问题的难度。针对风功率波动性和随机性的特点,模型中引入了风电场出力爬坡约束条件,考虑了含风电场的系统上、下旋转备用量。在大规模风电场并网的基础上,根据电力系统所能提供的最大备用容量,适时优化风机出力,既满足了系统可靠运行,又实现风电最大化利用。为了更好地优化DED问题,增强算法的收敛性能,在二进制微分进化算法的基础上,加入了自适应调整控制参数、共享适应度等改进措施。运用旋转备用、最小启停时间、爬坡等修正策略来处理约     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

基于改进遗传算法的水电经济调度

传统遗传算法求解电力系统水电经济调度时效率不高,故提出了一种改进遗传算法。该算法采用实数编码,将染色体表示成矩阵形式;并设计了基因行算术交叉算子、基因行变异算子和基因列调整算子三种改进遗传算子,方便了在遗传过程中对约束条件的处理,提高了算法的搜索效率;改进的选择方式较好地避免了有用遗传信息的丢失。仿真结果表明,该算法与传统遗传算法相比,提高了计算效率,有利于获得全局最优解。     

基于FKNN算法的风电功率短期预测

风电场输出功率预测精度的提高能够极大的减轻风力发电对电网的冲击,提高风电并网的安全性和可靠性。针对KNN(K-Nearest Neighbor algorithm)算法存在的不足进行改进,提出了FKNN(Fast K-Nearest Neighbor algorithm)算法并将其应用到风电短期功率预测当中。首先,FKNN算法基于相似数据原理,针对每个预测样本,只需遍历一次训练样本集,得出K值最大时的相似历史样本优先级队列。然后,通过逐渐缩减优先级队列的长度,产生其他K值对应的相似样本优先级队列。其次,从产生的优先级队列中获取多数类样本,并应用其输出功率的平均值对预测样本的输出功率进行预测。最后,通过对吉林省某风电场的大量历史数据进行预测分析,充分证明该算法的简单性和实用性。     

基于改进遗传算法的海上风电场集电系统拓扑优化

海上风电的集电系统的投资成本占比高，对集电系统的拓扑进行优化对降低固定投资有重要意义。集电系统的拓扑优化问题可转化成一个动态变权的最小生成树问题，由于边权变化与拓扑优化相互耦合，无法用传统的生成树方法求解。采用改进的遗传算法，通过优选初始种群、采用链表式编码、精英选择算子的环节改进，既提高了算法效率，又可处理海缆不可交叉等复杂约束。算例表明优化算法具有较好的寻优性和收敛性。     

考虑可中断负荷及风电随机性的电网短期经济调度

文中考虑在短期负荷及风电预测存在偏差的情况下,引入可中断负荷作为一种旋转备用以确保系统的功率平衡。以输电线路传送有功作为电网安全指标,采用CVAR风险理论描绘电网的不确定安全风险,构建了考虑可中断负荷及风电随机性的电力系统短期经济调度模型。在调度总成本中,除了计及常规机组的发电生产费用以外,还考虑了因电力供应不足所造成的需求侧停电补偿费用。最后通过IEEE14节点系统仿真计算,算例结果表明,该模型具有良好的理论意义和实用价值。     

基于Matlab与遗传算法的风电容量

搭建了含励磁和调频系统的同步发电机以及随风速变化的异步发电机系统的数学模型和仿真模块,以新疆布尔津风电-水电互补网络为实例,对系统在风电容量渐增、突增两种情况下的动态稳定性进行了仿真,并将仿真结果与系统的实测运行情况进行了对比分析.仿真结果说明,系统逐步投入所有风电机组,系统稳定;若同时投入所有风电机组,系统失稳;仿真结果与实际运行情况基本吻合;从遗传算法的角度建立了求解风电容量的数学模型,编程计算了系统风电容量的最佳配置,计算结果表明当风电容量占系统总容量比例超过15.23%时,风-水电互补系统稳定性破坏,该结果从仿真分析得到了验证.     

基于经验模态分解和支持向量机的短期风电功率组合预测模型

针对风速序列随时间、空间呈现非平稳性变化的特征,提出一种基于经验模态分解（empirical mode decomposition,EMD）和支持向量机（support vector machine,SVM）的EMD-SVM短期风电功率组合预测方法。该方法首先利用EMD将风速序列分解为一系列相对平稳的分量,以减少不同特征信息间的相互影响;然后利用SVM法对各分量建立预测模型,针对各序列自身特点选择不同的核函数和相关参数来处理各组不同数据,以提高单个模型预测精度。最后将风速预测结果叠加并输入功率转化曲线以得到风电功率预测结果。研究结果表明,EMD-SVM组合预测模型能更好地跟踪风电功率的变化,其预测误差比单一统计模型降低了5%~10%,有效地提高了短期风电功率预测的精度。     

基于鲁棒优化的含风电工业微电网经济调度模型

风电是广泛使用的清洁可再生新能源,将风电引入工业微电网中,对其节能减排有着重要意义。以含风电的工业微电网为研究对象,基于鲁棒优化方法,以发用电成本最低为目标,以生产计划与火电机组出力计划为决策量,建立了含风电工业微电网自发电经济调度双层模型,并利用Benders分解算法对其进行求解。文中还应用某工业微电网数值算例进行测试,结果表明模型能有效平抑负荷波动,降低微电网发用电成本;验证了该鲁棒优化模型在最差情况下优于确定性模型,并且可根据需求改变不确定代价权衡保守性与最优性。