基于改进多目标海樽群算法的电力系统优化调度

文中提出了一种新的多目标海樽群优化算法,将其与等式约束修正技术和可行解占优约束处理技术相结合,用于求解高度约束的电力系统环境经济优化调度问题。该算法采用高斯采样策略和变异操作增强其寻优性能;通过一种改进的基于动态拥挤距离的非支配排序方法获得分布均匀的帕累托最优前沿;应用模糊集理论为决策者提供最佳折中解。在IEEE 30节点6机组标准测试系统上进行算例仿真,并与其它优化算法进行了对比。结果表明,所提算法在求解电力系统环境经济调度问题时具有更好的优化效果。     

考虑大规模电动汽车入网的协同优化调度

就可入网电动汽车(PHEV)广泛接入电力系统后的机组最优组合问题进行了研究。将各时段的燃煤机组出力和PHEV充放电数量作为决策变量,以机组燃煤费用最小为目标函数,并引入相应的约束条件,提出一种带有动态约束处理的纵横交叉算法,以求出该模型的最优调度方案。纵横交叉算法采用一种双交叉搜索机制,在扩大了搜索空间同时,保持了种群的多样性,大大增强其全局搜索能力和收敛精度。两种交叉方式通过竞争算子完美的结合起来,所产生结果会呈链式反应在整个种群中蔓延。最后实验部分,以10机组模型为例,证明了此算法能有效解决非凹、约束耦合的发电成本最小化问题。     

基于多目标粒子群算法的电力系统环境经济调度研究

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO )算法,用于求解电力系统的环境/经济调度问题。通过设计特定的约束修正因子,将不可行解修正成可行解,并在此基础上用惩罚函数法构建了新的适用于多目标粒子群的适应度函数模型。根据帕累托占优条件形成历史帕累托最优解集和全局帕累托最优解集,引入稀疏度排序法选择全局最优解,基于帕累托最优前沿的斜率特性,提出用斜率法筛选非劣解,采用基于模糊数学的满意度评价模型选择POF的折衷最优解。最后,用IEEE-30节点标准测试系统对所提算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明所提算法可行、有效。     

一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用

针对电力系统动态经济调度(DED)问题,引入差分进化算法,提出一种基于混沌序列的动态差分进化算法(ＡＤＤＥＣＳ)。该算法采用混沌序列动态调整差分进化算法的参数设置,保持种群的多样性。动态搜索策略被用于提高算法的整体搜索性能,它由全局搜索策略和局部搜索策略2部分组成。为了加速收敛和解决DED复杂的约束处理问题,采用基于多目标概念的约束处理机制,并提出一种根据机组调节能力来按比例分摊不可行解约束违反量的新方法。同时在搜索过程中,通过采用不同的变异策略结合改进的随机搜索策略来避免算法早熟,增强全局最优解的搜索能力。提出的方法的可行性和有效性由10机测试系统来证明,和其他方法相比,ADDECS方法计算速度快,计算精度高且鲁棒性强。     

考虑风电接入的大型电力系统多目标动态优化调度

针对风电接入的大型电力系统,提出了以发电总燃料耗量、污染气体排放量和购电费用最小为目标的多目标动态优化调度模型,并考虑了抽水蓄能机组的实际运行特性对优化调度的影响。采用法线边界交叉法将多目标优化问题转换为一系列单目标问题,并采用原对偶内点法求解,从而获得均匀分布的帕累托最优解。根据熵权双基点法决策出折中最优解,为运行人员提供决策指导。在某省级电力系统上的计算结果表明,法线边界交叉法和熵权双基点法的结合能够快速、有效地求解电力系统多目标动态优化调度问题。     

采用基于分解的多目标进化算法的电力环境经济调度

为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。     

基于改进多目标粒子群算法的配电网储能选址定容

以系统节点电压波动、负荷波动以及储能系统总容量为目标建立了储能选址定容优化模型.求解过程中提出了一种改进多目标粒子群算法(improved multi-objective particle swarm optimizer,IMOPSO).该算法根据粒子与种群最优粒子的距离来指导惯性权重的取值,使得各粒子的惯性权重可以自适应调整,并在二者距离较小时引入交叉变异操作,避免陷入局部最优解,同时采用动态密集距离排序来更新非劣解集并指导种群全局最优解的选取,在保持解集规模的同时使解的分布更均匀.为避免决策者偏好对最终结果的影响,采用基于信息熵的序数偏好法从最优Pareto解集中选取储能的最优接入方案.以IEEE-33节点配电系统为例进行仿真验证,结果表明该方法在储能选址定容问题求解中具有很好的收敛性以及全局搜索能力.     

基于柔性直流互联的多微网集成聚合运行优化及分析

为解决多微网集成聚合控制与运行管理问题,提出一种多微网柔性直流互联方案及多目标优化调度方法。首先介绍了多微网柔性直流互联结构和电压源型变流器(VSC)模型。然后,以微网中电压波动最小和系统网损最小为优化目标,综合考虑交流系统、直流系统和VSC的运行约束,提出了基于柔性直流互联多微网的多目标优化模型。最后,采用改进非劣排序多目标遗传算法(NSGA-Ⅱ)和交直流混合潮流算法对多目标优化模型进行求解,得到帕累托(Pareto)最优解集,针对Pareto最优解集中解的数量大的问题,提出采用模糊聚类法对Pareto最优解集进行筛选,得到最终优化调度方案。对算例进行了仿真分析,结果表明所提模型和算法能够有效抑制微网电压的波动,进而提高可再生能源的渗透率,同时保证系统的经济运行。     

求解电力系统多目标环境经济调度的帕累托最优MFO算法

本文提出了一种利用MFO算法解决电力系统环境经济调度的新方法,该算法利用飞蛾扑火原理对设定目标进行螺旋式搜索,并在目标位置进行重复检索。MFO算法对于大规模非线性规划问题具有较强的适应性和有效性。在求解环境经济调度问题中,结合实际发电系统运行过程中应满足的功率平衡约束和容量约束等,以总燃料成本和污染排放最低为目标建立多目标规划数学模型。运用帕累托最优前沿求取帕累托非劣性最优解,得到帕累托最优配置方案,在可行域中搜索出全局最优解。在MATLAB仿真平台对含40台发电机组系统进行仿真计算,结果表明本文提出算法在求解电力系统环境经济调度中具有较高的收敛性和较强的适应性。     

基于混沌遗传和模糊决策算法的多目标负荷经济调度

提出一种可同时得到电力系统最优机组组合和多目标负荷分配结果的混沌遗传和模糊决策算法.结合改进优先顺序法、启发式遗传算法、混沌优化和模糊决策的优点,按改进的优先顺序法确定各时段运行的机组序列,用启发式遗传算法确定机组组合状态,并对交叉率和变异率进行模糊决策.在负荷分配中,考虑单一经济目标和多目标优化2种决策模型,用遗传算法进行并行搜索,同时在最优点附近利用混沌优化的遍历性进行局部寻优,避免遗传算法陷入局部最优,有效提高了收敛速度.将所提算法分别应用于10机和30机系统中,结果表明,该算法较好地处理了电力系统负荷经济调度的各种约束条件,减少了不可行解,加快了收敛速度.     

发电动态经济调度的有效响应能力调整量算法

对基于前瞻技术和响应能力解耦的动态经济调度算法中的机组进行了精确分类,给出最大有效响应能力调整量的概念。分析了快速机组、临界机组和慢速机组补偿响应能力的作用特点,指出现有算法的不足。基于有效响应能力调整量提出一种新的动态经济调度算法,该算法以静态优化调度结果为基础,采用“在最大有效响应能力调整量范围内,快速机组向临界机组过渡、慢速机组向临界机组过渡”的调整原则进行二次经济调度。分析表明,该算法具有动态前瞻机制、可一次精确完成响应能力缺额补偿、迭代次数少、计算效率高等特点。算例证实了算法的可行性。     

基于模糊多目标优化的负荷优化分配研究

针对火电厂负荷优化分配,基于煤耗最小的单目标优化的局限性,提出了兼顾全厂煤耗最小和完成变负荷时间最短的双目标负荷优化分配模型,利用模糊理论将此双目标函数处理成相同约束条件下的单目标函数;然后用动态规划法求解,并将此结果同只考虑煤耗最小的单目标优化模型的结果相比较;最后对4台机组进行仿真。结果表明:采用多目标模糊优化设计对负荷优化分配效果良好。     

基于混沌粒子群优化方法的电力系统无功最优潮流

针对电力系统无功最优潮流问题,提出一种混沌粒子群优化(CPSO)方法,以克服粒子群优化(PSO)方法容易早熟而陷入局部最优解的缺点。该方法结合混沌变量良好的遍历特性及混沌优化的特点,对即将重合而引起搜索能力下降的粒子赋予混沌状态搜索,其余粒子仍以常规PSO方法搜索,从而提高PSO方法的寻优性能。通过对IEEE6,IEEE14,IEEE30和IEEE118测试系统无功最优潮流问题的计算及分析,表明CPSO方法具有很高的搜索效率和诱人的应用前景。     

应用粒子群优化算法求解市场环境下的电力系统动态经济调度问题

在竞争性的电力市场环境下,为了获得最大化的社会利润,提出了基于竞价机制的动态经济调度模型,该模型综合考虑了发电机组的爬坡约束、输电线路的容量约束和污染气体排放量的约束。针对该模型,提出了一种新的求解方法:粒子群优化算法(PSO)。算例的结果表明,PSO算法能够有效地得到一个高性能的优化调度结果     

考虑SVC和储能接入电网的多目标协同经济调度

针对风电并网引起的电网功率波动和安全运行问题,提出一种考虑SVC和储能的多目标协同经济调度优化方法.以典型日运行为例,建立了以系统综合运行成本、电压偏差和系统网损最小为目标函数的经济调度多目标优化模型,在优化过程中对经济调度和无功优化模型的目标进行协同迭代,获取兼顾电网经济性和安全性的最优解,并将结果与利用权重系数法获...     

基于适应度空间距离评估选取的多目标粒子群算法在电网无功优化中的应用

提出了一种基于适应度空间距离评估选取最优解的多目标粒子群算法。该方法避免了目前多目标优化求解方法中权重选择的难题,保证了寻优方向的多向性,可以获得多目标优化问题的Pareto解集。将该算法应用于网损最小、静态电压稳定裕度最大为目标的多目标无功优化问题,算例表明在有效性和最优性等方面均有良好表现。     

基于改进多目标粒子群算法的含风电场电力系统优化调度

由于风电具有随机性和波动性的特点,常规电力系统分析、调度及控制方式受到了新的挑战。深入研究了含风电场的电力系统优化调度问题,建立了基于多目标粒子群算法的调度模型,在该模型中考虑发电成本、污染气体排放量及风电场输出功率短期波动引起的系统运行风险,在约束条件中加入了正负旋转备用容量,从而减小了风电波动和预测误差对系统的影响程度。算法设计上,通过引入遗传算子对多目标粒子群算法搜索机组组合的能力进行改进,提高了该模型的全局寻优能力。10机系统算例结果分析表明,所提方法正确有效,且能够减少寻优过程中不可行解、解决各优化目标之间的冲突性,使所有目标函数尽可能达到最优。     

随机风电接入的电力系统动态经济调度多场景协同优化

针对随机风电接入的电力系统动态经济调度问题,采用场景法应对随机风电接入带来的不确定性,并以发电总成本最小为优化目标,结合多学科协同优化算法的核心思想建立基于多场景解耦的电力系统动态经济调度协同优化模型。引入动态松弛算法求解模型的系统级优化问题,有效克服传统多学科协同优化算法的不足;采用网格计算工具并行求解由多场景构建的子学科优化问题,大幅提高求解规模和计算效率。含风电的IEEE 39节点系统仿真结果表明,所提模型是可行有效的,并且优化效果要优于基于GAMS-BARON求解器的传统场景法。     

SFOA算法在电力系统多目标无功优化的应用

电力系统由于无功分布不合理引起的事故越来越多。以系统网损、电压平均偏离、电压安全稳定裕度3个指标建立无功优化模型,引入了动态罚函数体现状态变量约束在优化过程的影响,并用个人偏好约束下的权值分配方法根据用户的需求对各个指标分配权值,采用SFOA算法求得电力系统多目标无功优化在可行域内的最优解。从SFOA算法和PSO算法运用于IEEE 30和IEEE 57节点系统优化结果比较表明:所提出的算法是可行有效的。     

计及效率的综合能源系统多目标优化调度方法

综合考虑综合能源系统(IES)在能效、经济、环境等多目标上的优化调度需求,提出一种IES的多目标优化调度模型及求解方法,以实现多能互补IES的节能减排、经济运行与环境友好调度运行。首先建立了满足IES在能效、经济、环境等方面的优化调度需求的多目标函数模型,并在能效目标函数中引入■效率,实现多能耦合系统的高效、高质量用能;其次建立了适用于多目标优化调度的IES数学模型,并通过模型凸松弛等方法保证模型的凸性,提高问题求解效率;再次建立了多目标优化调度问题帕累托前端的求解及运用方法,利用多目标凸优化问题的标量化方法进行模型转换,从而求解多目标凸优化问题,并提出筛选方法,用于从帕累托前端中筛选得到综合性能较好的调度方案;最后结合贵州省某IES算例仿真,验证了所建立多目标优化调度模型与求解方法在满足区域IES由于多能耦合而带来的多目标调度需求上的可行性。