考虑风电出力预测误差的电力系统多目标动态优化调度策略研究

本文提出一种考虑风电出力预测误差的电力系统多目标动态优化调度策略。该策略首先在风速-风电功率预测方法基础上,分析了基于风电场功率特性的风电场预测误差的概率分布特征,实现功率预测误差的精细化建模;然后建立考虑总环境污染成本及机组成本的多目标动态优化调度模型,并采用启发式搜索的粒子群算法对调度模型进行优化求解。最后以包含火电机组和大型风电场的供电系统为例进行仿真,结果表明所提方法能够为调度运行人员提供有效的调度决策信息。     

计及新能源接入的主动配电网多目标优化仿真北大核心

针对越来越多出力不确定的新能源及负荷大规模接入配电网,影响了主网运行的安全性与经济性。文章对风光出力进行了建模得到风光出力的概率密度函数,经离散变换得到各时段的出力期望值。建立了双层规划模型,上层规划以系统的网络损耗最小来确定分布式电源的安装位置;下层规划根据分布式电源的节点电压稳定性指数、投资效益指标建立的多目标优化数学模型来确定安装容量。采用改进的差分进化算法和量子粒子群算法对模型求解。最后在加入新能源的IEEE33节点系统上进行仿真,并分两阶段对所提模型进行分析,第一阶段分析所提模型对主网安全性的有效优化,第二阶段分析在考虑分时电价下此规划在经济效益方面的有效性。     

两种风蓄协调控制策略在不同装机配比工况下的对比分析

为解决大规模风电入网造成系统功率波动性过大问题,本文提出两种风电-抽水蓄能协调控制策略,以抽水蓄能机组运行特性为基础,建立风蓄协调策略优化调度模型,策略1以弃风量最小和系统调峰效果最优为联合控制目标,策略2以风蓄联合出力波动量最小为控制目标;采用加入启发式改进的二进制粒子群算法,将抽水和发电出力进行统一二进制编码,利用外点罚函数法对模型约束进行调整,用于风蓄协调调度问题的求解。利用含火电机组、抽水蓄能机组和不同装机容量的风电场的测试系统,对风电-抽水蓄能协调控制策略进行验证,结果表明本文所提两种风蓄协调控制策略均能起到平滑风电波动的效果,通过进一步比较系统运行费用,总结了两种风蓄协调策略的控制特性和适用工况。     

考虑无功补偿的中/高压配电网双层协调控制方法

由于当前配电网协调方法没有考虑无功补偿问题,导致网损增加以及电压水平降低。为了有效解决上述问题,提出一种考虑无功补偿的中/高压配电网双层协调控制方法。分析无功补偿对中/高压配电网作用以及补偿装置的影响,择优选取无功补偿方式,确定配电网多种优化指标,组建双层协调控制模型。选取最小电压偏差为目标函数,采用模拟退火粒子群算法对模型进行求解,获取双层协调控制方案。仿真实验结果表明,所提方法能够有效降低网损,提升电压水平,达到理想的控制效果。     

基于双层粒子群算法的主动配电网分布式电源规划

随着电力市场化程度的提高,主动配电网中需求侧资源与分布式电源的协调综合优化利用能减缓高峰时段电网阻塞,提高电力资产利用率.分布式电源规划与科学合理的接入对主动配电网中需求侧资源的优化利用至关重要.论文选取风力发电机、光伏发电机和微型燃气轮机为待规划分布式电源,以年综合费用最小为目标函数,以分布式电源渗透率、年最大负荷中断量、待规划节点处分布式电源装机容量等多种电气量为约束条件,建立考虑需求侧响应的分布式电源规划模型.基于分解协调思想,将模型分解为规划层和运行层,并采用双层粒子群算法求解.以IEEE33节点配电系统为算例,验证了规划方法的有效性.     

一种用于微电网经济调度的分布式粒子群算法

随着微电网技术在电力系统中的应用愈加广泛,协调微电网内部分布式电源的出力分配以提高经济性成为了研究的重要课题。目前主流的经济调度方法是微电网调度中心利用全网微电源及负荷的信息进行调度,但这种集中式的方法依赖调度中心的计算能力,对微电源与调度中心之间通信要求较高,且与微电网的分布式特性相违背。提出一种完全分布式的并行调度方法,各分布式电源作为独立的智能体,平等地参与调度工作,利用自身与邻居节点之间的势能博弈,基于粒子群算法优化自身的出力,进而实现全网经济性最优的目标。在MATLAB平台上搭建了独立微电网优化调度模型,验证了所提出方法的可行性,并讨论了相关参数的变化对于调度结果的影响。     

电动汽车典型快充站优化运行配置方法

为了降低大功率快充桩对电网冲击波动,并考虑典型快充站分布式电源和储能优势,提出一种电动汽车典型快充站优化运行配置方法.通过分析站内分布式电源出力特点以及电动汽车充电行为规律,以充电站运行成本最小为优化目标,建立典型快充站优化运行配置模型,以站内功率平衡、分布式电源出力等为约束条件,利用遗传优化算法求解模型最优解.最后通过不同配置算例验证所提方法的可行性,为典型快充站的优化运行提供技术支撑.     

考虑风场高维相依性的电网动态经济调度优化算法

大规模风电并网给电力系统的调度运行带来了巨大的挑战.本文提出改进的二阶段带补偿随机优化算法,用于考虑风场出力高维相依性的电网动态经济调度问题求解.首先,利用Copula函数描述多风场出力的高维相依性,获得多风场出力的联合分布;随后,引入二阶段带补偿随机优化算法解耦求解动态经济调度模型中的常规变量与随机变量;求解过程中,针对补偿费用期望值的计算受限于相依性风场维数,且对迭代方向指导不明确,导致算法收敛耗时长的问题,引入基于整体最小二乘的递推动态多元线性回归法对二阶段带补偿随机优化算法进行改进,通过补偿费用期望值的动态更新,促使两阶段模型的迭代求解快速收敛,克服了传统随机优化方法的"维数灾"弊端,使该算法能够用于考虑风场高维相依性的电网动态经济调度模型求解.最后利用IEEE 118节点系统和某省级实际电网系统验证了所提算法的有效性和实用性.     

含分布式电源的改进PSO算法配电网无功优化

在电网无功供电性能优化问题的研究中,针对包含分布式电源的配电网无功优化的特点,利用一种改进粒子群算法,对含分布式发电的配电网系统进行了无功优化的计算.考虑了电网损最小、节点电压和发电机无功出力的约束作为优化目标函数,采用粒子群算法,在其速度进化方程中引入了自适应惯性权重和收缩因子以提高,并运用遗传算法中的交叉技术,对PSO算法产生的粒子进行遗传交叉运算来改善全局搜索能力,并在迭代后期将其取消来提高计算速度,仿真结果对比表明,提出的优化算法能够有效地提高电网电压质量和减少功率损耗.     

考虑风电光伏出力不确定性的多目标最优潮流

风电和光伏等出力不确定的电源在电网的渗透率逐渐增高,给电网的潮流优化带来一定影响.为此,本文针对考虑风电光伏出力不确定性的电网多目标最优潮流进行了研究.首先分析了风机、光伏出力的不确定性,建立了相关的数学概率模型.然后建立了以电网运行成本、有功损耗、电压偏移最小为目标的多目标优化模型.针对本文模型,提出利用量子粒子群算法进行求解.最后利用IEEE30节点系统进行仿真分析,对比说明了考虑风机和光伏出力与否对最优潮流的影响.     

并网模式微电网双层分布式优化调度算法

为解决负荷预测、风力发电和光伏发电预测出力值与其实时数据间的误差所导致的微电网不能安全稳定运行的问题,提出了一种双层优化算法。本算法包含基于集中优化方式进行的预测调度和基于分布式优化算法的实时优化。两层均采用粒子群智能优化算法对模型进行求解。该算法基于图论思想,按照拓扑图遍历顺序进行遍历式的分布式优化,将计算任务分配至微电网中每个参与调度的节点。     

基于改进粒子群算法的配电网无功优化

分布式电源的接入配电网有利于其无功优化、改善电压质量、降低网络损耗。以有功网损最小为其无功优化的目标函数,建立相应的数学模型,并对其进行仿真试验。由于基本粒子群算法的系数选择为常系数,存在人为选择系数过多依赖于经验的现象,具有一定的主观与偶然性,会导致粒子过于早熟,陷入局部最优。因此针对常系数粒子群算法的不足,将基于动态权值系数的改进型粒子群算法运用到无功优化中,对含有风、光等分布式电源接入的IEEE33系统模型进行仿真试验分析。试验结果表明,该算法能够有效降低网损,改善电压质量,提高系统的稳定性。     

粒子群优化的改进机场车辆调度模型研究

随着航空事业的迅猛发展,机场车辆调度的安全性和时效性地位已日趋突显,传统的机场车辆调度采取First in first out策略,该策略算法简易,便于实施,缺陷是全部调度的分组被相同对待,无法为实时要求较高的业务提供时延保证,算法也不具有公正性。提出了一种基于粒子群优化的改进机场车辆调度模型,把粒子群已经搜索到的全局最优地点视为一个特殊的粒子,采用梯度降低策略寻优该粒子,全局寻优特性和梯度降低算法的邻域寻优特性相融合,以提升粒子群优化算法的全局寻优效率,减少机场车辆调度计算的时间。仿真实验表明：粒子群优化的改进机场车辆调度模型,能够减少传统调度方法的寻优轮换次数,进而缩短优化调度时间,有效缓解空中堵塞造成的资源浪费。     

单线列车调度问题的双向阻塞车间调度模型及其粒子群求解算法

针对单线列车调度问题的特点,以线路中列车的总运行时间最小为目标,建立了可以直观描述问题解空间的双向阻塞车间调度模型,并提出了一种有效的离散粒子群优化算法进行求解。该算法基于双向阻塞车间调度模型设计了排列编码形式,从而可确定列车的运行顺序,同时利用随机策略和运行时间最短优先策略选择列车运行轨道;算法在求解过程中,提出了列车冲突的检测和化解方法,并按照“调度-检测冲突-化解冲突”的步骤逐区段调度列车运行;最后,利用离散粒子群优化算法进行全局优化,得到问题的最优解。仿真实例表明,所得模型和算法能够高效地求解单线列车调度问题。     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

基于优化一致性算法的微网功率经济分配策略

针对微网经济调度问题而通常采用的分布式控制,被控单元之间物理距离一般比较远,可能会存在较大的通信滞后,而通信滞后会降低分布式控制精度,因此提出了一种基于优化一致性算法的微网功率经济分配策略。首先将下垂控制信息和改进的一致性算法相结合,通过下垂控制实现功率分配,能够有效地克服滞后,使得系统具有很好的收敛性能;同时采用一致性算法设计成本最小化控制器,实时控制微网发电机运行,协调各电源出力,最终在成本最小化下实现功率分配。最后仿真结果验证了策略的有效性。     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。     

基于分布式深度强化学习的微电网实时优化调度

随着海量新能源接入到微电网中, 微电网系统模型的参数空间成倍增长, 其能量优化调度的计算难度不断上升. 同时, 新能源电源出力的不确定性也给微电网的优化调度带来巨大挑战. 针对上述问题, 本文提出了一种基于分布式深度强化学习的微电网实时优化调度策略. 首先, 在分布式的架构下, 将主电网和每个分布式电源看作独立智能体. 其次, 各智能体拥有一个本地学习模型, 并根据本地数据分别建立状态和动作空间, 设计一个包含发电成本、交易电价、电源使用寿命等多目标优化的奖励函数及其约束条件. 最后, 各智能体通过与环境交互来寻求本地最优策略, 同时智能体之间相互学习价值网络参数, 优化本地动作选择, 最终实现最小化微电网系统运行成本的目标. 仿真结果表明, 与深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)相比, 本方法在保证系统稳定以及求解精度的前提下, 训练速度提高了17.6%, 成本函数值降低了67%, 实现了微电网实时优化调度.