基于交互式多目标优化算法的风光互补发电系统优化

风光互补发电系统的优化配置是一个多目标优化问题,优化目标为系统安装成本,约束条件为供电可靠性。合理的匹配设计是充分发挥风光互补发电系统优越性的关键。在成本(目标)函数的最优化计算中,提出一种基于偏好的交互式多目标优化算法,利用交互式遗传算法优化目标权重值组成的种群,利用粒子群优化算法优化加权单目标函数,并将其应用到风光互补发电系统的优化配置中。计算结果表明,在满足负荷用电的前提下,风光互补发电系统的经济性能优于单独的光伏系统和风电系统。     

用于槽式太阳能光热发电过热一体式蒸汽发生器的概念设计

文章提出了一种兼具过热段可用于槽式太阳能光热发电系统蒸汽发生器的概念机型．介绍了它的功能及运行原理。针对光热发电系统的特点对其主体结构进行了设计,使之能够适应大温差、变负荷的运行工况。从经济性和安全性的角度出发,对其运行方案及控制方案进行了分析。     

基于改进多目标遗传算法的小浪底水库优化调度研究

针对传统多目标遗传算法(NSGA-Ⅱ)在进化过程中存在的不足,首先利用拟随机Halton序列及自适应调整的方法对初始种群多样性和算法收敛性进行改进;然后选取小浪底水库为例,建立水库多目标优化调度模型,并运用改进的NSGA-Ⅱ算法对模型进行求解;最后采用模糊优选法对得到的Pareto最优解集进行方案优选。结果表明,改进的算法相比传统算法更为高效、合理,且调度结果符合客观实际。     

槽式聚焦光电/光热综合利用系统的性能研究

提出了一种典型的线聚焦太阳能光电/光热综合利用系统——槽式聚焦光电/光热综合利用系统,并建立了相应的系统模型。采用数值模拟的方法,分别在合肥地区春、夏季节的气候条件下,对不同的跟踪方式(东西向转动跟踪、南北向转动跟踪)、聚光比、冷却水流量以及辐照强度等相关参数对系统性能的影响进行了研究。     

含光热电站的联合发电系统优化调度

该文结合我国西北某地区光热、火电联合发电系统的调度问题,模拟出了塔式CSP电站与传统能源电站配合发电的优化调度策略。文中首先分析我国已并网使用的光热电站的运行机理,构建了含储热的光热电站能量转换的数学模型;其次,总结塔式CSP电站的发电机理,构建复合发电系统的多目标优化调度模型;然后,借助MATLAB平台对多目标问题进行相应处理,利用粒子群算法对算例进行求解;最后对算例结果进行分析,验证了所提出优化调度策略的可行性,为多源并存的优化调度问题提供了理论依据。     

多模型预测函数控制及其在槽式光热发电中的应用

太阳能集热系统是槽式光热发电系统中的核心部分,但该集热系统具有扰动多、大滞后和大惯性等控制难点。针对这些控制难点,建立了适合控制器设计的简化分段非线性模型,并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统,上述控制策略具有以下3方面特点:(1)可以解决被控对象的大滞后、大惯性问题;(2)对预测函数控制策略中的约束条件进行简化,无需进行二次规划计算,使得计算量大大减小,并易于实现工程应用;(3)结合多模型策略解决控制对象的非线性问题。研究结果表明:预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略;与未简化的多模型预测控制相比,简化后的多模型预测函数控制的最大动态偏差增大了13%,但计算量大大降低,控制器的实时性也得到增强。     

含生物质能的微电网多目标优化调度

针对农村及偏远地区可利用的生物质能以及我国扶贫攻坚进入最后阶段,建立了含风、柴、储,生物质能的微电网,综合考虑燃料、电能交互、投资折旧、维护及环境成本等变动成本,使系统在一个调度周期内的总运行成本最低,建立了微电网多目标经济优化模型。在计及国家对可再生能源补贴价格的基础上,采用改进遗传算法进行求解。当基本遗传算法陷入某个局部最优解时,从临时Parcto 解集中保留拥挤距离最大的个体,使个体密度小的Parcto 解占优,从而使算法迅速跃出局部最优。24 h内优化的结果对比表明,所提的优化调度方案具有很好的实用性和应用前景。     

基于SA-NSGA-Ⅱ算法的水库多目标优化调度研究

针对带精英策略的快速非支配排序遗传算法NSGA-II求解多目标优化问题时存在局部搜索能力较差的缺陷,提出一种基于逐次逼近方法改进的快速非支配排序遗传算法(SA-NSGA-Ⅱ),该算法通过不断调整搜索空间来减小不可行域和支配解占比,从而增强局部搜索能力,快速逼近Pareto真实前沿。以平均出力最大和下游河道适宜生态流量改变度最小为目标,建立小浪底水库多目标优化调度模型,分别采用SA-NSGA-Ⅱ和NSGA-Ⅱ求解模型并比较优化效果。结果表明,在两种算法求解模型生成的混合Pareto前沿中,SA-NSGA-Ⅱ、NSGA-Ⅱ所生成的Pareto前沿点分别占比80.45%、19.55%;SA-NSGA-Ⅱ、NSGA-Ⅱ生成的Pareto前沿中,分别有86.90%、52.67%的点处于非支配地位,且SA-NSGA-Ⅱ较NSGA-Ⅱ的算法运算时间减少了15.32%。因此,在相同初始条件下,SA-NSGA-Ⅱ的优化效果优于NSGA-Ⅱ,验证了SA-NSGA-Ⅱ在水库多目标优化调度中的适用性。     

基于多目标遗传算法的行驶工况构建优化

在利用短行程法构建行驶工况的过程中,为综合考虑短行程的典型性和行驶工况的代表性,将二者量化并作为多目标优化过程中的两个目标函数,引入非支配排序遗传算法Ⅱ（nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ）对短行程的选择进行优化。将NSGA-Ⅱ优化方法与常用的短行程选择方法进行对比,在相同时间内,随机选择法、相关性法、距离法和NSGA-Ⅱ分别构建了7 582、7 209、9 615和20个候选行驶工况。结果显示,4种方法中,在整体上,NSGA-Ⅱ产生的行驶工况集中在代表性较高的区域同时使得构成行驶工况的短行程整体上典型性较高;在最优工况的比较中,NSGA-Ⅱ的最优工况与原始数据的特征参数相对误差最小,包含的短行程到离簇中心的平均距离最短,表明采用NSGA-Ⅱ算法对短行程选择过程进行优化有助于从多个角度提升行驶工况的构建质量。     

基于多目标遗传算法的生物质气化过程参数优化

生物质气化过程是一个复杂的多目标非线性过程。通过对气化过程的机理分析,针对麦秸和玉米秸这2种软质秸秆类生物质原料特性,建立了气化过程的优化目标函数。在此基础上,采用多目标遗传算法对该目标函数进行优化设计计算。计算结果表明,该目标函数对生物质气化过程参数优化具有良好效果,也验证了该算法对于全局优化以及解决复杂非线性问题的有效性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于改进布谷鸟算法的风光储联合供电系统储能容量优化配置研究

摘要： 在风光储联合供电系统中,科学的配置储能元件的容量,分配不同储能元件之间的容量比,具有非常深远的意义。通过分析蓄电池和超级电容器的特性,提出基于该两类元件的混合储能系统及其能量分配策略,根据全生命周期（LCC）理论,以储能费用最小为目标,以蓄电池输出功率和系统负荷缺电率等指标为约束条件,建立储能容量优化模型。提出了自适应布谷鸟搜索算法,并用于求解某风光储联合供电系统的储能优化问题。算例结果分析显示,采用文中所述的能量分配策略和改进的布谷鸟算法可以有效降低储能系统成本,验证了模型及算法的正确性。     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于改进克隆选择算法的无功优化

提出一种改进克隆选择算法解决无功优化问题。该算法采用分级的变异策略,对每一代种群中的抗体按亲和力进行分级,根据等级确定变异范围和变异率：较低等级中的抗体(较优秀抗体)采用小范围、小变异率进行变异,较高等级中的抗体(相对较差的抗体)采用大范围、大变异率进行变异,兼顾算法的局部和全局搜索能力;结合均匀设计原理构造初始种群,与随机分布相比,在同样规模下,具有更好的种群多样性,且以较大的概率在全局最优解附近存在抗体,避免陷入局部最优解,提高算法的收敛速度;对IEEE 30节点系统进行仿真,结果表明:该算法具有解的质量高、收敛性能好等优点。     

基于改进多种群遗传算法的节能环保多目标优化模型

电力系统多目标经济负荷分配问题是个非线性、高维的复杂优化问题。提出基于交互式的改进多种群遗传算法,通过引入精英策略和移民策略的多种群遗传算法可以有效地克服标准遗传算法容易陷入局部最优解、易早熟的缺陷。针对文中提出的煤耗和排放2个目标函数,提出了基于目标满意度和总体协调度的交互式多目标处理方法,通过寻求向量空间内满足总体协调度的最短”欧氏距离”,来贴近决策者满意的理想值,解决了各目标函数之间最优解的相互冲突,达到协调好各个目标函数的目的,充分体现了决策者的意愿。试验算例表明,该算法能够有效地解决电力系统多目标经济负荷分配问题。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。