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。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

水火电力系统短期节能发电优化调度的研究

本文以提高水火电力系统联合运行的经济和环保效益为总目标,从减少化石燃料的使用量和降低燃煤机组发电成本两方面考虑,将含梯级水电站电力系统短期发电调度问题化为4个具有时序的优化子问题:即梯级水电站发电量最大、水电耗水量最小、火力发电污染物排放最小以及火力发电总成本最小。以此建立的优化调度模型不仅可以确定火电的最佳出力和水电的最佳蓄放水策略,还可描述水电和火电的互补作用,充分体现节能和效益的理念。在模型求解上,针对粒子群算法易陷入局部最优的缺点,在标准粒子群优化算法中引入自适应惯性权重和最差粒子,避免了算法的局部最优和过早收敛;针对各目标量纲不同,权重系数难以合理确定的多目标优化问题,运用满意度函数和欧式距离函数对其进行归一化处理,并采用改进粒子群算法对处理后的目标进行优化求解。算例仿真验证了所建模型的正确性及算法的有效性。     

多目标短期梯级水电优化调度混合整数模型

为了充分体现水电优化调度带来的效益,提出了多目标短期梯级水电优化调度的混合整数模型。模型综合考虑水电发电效率和调峰性能,采用了系统中总剩余负荷量和剩余负荷峰谷差两个指标来评价优化方案。针对模型中的多个目标函数以及非线性的机组运行约束,基于模糊隶属度函数和混合整数建模方法,将多目标非线性优化问题转化为单目标混合整数线性规划问题（mixed-integer linear program, MILP）,并采用先进的MILP软件包进行求解。通过某地区大规模梯级水电系统的算例分析,结果表明了所提模型的合理性和有效性。     

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。     

机会约束规划下的梯级水电站短期优化调度策略

以一定时期内可能实现的总的目标利润最大化为目标,在一定的置信水平的前提下满足约束条件,基于机会约束规划构建了一种新的的梯级水电站短期优化调度策略。模型全面分析了蓄水量、弃水量、前池水位、放水路水位、发电水头之间的关系,并考虑了电价、入库径流量、机组运行状况等不确定因素对梯级水电站短期优化调度问题的影响。利用粒子群算法算简单、鲁棒性好、可操作性强的优势,将其嵌入蒙特卡罗随机模拟对模型进行求解。算例说明了该方法可以根据电站的实际情况协调风险和利润这两个相互矛盾的指标,实现最优化决策。     

考虑系统实时响应风险水平约束的风–火–水电力系统协调优化调度

随着风电入网规模的日益增加,合理协调风电出力与传统电力能源已成为电力系统调度面临的一个新挑战。通过定义实时电力不足期望(real-time EDNS,REDNS)以衡量系统实时响应风险水平,在此基础上提出了实时响应风险水平约束,并将该约束纳入调度当中,与用确定性方法确定系统备用容量相比,采用REDNS水平约束可以使系统在调度周期内各个时段响应风险水平维持一致,自动调整系统备用容量。在风电优先上网的前提下,以降低系统运行的经济性指标和保证火电、水电机组平稳运行为目标,构建了风?火?水多目标协调优化调度模型。通过引进学习环节和构建独立的备用选择集改进多目标粒子群算法性能,提出了一种新的多目标粒子群算法(new multi-objective particle swarm optimization,NMPSO)。采用加入一个风电场的10机组测试系统进行了仿真,结果验证了上述方法和模型的正确性和有效性。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

基于FO-DP算法的宝兴河梯级水电站短期优化调度研究

考虑到短期优化调度中电网限定了峰平谷段出力比,将目前较成熟的动态规划算法作了改进,选用梯级发电总收入最大为目标建立了数学模型,并用FO-DP算法寻求出宝兴河梯级水电站短期最优运行方式。计算结果表明,该方法能够较好的解决短期优化调度问题,具有一定的实用价值。     

考虑风电置信区间的水风火短期优化调度方法

风电出力的不确定性影响电网的稳定运行,大规模风电并网后"弃风"问题突出。为了充分考虑风电出力的不确定性,本文提出基于风电置信区间的风-水-火短期联合调度运行方法。利用梯级水电站启停灵活、爬坡速度快等优点平抑风电出力波动,构建了发电成本最小与清洁能源消纳最大的多目标优化调度模型。基于分层求解思想,将模型分为风电运行层、水电调度层与火电调度层,并提出了集成非参数法、启发式算法与改进的粒子群算法的总体求解框架,实现了模型的快速求解。某区域电网短期调度模拟运行结果表明,所提方法求解速度快,仅需83.5 s,在满足电力系统安全稳定运行约束与清洁能源消纳最大的前提下,水电、风电多发45.56万k Wh,煤耗成本减少23.33万元。     

面向电力市场的梯级水电站联合优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出了面向电力市场的梯级水电站联合优化调度模型;对遗传算法进行了改进,提出了基于改进遗传算法模型求解的方法。工程实例证明,该方法科学可行,对电力市场环境下梯级水电站运行调度有较高的参考价值。     

电力市场环境下梯级水电站短期优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出梯级水电站优化运行三步调度方案,针对不同阶段分别建立了面向电力市场的梯级水电站短期优化调度模型,包括总用水量相同情况下发电效益最大调度模型和总负荷一定条件下耗水量最小调度模型;对遗传算法进行了改进,提高了其收敛速度和求解精度,提出了基于混合遗传算法的模型求解方法.实例研究证明该方法科学可行,对电力市场环境下梯级水电站短期调度运行有较高的参考价值.     

三峡梯级和清江梯级水电站短期联合优化调度方法研究

针对清江高坝洲水电站下游水位流量关系受长江顶托影响和梯级水库间流量传播处理问题,建立三峡梯级和清江梯级水电站短期联合优化调度模型。根据实测资料构建受长江顶托的高坝洲水电站下游水位流量分段函数关系;采用相关分析法对梯级间实测数据进行率定,构建线性回归方程处理梯级间流量传播的计算。运用正弦轮盘赌选择算子的自适应遗传算法求解模型,克服单纯轮盘赌对适应度非负的要求。不同量级典型日流量过程模拟调度结果表明：三峡梯级和清江梯级联合调度效益增加明显。研究成果对未来三峡梯级与清江梯级水库群日发电计划的编制有借鉴意义。     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。     

计及风力发电风险的电力系统多目标动态优化调度

为解决风电的随机性给电力系统调度带来的问题,引入负荷预测误差和风速的概率分布函数来建立负荷及风电功率的随机性模型。基于对负荷及风电功率随机性模型的深入分析,对风电接入将导致系统维持稳定运行的成本增加风险加以考虑。并在约束条件中引入失负荷及风电浪费风险指标,构建计及风力发电风险的电力系统多目标优化调度模型,以实现系统总污染排放量最少和运行成本最低的综合优化目标。采用一种新颖的蝙蝠算法对模型进行求解,并对蝙蝠算法的不足之处进行了改进,有效地解决了该算法迭代后期收敛慢、易陷入局部极值等问题。以含大规模风电并网电力系统为例进行环境经济调度仿真,验证了所提模型及算法的有效性,并进一步分析了相关参数对含风电并网电力系统优化调度的影响。     

风电并网条件下的梯级水电站长期优化调度

随着新能源的快速发展,大规模风电并网条件下电网需要更多的调节能力,梯级水电站利用其灵活的调节能力可以与大规模风电联合运行。本文研究了风电的日内反调峰特性对梯级水电站发电的影响,并得到梯级水电站的日发电量上下限。然后,通过这个日发电量约束搭建梯级水电站长期调度与短期调度的桥梁,以达到在长期优化调度中考虑风电的短期反调峰特性的目的。以我国西南地区澜沧江下游2座梯级水电站与周边风电为实例进行研究,结果表明,与风电站联合调度后,梯级水电站的长期调度方式需要改变,尤其是汛前枯期的库水位决策与汛后蓄水决策。所提出模型为破解大规模风电并网问题提供新的技术途径。     

计及风电置信风险成本的多目标最优潮流计算

风电并网不确定性给电力系统最优潮流带来的风险性难以评估。首先基于风电机会约束概率提出了风电的高估/低估置信风险成本计算方法。然后计及风电置信风险成本构建了经济/环境多目标最优潮流模型,并提出了一种基于非劣性排序的复合回溯搜索(NSCBS)算法,以实现对多目标最优潮流模型高效准确的求解。最后以IEEE30节点为例进行计及风电置信风险成本的多目标最优潮流计算。结果验证了所提出方法的有效性和优越性。     

流域梯级水电站群优化调度的多向导粒子群算法

针对发电侧市场开放后流域发电公司追求发电效益最大的特点,建立以流域梯级总收益最大为目标的梯级水电站群优化调度模型。为克服粒子群优化算法在迭代后期种群趋同化严重的弊端,在动态自适应惯性权重粒子群算法基础上提出一种多向导粒子群算法。该算法在粒子飞行方向上引入多向导策略：在粒子种群最优向导上引入最优向导集使种群最好解及其他较好解均有可能成为种群最优飞行向导;在个体最优向导上引入全面学习思想,使每个粒子以一定概率向其他粒子个体最好解学习。最后以我国西南某流域2库5级梯级水电站群为例进行计算,结果表明所提算法比相关方法更优。     

电力市场下的梯级水电厂短期预发电计划研究

研究电力市场环境下梯级水电厂短期预发电计划问题,建立竞标电价预测的二次移动平均模型,在此基础上讨论了梯级水电厂短期(日)优化调度的效益最大问题,并建立了相应的数学模型和约束条件,并用逐次优化算法求解,为梯级水电公司在日前交易市场上科学地申报次日各时段的电价和电量提供了依据。算例表明,模型合理,效益显著。