多目标环境经济调度模型与算法研究综述

科学合理的有功优化调度是电力系统安全经济运行的基本保障。环境经济调度是实现节能减排、提高新能源利用率的重要措施。介绍了近年来多目标环境经济调度的研究成果,涉及多目标优化问题的一般数学描述、环境经济调度的基本概念、目标函数、约束条件、多目标优化问题的直接解法和间接解法等;并介绍了线性加权求和法、约束法、最大最小法、NSGA-Ⅱ几种典型多目标优化算法的基本原理和优缺点;同时指出新能源大规模并网对环境经济调度的影响及因此带来的需要进一步研究的问题。     

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。     

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度.根据模糊集方法从帕累托前沿中选择最优折衷解.以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性.     

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。     

采用改进型多目标粒子群算法的电力系统环境经济调度

电力系统多目标环境经济调度要求在满足发电成本最小的同时发电厂的污染气体排放也最小,为此提出了基于Pareto占优策略和拥挤距离排序方法的改进型粒子群算法求解该多目标问题。采用容量可动态调整的外部存档集合存储当前Pareto最优解,利用Pareto占优策略确定个体最优位置,进而根据粒子拥挤距离确定全局最优位置,并设置了动态惯性权重,引入了小概率变异机制,提高了算法搜索能力。算例结果验证了该算法的有效性。     

电压稳定约束多目标最优潮流的自适应ε约束方法

电压稳定约束最优潮流可以看作考虑发电成本和负荷裕度双目标的优化问题.Pareto前沿解可以提供负荷裕度和发电成本之间的妥协信息,是运行人员权衡经济与安全、进行决策的基础.为了解决传统的数值计算方法难以得到均匀分布Pareto前沿解的问题,提出了一种自适应的ε约束方法.该方法利用ε约束的灵敏度信息,自适应地改变ε约束的阈值,逐步确定各个仿真点,并应用内点法的热启动策略,提高各仿真点的计算效率.IEEE-30和IEEE-118系统测试结果表明,与传统ε约束方法相比,自适应ε约束方法无需增加多余计算量,可以得到较为均匀的帕累托前沿近似,所提出的热启动策略提高了电压稳定约束最优潮流的计算速度.     

一种求解环境经济发电调度的交互式多目标优化方法

针对环境经济发电调度问题,提出一种基于评价函数的交互式多目标优化方法并结合改进的粒子群优化的求解方法。构造的总体协调度评价函数可以较好地平衡节能和减排2个优化目标。决策者可以通过调整各单目标满意度来体现其主观愿望。该方法克服了多目标向单目标转化过程中权重系数选择的困难,增强了决策方案选择的互动性。对一个含6台发电机组的系统进行仿真分析,结果验证了该方法在求解环境经济调度问题方面的可行性和有效性。     

基于内点法的安全约束经济调度

在分析仿射变换内点法的基础上，导出了改进的仿射变换内点法，这种方法特别适合电力系 统 最优潮流问题的求解；在此基础上建立了基于内点法的电力系统最优潮流问题——安全约束 的经济调度 的数学模型，并给出了其算法与实现；最后，对新算法以实例进行了验证。算例表明，所提 的优化方法具有较快的计算速度。     

考虑禁止运行区的环境经济调度混合逻辑约束优化方法

为了准确描述考虑禁止运行区域的发电机出力限制,分析了优化问题约束条件之间存在的"与"和"或"的逻辑关系,研究了一种同时包含"与"和"或"逻辑约束的混合逻辑约束优化(MLCO)问题,并基于此,将考虑禁止运行区域的发电机出力限制表示为一组"或"逻辑关系的约束条件,建立了环境经济调度的MLCO模型。根据布尔代数逻辑变换的思想,延伸出约束条件逻辑关系的等价数学变换,实现了"或"逻辑和"与"逻辑的约束条件之间的转换。从而将MLCO问题转化为仅含"与"逻辑约束的常规非线性优化问题,最后采用现代内点算法加以求解。6机和15机系统的测试结果表明所提出的MLCO模型与方法行之有效,具有较高的求解精度和效率。     

JADE平台粒子群算法在环境经济调度中的应用

在环境经济调度模型中,为同时降低火电机组的燃料成本和污染气体排放量进行多目标优化,模型引入阀点效应并考虑网损,在满足功率平衡和出力限制的前提下,采用一种基于JADE平台下的粒子群多目标优化算法对模型进行求解。算法吸收了粒子群算法的进化机制,将Pareto占优策略和拥挤距离相结合并应用在粒子群算法中,添加了动态惯性权重特性和小概率变异,提高了算法全局搜索能力。在JADE平台下搭建算法模型,并运用IEEE-30节点6机组和IEEE-118节点40机组的标准测试系统进行仿真,结果表明该算法提高了系统的计算速度,改进了算法的并行性,更适合求解大规模复杂系统。     

考虑不确定性的微网日前经济优化调度区间线性规划方法

微网中的可再生能源发电出力和负荷功率都具有不确定性特征,在微网的经济优化调度中如何考虑这些不确定性因素的影响值得深入研究。为了能够表征微网中的这些不确定性因素,采用区间数学对风速以及光照强度变化的不确定性进行了区间数描述,并结合对负荷不确定性的区间描述,提出了微网日前经济优化调度的区间线性规划模型。然后,结合分时电价,考虑微网与外部电网的电能交换问题,应用CPLEX优化软件结合C++编程实现了区间线性规划求解方法。最后,以微网中储能对系统经济运行的影响分析为例,讨论了考虑可再生能源发电出力和负荷功率的不确定性对优化结果产生的影响。算例结果验证了所提模型和方法良好的鲁棒性能,显示了对不确定性优化问题求解的有效性。     

考虑污染物排放约束的传统电厂与虚拟电厂间环境经济调度模型

为有效实现分布式能源(distributed energy resource,DER)单元参与电力系统能源市场,深度挖掘负荷侧灵活供能潜力,首先建立虚拟电厂(virtual power plant,VPP)作为管理运行分布式能源的代理模型,并基于组件特性分析对虚拟电厂的外特性进行了量化;然后基于当前电力行业面临的经济环境热点问题,建立了考虑污染物排放约束的传统电厂(conventional power plant,CPP)和虚拟电厂间的环境经济调度(environmental economic dispatch,EED)二阶约束二阶规划(quadratically constraint quadratic programming,QCQP)模型;接着介绍了CPLEX优化引擎和YALMIP软件包的功能,并采用建模与求解解耦的方式来求解模型;最后对改进10机系统进行仿真计算,验证了所提模型的有效性和正确性。     

MOCLPSO算法在EED问题中的应用

针对粒子群优化PSO算法进行改进,对其容易陷入局部最优解的缺点提出了多目标综合学习粒子群算法(multi-objective comprehensive learning particle swarm optimization,MOCLPSO)算法.该算法采用了新颖的学习策略,即一个粒子可以学习其他所有粒子的pbest来更新自己的速度,以达到有效降低陷入局部最优解的可能性.将其应用于环境/排放规划EED问题,采用IEEE-30节点系统进行仿真,并将试验结果与经典的求解EED问题的算法相比较.验证了该算法具有较高的效率与全局搜索能力.     

一种自适应的节能发电调度经济补偿方法

节能发电调度经济补偿是节能发电调度顺利实施的重要前提条件之一。提出一种自适应的节能发电调度经济补偿办法,根据机组负荷率的差异,对节能发电调度中机组少发电量和启停成本进行补偿。该方法物理意义清晰,具有随电力供应的变化自动调整经济补偿力度的特点。算例分析验证了该方法的有效性。     

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。     

分布式电源选址定容的多目标优化算法

在综合考虑网损、电压质量和电流质量3个指标的基础上,建立了分布式电源选址定容的多目标决策模型,并提出了一种改进多目标微分进化算法(improved differential evolution for multiobjective optimization,IDEMO).该算法引入混沌搜索策略以提高初始种群利用率,采用...     

大规模风电接入的电力系统低碳经济调度

以大规模风电并网为背景,以实现有效接纳风电和低碳经济调度这两大目标为目的,在考虑到风电所具有的波动性和随机性的基础上,通过引入穿透因子,并对风电概率特性进行分析,提出一种将风电作为约束的经济调度模型。在此模型中,通过引入排放价格因子这一权重系数将原有的双目标优化问题转化为单目标优化问题,并在此基础上建立了一种兼顾经济高效和低碳环保的目标函数。本文以一个含9台常规燃煤机组和1个大型并网风电场的电力系统为例进行仿真分析,其数值结果验证了所提模型的有效性。