基于改进烟花算法的可再生能源动态经济调度分析

可再生能源具有很强的不确定性,这使得微电网经济调度问题往往很复杂。本文提出了一种考虑可再生能源发电的不确定性,计及惩罚成本和备用成本的调度模型。模型除了考虑可再生能源经济因素以外,还考虑了传统火力机组的成本函数。风能和太阳能的随机性分别由Weibull分布和Beta分布模拟。本文利用改进的烟花算法求解该模型,仿真结果表明了改进烟花算法的有效性。相比于传统烟花算法,采用改进烟花算法进行经济调度,可成本节约5%。     

考虑经济-环境平衡的风光火联合外送调度策略多目标优化

风光火电联合调度运行是推动可再生能源发展的重要途径,并对发电调度策略提出了新要求。文章在经济-环境平衡的原则下,以企业购电成本最小、可再生能源发电量最大、可再生能源出力波动最小为目标构建风光火电联合调度多目标优化模型,使用主要目标优先级法转成单目标规划后借助Lingo软件求解,并应用于天中直流输电工程的配套电源中,通过4个季节下的典型日调度结果对比分析,验证了所提出的优化模型在促进可再生能源消纳和节能减排方面的作用。此外,辅助服务费用纳入购电成本使得火电机组负荷分配更加平均。     

大规模风电接入电力系统调度模式的经济性比较

由于风电出力的间歇性和反调峰性,如果以弃风量最小为目标进行电力调度,则可能导致火电机组出力严重偏离经济运行区,致使系统煤耗量增加。结合国内可再生能源发电的相关政策和节能发电调度的基本目标及准则,针对基于弃风量最小和能耗最小的2种发电调度模式,分别构建了相应的优化调度模型;研究并提出了含风电系统发电调度的经济性评价指标,...     

广东电网节能发电调度模型与应用

为了应对日益严峻的能源与环境形势,中国颁布并实施了电网节能发电调度办法。由于该办法仅仅提供了基本的调度原则,广东电网在节能发电调度的推行过程中,缺少能满足政策的节能发电调度模型与算法。为解决这一实际问题,在分析现有节能发电调度方案不足的基础上,提出了考虑节能发电调度规则的混合整数线性规划机组组合与发电计划模型,以实现广东电网的节能发电调度。由于广东电网的抽水蓄能装机容量比重较高,在模型中考虑了抽水蓄能的作用。所提模型的有效性在IEEE10机39节点系统上得到验证。将该模型用于广东实际电网,分别给出了以节煤和降低购电成本为目标的广东电网节能发电调度模式下的调度策略及分析。在此基础上,探讨广东电网抽水蓄能机组在不同调度模式下的一般调度原则。     

计及可再生能源发电成本的智能电网分布式经济调度

针对包含可再生能源发电单元、常规发电单元与储能单元的智能电网经济调度问题,提出一种计及传输损耗的智能电网最优经济调度模型,该模型实现对传输损耗与可再生能源发电单元运行成本的计量;其次,采用Lagrange乘子法推导此优化问题的协调方程,并通过解析的方式分析发电单元的出力协调关系;然后,提出一种完全分布式算法以有效求解此经济调度问题,该算法不仅能够有效减少计算和通信负担,还能在很大程度上保护发电单元隐私;最终,基于IEEE-30母线系统的3个算例验证所提分布式算法的正确性与有效性。     

区域综合能源系统优化调度方法

区域综合能源系统(integrated community energy system, ICES)可以充分利用可再生能源、提高综合系统能源利用效率。该文专注于ICES优化调度问题。首先建立了以电为核心的综合能源系统优化调度模型,优化目标包括经济性和环保性最优准则,基于可再生能源技术、节能技术以及电能替代技术的典型设备模型,分别在采暖期和空调期建立了系统运行约束模型,以及电和冷/热负荷供需平衡约束模型;采用具有良好全局搜索能力的粒子群算法（particle swarm optimization, PSO）作为调度模型求解算法。通过具体算例,验证本模型和算法,可得到经济性和环保性目标下的综合能源系统优化调度方案,同时分析了不同目标下调度方案存在统一和矛盾的原因。     

考虑可再生能源不确定性的综合能源系统优化调度方法

综合能源系统是实现可再生能源充分消纳和解决其不确定性的有效途径。专注于区域综合能源系统的优化调度问题,首先建立了以电为核心的综合能源系统优化调度模型,充分考虑高渗透率可再生能源的不确定性,分别在采暖期和空调期建立了系统运行约束模型、冷/热负荷供需平衡约束模型以及不确定性约束模型;其次采用具有良好全局搜索能力的粒子群算法作为调度模型求解算法;最后通过具体算例验证了该模型和算法可得到综合能源系统优化调度方案,并分析了可再生能源不确定性对调度方案经济性的影响,分析结果表明通过适当增加消纳备用可以有效避免因可再生能源不确定性引起的潜在经济损失。     

计及风险备用约束的孤网系统环保经济调度

为解决风电、光伏发电出力的随机性给微网调度带来的问题,利用可再生能源的概率分布函数来描述系统中存在的不确定性因素,引入失负荷风险指标和风光浪费风险指标建立了考虑发电经济性和环保性的多目标模型,保证微网供电的可靠性和可再生能源的高效利用。采用改进型多目标粒子群算法求解该模型,然后通过熵权法决策出最终的调度方案,避免人为确定多目标权重问题主观因素的影响,使微网调度的整体效益达到最优,算例结果验证了所提模型及算法的有效性。     

电网与可再生能源协调发展研究

可再生能源的开发利用为电力工业的节能减排提供了重要途径,也为电网发展带来了新的机遇和挑战。重点研究分析了可再生能源（特别是风电）开发利用与电网发展和改造、节能发电调度及需求侧管理等方面问题。     

考虑随机性的微电网日前调度与储能优化模型

针对微电网中可再生能源发电的随机性,以运行成本最小为优化目标,建立了微电网日前调度和储能优化的调度模型。首先,分别对传统发电机组和储能系统建立了确定性模型,并对可再生能源发电机组建立随机模型。然后,考虑到可再生能源发电机组的线性成本函数和传统发电机组的二次成本函数,并结合功率平衡和功率交换限制等约束条件建立了优化模型。通过不同成本函数的可再生能源发电机组和传统发电机进行了仿真。结果表明,该模型可以获得最优调度结果,同时实现储能电池的最优储能。     

基于局部均值分解与神经网络的短期负荷预测

短期负荷预测是电力系统调度和运行的基础,为了提高电力系统短期负荷预测的精度,提出了基于局部均值分解和人工神经网络的电力系统短期负荷预测方法。该方法首先对负荷序列进行局部均值分解,针对分解后具有不同特点的各PF分量设定具体的神经网络参数进行预测,将各分量的预测结果进行重构得到最终的预测结果。仿真实验表明,LMD-BP神经网络的预测方法与传统的EMD-BP神经网络方法相比具有更高的预测精度,同时也验证了该方法的实用性和有效性。     

基于神经网络-模糊推理综合模型的短期负荷预测

针对由于神经元网络泛化能力不足等原因造成的预测精度不高甚至出现坏数据从而难以适用于负荷波动厉害的电网情况，提出一种基于神经网络-模糊推理综合模型的短期负荷预测方法。该方法结合了神经网络和模糊推理的优点，通过模糊推理来修正神经网络输出的预测结果，能有效地提高预测精度。特别是对于受天气影响比较明显而天气变化又比较剧烈的电网，能有效防止不合理预测结果的出现。在武汉电网的实际运行情况说明了本算法的有效性。     

多因素影响的灰色神经网络组合电力负荷预测

一般的电力负荷预测都是只针对电力历史负荷值做预测,而实际电力负荷是受到各种因素制约的复杂非线性系统.首先提出多因素影响的灰色神经网络组合预测模型,研究同时考虑了在各可定量分析因素影响下的负荷增长和波动二重趋势性问题.通过电力负荷预测应用的实例,对某地区电力负荷值,GDP值和各产业值进行分析,建立对应的优化组合预测模型,并与其它算法进行比较,计算结果表明,所提出的方法综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.     

基于改进BP神经网络的短期电力负荷预测方法研究

针对短期负荷预测精度低、准确性差等问题,将猫群算法CSO和BP神经网络相结合用于短期负荷预测,模型的输入因子是负荷数据和气象信息等,利用猫群算法对BP神经网络的权值和阈值进行优化,得到BP神经网络预测模型的最优解,建立了短期预测模型。通过实例验证了预测模型的有效性和有效性,结果表明,改进模型能够有效降低BP神经网络模型的预测误差,提高预测精度,为我国电力系统短期负荷预测的发展提供了参考和借鉴。     

基于回归分析与神经网络的短期负荷预测

针对电力系统短期负荷预测中神经网络输入变量选择与网络训练问题,提出了一种基于回归分析与神经网络相结合的短期负荷预测方法,利用回归分析选择神经网络的输入变量,利用遗传算法训练神经网络.实例研究结果表明该方法可以取得较高的预测精度.     

基于人工鱼群算法神经网络的电力系统短期负荷预测

人工鱼群算法是一种新型的寻优策略,文中将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型.依据人工鱼群算法的神经网络,提出一种短期负荷预测的新方法,实践表明:该方法具有预测精度高、误差小的优点,是值得广泛推广的好方法.     

电网短期负荷预测的BP-ANN方法及应用

针对电网短期负荷预测中传统方法预测精度较低的问题,提出一种基于反向传播人工神经网络（backpropagation artificial neural network,BP-ANN）短期负荷预测的方法.应用多尺度熵法对短期负荷数据进行分析,得出预测点不仅和前期临近数据相关,而且和远期历史负荷数据相关;同时运用自相关分析法,基于BP-ANN建立适合陕西电网的短期负荷预测方法,并将此方法应用于实际电网负荷中,结果表明此方法简单可行,精度较高,比较实用.     

人工鱼群神经网络在电力系统短期负荷预测中的应用

短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.     

基于小波分解的电力系统短期负荷预测方法研究

为提高预测精度,提出一种基于负荷分解的电力系统短期负荷预测方法。即将负荷分成周期性不同的几部分,对分解后的各负荷序列通过相匹配的神经网络方法进行预测,并考虑温度因素的影响,采用线性回归模型对神经网络预测结果修正得到最终预测结果,预测结果与实际数据对比得出,预测方法更具准确性。     

基于模式识别的自适应短期负荷预测系统

短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C＋＋面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。