梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。     

计及节能减排的梯级水火电优化调度研究

针对梯级水电站与火电联合调度难度大、约束多的困难,考虑了节能、减排及梯级蓄能等三个目标,并引入模糊理论建立多目标水火电优化调度的模糊模型,采用最大化满意度指标法将多目标转化为单目标优化,然后通过遗传算法求解此问题。结果表明,相较于纯火电优化调度,梯级水火电调度能有效节约能源,减少污染气体排放;在此基础上多目标的水火优化调度比单目标的水火优化调度更能同时兼顾节能、减排及水电站的蓄能,达到社会综合效益最大化。     

基于EGJO的流域水风光一体化优化调度

为发展双碳背景下的新型电力系统调度模型与方法,构建了一个考虑阶梯碳交易的含流域水风光一体化（WHWP）的多能互补调度模型。为提高含WHWP的多能互补调度模型这类高维度非凸优化问题的求解效率和适应性,本文提出了一种基于Logistic混沌映射、准反射学习策略、高斯随机游走策略、最优个体局部搜索结合差分变异扰动策略的金豺优化算法（EGJO）。首先,利用Logistic混沌映射生成初始化种群,增强了算法的空间多样性;其次,通过在金豺算法搜索、包围并攻击阶段分别引入准反射学习策略和高斯随机游走策略更新豺狼对位置,强化算法全局寻优能力以及收敛速度;最后,合并更新位置后引入最优个体局部搜索结合差分变异扰动策略,提高求解精度。算例分析在扩展IEEE3机9节点和一个某省域简化电力系统展开。结果表明,考虑阶梯碳交易的含WHWP的多能互补调度模型的综合运行成本分别减少8.55%、10.78%,碳排放量分别减少178.26 t和17 841.68 t;与主流的7种优化算法相比,EGJO求解成本最少分别降低1.108万元、1401万元,标准差分别降低了1.598和0.004;充分验证了本文所提模型与方法的有效性和优越性。     

基于反向变异麻雀搜索算法的微电网优化调度

针对麻雀搜索算法寻优过程中可能陷入局部最优,导致收敛速度下降的不足,提出一种反向变异麻雀搜索算法（TSSA）,利用反向学习策略对优势个体的选择和自适应t分布变异的扰动特性,改进算法的搜索能力。以综合运行成本最低为目标建立了微电网优化调度模型,利用反向变异麻雀搜索算法进行优化求解与分析。对比仿真实验结果表明此改进算法可行有效,且具有更好的全局搜索能力,在收敛速度、寻优精度和稳定性上优于多种算法,能为微电网调度提供合理建议,使微电网获得更佳的综合效益。     

基于主从博弈的风光蓄网短期优化调度

考虑到电网与清洁能源发电厂之间利益冲突明显,本文建立了基于主从博弈的网源短期优化调度模型。风-光-蓄联盟依据上网电价,以自身利益最大化优化出力策略,电网在考虑联盟策略的同时,以总成本最小化动态调整上网电价,最终达到网源利益均衡。提出基于自适应负荷变化的出力生成方法和动态惯性记忆策略的布谷鸟算法进行求解。利用湖北省网进行仿真,验证了方法有效性。结果表明,模型可适应不同典型日电力调度,弃风、弃光率分别降低15% ~ 37.2%和17.4% ~ 27.9%,促进了清洁能源消纳;剩余负荷均方差减少0.64% ~ 2.75%,改善了电网运行稳定性;均衡度均值增加2.37% ~ 5.36%,显著提高了利益分配均衡度和稳健性。     

基于麻雀搜索算法的梯级泵站优化调度

针对梯级泵站系统运行效率普遍偏低、能耗损失较大等问题,建立了梯级泵站优化调度模型,引入了寻优能力强、搜索精度高的麻雀搜索算法（SSA）,对算法中安全阈值和侦察者占比两参数进行了比选;据此提出了基于SSA算法的梯级泵站优化调度方法,并将其应用于密云水库调蓄工程中的三级泵站优化调度研究。结果表明,三种不同流量工况下,相较于现状方案,PSO及GA算法所得优化方案其系统运行效率可提升0.03% ~ 0.18%,年运行成本可节省￥9,700 ~ ￥69,500。利用SSA算法所获优化方案在两项指标改进方面更为突出,可达到0.98% ~ 1.20%的效率提升及￥369,000 ~ ￥443,900的年运行费用的节省,验证了SSA算法在梯级泵站优化调度中的可行性和高效性,可为梯级泵站优化调度提供一种合理可靠的方法。     

基于电量共享的梯级水光蓄联合发电系统优化调度策略

为对偏远地区的含有抽水蓄能、梯级水电、光伏电站联合运行的多能发电系统进行互补式经济优化,搭建多乡镇级用电体之间的日前电量共享协调优化模型,通过区域运营商对构成乡镇联合体的各用电体进行协调管控,实现用电计划的经济高效制定.通过调用抽水蓄能进一步平滑水光出力波动,对乡镇级用电体、区域电网与主网之间的能量流动进行优化,并按参...     

基于风光水火多能互补的电力系统经济调度

为解决大规模间歇性能源的不确定性和波动性给电网的发电计划制定和调度带来的问题,针对风电、光伏等的出力波动性强和电网负荷波动明显,提出了风光蓄一体化出力的调度策略,定义了广义负荷的概念,利用抽水蓄能的灵活可调度性空间平移间歇性能源的出力,平滑广义负荷曲线,平抑波动。建模引入风光蓄多种能源出力最大和广义负荷波动最小的多目标函数,并运用改进的粒子群算法求解。算例分析结果表明:该策略不仅能起到提高间歇性能源的利用率和削峰填谷的效果,还可以减少火电机组启停次数,降低火电经济成本。     

自适应免疫遗传算法及其在区域电力系统最优备用容量计算中的应用

充分利用区域互联电力系统在紧急情况下可以互相支援互为备用的特点,建立了区域电力系统的最优备用容量数学模型,该模型采用基于最小发电成本函数和最小网损函数组成的归一化最小综合经济成本作为目标函数。针对问题的具体特点,运用自适应免疫遗传算法求解最优备用容量,利用图论中的最大支撑树概念,采用自动产生可行解的编码策略对染色体进行编码,以及交叉、变异概率的自适应选取,在IEEE30节点测试系统上的仿真结果验证了所提模型的合理性、所提方法的可行性。     

基于DE-GA算法的阵列天线故障检测方法

为提高阵列天线故障检测的精度,提出了一种改进差分-遗传(DE-GA)算法。该算法融合了遗传(GA)算法和差分进化(DE)算法,在基因遗传过程中采取染色体双交叉策略,对陷入局部陷阱的个体信息进行重新引导;利用自适应权重优化后代的选择过程,提高算法对故障因子的灵敏性和适应能力。本文将该算法用于阵列天线的故障检测中,通过阵列公式建立天线的模型,对该模型的辐射方向图进行优化,使其与故障天线的已知辐射方向图逐渐拟合,以此推出故障阵列幅值。实验表明,本文提出的DE-GA算法与DE算法、GA算法相比,适应度函数值最低点分别减小了11.15%和12.90%,平均绝对误差分别减小了19.36%和23.85%,均方误差分别减小了12.90%和11.15%,最大误差分别减小了12.30%和13.18%,具有更高的准确率,拟合能力更强。此外,在原有实验的基础上改变阵列的数量,该算法依然具有优良的稳定性,证明能够满足对大数量阵列的故障检测。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性。为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法。该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等。采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高。     

基于正交交叉操作的遗传算法及在水轮机调速器参数优化中的应用

为了确保获得最优参数,本借助正交试验的设计思想,定义了正交交叉操作,并将基于正交交叉操作的遗传算法应用于水轮机调速器参数优化过程,仿真试验结果表明了算法的有效性和鲁棒性。     

基于自适应变异蝙蝠优化BP神经网络的短期风电功率预测

风电规模化并网技术的大力发展,进一步增大了对电力系统规划与运行的影响.现今,风电机组出力面临着波动的随机性以及不确定性的技术性问题,为了提高短期风电功率预测的精度,文中提出了一种结合基于群体适应度方差自适应变异的蝙蝠优化算法(AMBA)与BP神经网络算法,就短期风电功率进行精准预测.该模型根据群体适应度方差以及当前最优...     

基于改进微分进化算法的负荷模型参数辨识

为了提高电力系统中负荷模型的精确度,提出了一种改进的微分进化算法(IDE)以辨识负荷模型参数。采用不依赖于优化问题的控制参数自适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱后期易于陷入局部极值点的束缚,克服了微分进化算法参数调整困难的不足,提高了算法的寻优能力。将改进算法应用于静态负荷模型参数辨识的工程实例并与其他算法对比的结果表明,改进DE算法的全局搜索能力强,搜索精度高。     

面向实时电价的发用储一体化用户并网经济运行研究

随着电力市场的日益开放,具备发电和储电设备的发用储一体化用户逐渐成为分布式能源并网的新兴力量。在以实时电价为发展方向的新一代电网中,作为电力市场的参与者,每个发用储一体化用户都希望利用实时电价特性,制定最优并网方案,实现自身的经济效益最大化。针对该问题,建立了小型一体化用户并网经济运行模型,设计了四种电能调度策略,并采用贪婪随机自适应搜索和变邻域下降法相结合的混合算法优化各策略对应的调度方案,最后分析各经济性。仿真结果表明,所提模型准确反映了小型发电储一体化用户的并网运行特性,给出的调度策略及设计的混合算法可有效提高用户系统的经济性。     

一种基于贪心算法的紧急控制策略优化搜索方法

间歇式能源接入、全国电网互联、在线运行保护与控制需求等多重因素对电网紧急控制策略搜索提出了新的要求。为此提出了一种基于贪心算法的紧急控制策略优化搜索方法。该方法选择预想故障集中某一失稳算例进行时域仿真,再根据EEAC量化理论计算每个紧急控制措施性能指标,基于性能指标计算出紧急控制空间中各紧急控制措施性价比,其关键在于计算出采取紧急控制措施前后系统暂态稳定裕度的变化量。然后采用贪心算法在候选紧急控制空间搜索出紧急控制策略。最后通过简单电力系统和实际电网两个算例验证了该方法的正确性。