基于混沌优化算法的电力系统经济调度和最优潮流

针对电网及电厂经济运行的要求,依据混沌运动的遍历性、规律性、随机性等特点,采用了一种改进的混沌优化方法对电厂与电网进行经济调度。该方法利用混沌变量进行搜索寻优,能不断缩小优化变量的搜索空间并不断提高搜索精度,从而有较高的搜索效率,仿真结果表明,本方法搜索速度快,求解精度高,且使用方便。     

电力系统经济调度的量子粒子群改进算法

电力系统经济调度(economic dispatch,ED)通过合理配置电力资源,在满足实际运行约束的前提下,使发电成本率最小化。针对ED问题,将量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法与随机扰动策略相结合,提出了一种改进的随机扰动量子粒子群优化(QPSO with random perturbation,RPQPSO)算法。扰动策略采用2种方式,在进化后期根据随机概率对群中的每个粒子进行扰动,避免算法陷入局部最优。为了验证其有效性,利用一组标准测试函数对RPQPSO算法进行了性能测试,测试表明,该算法有助于增加种群多样性,提高算法的全局搜索能力。通过将该算法应用到典型电力系统中进行测试,该算法相较于传统遗传算法、粒子群算法和QPSO算法,在解的质量、鲁棒性和收敛性等方面都取得了较大的提高,表现出优异的求解性能。     

基于改进APO算法的不确定性风-火电力系统经济调度

随着全球对清洁能源需求的不断攀升,风电在电力系统中的占比日益增加。本研究将提出的改进人工原生动物优化(Improved Artificial Protozoa Optimizer, iAPO)算法用于求解含风电的复杂电力系统经济调度问题,重点探究风电惩罚系数对系统经济性与风电消纳的协同影响机制。基于风电不确定性建模,构建6单元和10单元机组的风-火混合电力系统模型。实验结果显示,在负荷需求分别为600 MW、800 MW和1 000 MW时,iAPO算法在6单元系统中获得的最优燃料成本分别为29 812.276 美元、39 390.485美元和49 626.111美元,综合表现优于APO等对比算法,具有更优异的收敛性能。在所建立的10单元系统模型中,当风电出力低估系数为5,高估系数低于70时,风电机组几乎全负荷出力;随着高估系数的增加,风电参与率逐渐降低。研究表明,iAPO为大规模风电集成系统的经济调度问题提供了新方法。     

基于和声搜索算法的电力系统经济调度

针对风电并网对电力系统经济调度的影响,以火电机组的燃料成本及火电厂环境成本为目标函数建立模型。通过惩罚系数将污染气体排放量转化为环境成本。提出了基于模拟退火的和声搜索算法。通过与传统的遗传算法比较,验证了该算法的可行性与有效性。     

基于改进BP网络的西安供水水库群优化调度函数的求解方法

提出了基于累积误差,动态调整网络参数的改进BP网络方法,并用于求解西安供水水库群优化调度函数,结果表明,与传统算法相比,改进BP网络方法不仅可以全面反映水库调度决策变量与影响因子的复杂非线性关系,而且可以反映出调度过程中水库群间的相互关系,且应用简便。     

基于扩展神经网络的网格资源调度优化算法

针对具有时间约束和若干资源约束的网格资源调度问题,提出了一种基于扩展神经网络的求解新方法GRSENN。资源调度问题首先被分解为一系列多维背包问题并提出相应的数学模型,然后通过把问题的各种约束表示为Hopfield神经网络的能量函数项,进而导出神经网络模型。实验仿真结果表明该方法的有效性,并可避免通常神经网络所具有的容易陷入局部极小点的缺陷。     

基于CQPSO算法的含风电场电力系统经济调度研究

为了克服风电场出力波动的不利影响,提高调度经济性,构建含常规火力发电燃料费用、风电预测误差备用费用以及风电弃风成本的多目标动态调度模型,并提出一种混沌量子粒子群算法对模型进行求解。标准测试函数的仿真结果表明本算法比对照算法具有较高的收敛精度和稳定性。对含风电场的IEEE30节点系统算例进行仿真实验,结果表明采用混沌量子粒子群算法对调度模型求解的调度费用最低。     

基于改进海鸥算法的微电网经济调度研究

为保证微电网经济可靠运行的同时,减少对环境的污染,提出了一种综合考虑微电网的运行成本和环境污染等因素的微电网优化调度模型。通过自适应权重法为不同的适应度函数分配权重,把多目标问题转化成单目标问题,采用改进的海鸥算法寻找最优的配置方案。实验结果表明,经过改进的海鸥算法具有很好的全局寻优能力和求解精度,收敛速度相比于标准算法也有一定的提高,在对微电网经济调度问题的求解上具有一定的优势,既降低了微电网的运行成本,又减少了环境的污染,提高了微电网运行的可靠性。     

电力系统有功安全经济再调度

本文用网流规划法研究了具有安全约束的有功安全经济再调度问题。对违反安全约束事故状态的有功再调度,本文提出了通过消除暂时性缺负荷以达到安全状态的另一途径。解算方法采用了计算速度快的OKA法,并用增量校正模型求解再调度问题,提高了网流法的计算精度。文中以IEEE30节点系统为例进行了计算,获得了较为满意的结果。     

大型水火电力系统经济调度的分解协调算法

本文研究了大型水火电力系统经济调度采用二级及三级协调结构时的分解、协调和优化方法。提出了Ａ协调级的灵敏系数法和水电子系统采用的快速二次规划法和关联预测法。避免了一维搜索，大大提高了计算速度和减少了计算机存储量。编制的实用程序，已被某大系统所采用。     

经济调度发电功率分配中网损微增率的分析与计算

对电力系统经济调度中的网损微增率进行了分析和计算,结合电力系统潮流计算的Ｂ系数法计算网损微增率,并应用于山西电网经济调度程序中。计算结果表明,计及网损微增率修正的经济调度更精确、更适用,为山西电网的经济运行提供了更为科学的依据。     

基于GA的多区域互联电力系统的经济调度

针对电力系统规模的不断扩大,多区域互联系统经济调度的目标逐步向市场化过渡这一特点,把能够获得最大经济效益作为主要研究内容,将遗传算法引入到经济调度问题的研究中,实现了互联网在运行中网络损耗最小,运行最经济的分配目标.并通过模型系统的算例进行了证明.     

电力系统短期负荷预报的动态神经网络方法

提出了一种用于电力系统短期负荷预报的动态神经网络模型。这种模型同时兼顾了时序法和相关法的特点,将日期特征量,气象特征量及一天的多个有功负荷水平作为神经网络的输入信息,通过对输入信息动态,灵活地处理,利用有监督的学习算法对神经网络进行训练,再预测下一天相应时间点的多个有功负荷,以提高有功日负荷的精度和方法的适应性,为电力系统经济负荷分配提供可靠的依据。     

混沌优化算法在电力系统中的应用

基于对混沌神经网络优化算法的研究,提出了一种全新的具有衰减混沌噪声的混沌模拟退火神经网络模型,并将混沌优化算法与该模型结合用于解决电力系统经济负荷分配问题,取得了与实际系统总负荷需求非常接近的结果.     

含分布式储能的主动配电网鲁棒优化经济调度方法

为克服风电输出的不确定性,基于鲁棒优化中的worst-best理论,提出一种主动配电网的鲁棒优化经济调度模型.该模型采用拉丁超立方采样方法生成风电场景集表征风电预测的不确定性.在建模过程中,引入分布式储能的等效运维成本,同时以微型燃气轮机、分布式储能和主动配电网购电/售电调度成本最低为目标函数,采用基于随机变异的粒子群...     

网流技术的不良状态校正法用于安全有功经济调度

本文应用网流技术中“不良状态校正法”(Out of Kilter Algorithm,简称OKA),研究了具有安全约束的有功经济调度问题。网络规划法具有运算简便、快速、收敛可靠的特点,而OKA又能处理非零下界约束和不可行流的情况,特别适于解算具有安全约束的有功再调度问题。文中给出了算法的主要步骤和算例,并对试验系统作了经济调度的计算,证明了本方法的可行性和有效性。     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题。