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。     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难,为此在模型中引入储能系统,分析了储能系统对含风电的电力系统经济调度的影响,尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题,建立了一个风电场与储能系统相配合的清洁经济调度模型,其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本,寻求经济和环保总成本的最优解,采用粒子群算法对该模型进行求解。通过6机系统算例分析,表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用,尤其是火电机组调峰的费用,且提高了风能利用率。     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难﹐为此在模型中引入储能系统﹐分析了储能系统对含风电的电力系统经济调度的影响﹐尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题﹐建立了一个风电场与储能系统相配合的清洁经济调度模型﹐其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本﹐寻求经济和环保总成本的最优解﹐采用粒子群算法对该模型进行求解。通过6机系统算例分析﹐表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用﹐尤其是火电机组调峰的费用﹐且提高了风能利用率。
     

考虑需求侧资源的含风电电力系统两阶段优化调度

风电场接入电力系统会造成系统运行成本增加、稳定性降低等问题,引入需求侧资源是解决该问题的重要手段之一。为了探究价格型与激励型需求响应的互补性,通过协调调用基于消费者心理学模型的价格型需求侧响应,以及激励型需求侧响应参与电力系统的优化调度中,对比分析了不同调用模式下的电力系统运行成本。针对传统粒子群算法易陷入局部最优解的缺点,提出一种自适应动态调节惯性权重的改进粒子群算法对模型求解。结果表明所提模型有效降低了系统运行成本,不同类型需求侧响应具有互补性。     

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。     

基于粒子群与蜂群结合的算法求解含风电场电力系统经济调度问题

提出一种新的混合智能算法解决含阀点效应和系统约束的含风电场的电力系统经济调度问题,将蜂群中的觅食行为与聚群行为引入改进的粒子群,提出改进粒子群一蜂群混合智能算法．在算法上进行优化,大大地提高搜索的能力,从而使结果更优．通过引入交叉策略,对那些速度保持不变的点,重新赋值．以一定的比例选拔最优点,其中选拔出的最优点,不止一个．同时精英策略的采用,有利于加强全局寻优,跳出局部最优,从而使算法得到很大的改善．最后对一个10机系统的算例进行求解,通过与改进的粒子群算法、蜂群算法进行比较,验证了改进的粒子群一蜂群混合智能优化算法在解决含风申．场的申力系统终济调度问题中的有效性与优撼性．     

基于改进粒子群算法的含电动汽车的微电网经济调度

以含电动汽车的并网型微电网为研究对象,在考虑储能系统损耗成本的基础上,建立了考虑运行成本和环境治理成本的经济调度模型.提出一种改进粒子群算法对模型进行求解,该算法采用了交叉和变异操作作用于个体历史最优值,并采用候选解修复和罚函数相结合的改进方法对模型中等式约束和不等约束进行处理.通过算例仿真分析了电动汽车集群在不同场景下微电网最优调度策略.结果表明,电动汽车集群参与微电网调度能够减少经济成本,提出的改进粒子群算法相比于标准粒子群算法等其他算法,求解结果更优且收敛性好.     

基于改进粒子群算法的水电站中长期优化调度的研究

在运用粒子群优化算法求解水电站中长期优化调度问题时,针对粒子群优化算法存在的问题,采用了一种新的改进算法[1],该算法不仅增强了粒子群的全局搜索能力,同时有效避免了算法“早熟”,为水电站中长期优化调度提供了一种有效的解决方法.     

带柯西变异因子的量子粒子群算法在电力系统经济调度中的应用

为了避免算法早熟,结合柯西分布具有较长两翼的特点,提出了带柯西变异因子的量子粒子群,对全局最优解进行变异,并结合惩罚函数处理约束条件来求解电力系统经济调度问题.通过对15个机组和40个机组的数值仿真表明,该算法在收敛精度和迭代速度上有较好的效果.     

粒子群优化算法及其在水库优化调度中的应用

提出了基于粒子群优化算法求解梯级单目标优化调度问题的一般算法结构,该算法通过计算时段库水位的变化范围,把梯级优化调度问题转化为无约束的优化问题处理,使得算法具有稳定、高效的收敛性能.通过对三峡梯级发电优化调度问题的计算,表明该算法是求解梯级优化调度问题的一种有效的手段.     

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.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于等微增率准则的微电网分布式经济调度方法

针对微电网运行成本最小化问题,提出一种微电网的双层经济调度模型,其中上层是进行信息传输的通信网络层,下层为进行电力传输的微电网层。通信网络包含两个子网络,其中第一个网络包含所有agent,第二个网络只包含可控agent。随后建立通信网络的构建规则,系统性地给出从任意通信网络导出分布式控制律的一般方法。从第一个子网络中推导出的分布式控制律能够保证系统的功率平衡,而从第二个子网络中推导出的控制律能够实现系统内可控分布式电源（distributed generation,DG）的发电成本最小化。通过第二个子网络的可控agent的反复迭代,达到增量成本一致,根据等微增率准则,实现所有可控DG的运行成本最小化。最后,设计两个仿真算例,对所提控制律进行测试。仿真结果表明,在可再生能源和负载需求剧烈波动的情况下,提出的方法均能实现微电网的运行成本最小化。     

混合多目标遗传算法在电力系统经济调度中的运用

针对电力系统经济调度问题的多目标特性,提出了一种混合多目标遗传算法．算法除了改进传统目标函数加权法使之更适于多目标优化问题之外,还利用模糊逻辑技术来自适应调整交叉概率、交叉点位置以及变异概率,使算法具有优良的收敛性能．     

含风电场电网电能质量小波检测方法

研究了利用小波变换方法检测含风电场电网电能质量扰动的原理,并对谐波、电压波动及电磁暂态等电能质量扰动进行了MATLAB仿真．仿真结果表明,该方法能够实现对电能质量扰动快速又准确的检测,为研究含风电场电网中电能质量扰动的评估和治理提供了依据．     

现代内点理论及其在电力系统经济调度中的应用

提出了一种电力系统经济调度的现代内点算法。它克服了传统方法中难以精确处理不等式约束的弊端,使计算结果更精确,同时采用了一种变量重组和矩阵既约的技术,减少了计算量,加快计算速度,计算结果表明,将现代内点算法用于电力系统的经济调度是非常有效的。     

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优化算法对模型进行求解,可得到极端场景下运行成本最小的调度方案.仿真结果验证了该模型及求解算法的有效性,得到的调度方案能在风电预测误差范围内满足系统所有约束条件,并给出经济性最优的调度方案.与确定性经济调度方案进行对比可知,本文所提出的调度方案具有更强的鲁棒性.     

基于改进差分进化算法的分布式发电系统调度

针对分布式发电（ DG）系统调度的经济成本和环境成本,提出了一种新的改进差分进化算法。首先对建筑物DG系统进行优化设计,在考虑建筑中电能和热能需求以及分布式发电技术特性的基础上,确定技术最优组合、容量和运营计划;其次,针对DG调度中存在的整数规划限制及非线性等式约束问题,提出了改进的差分进化算法来解决混合整数非线性规划（ MINLP）问题,对所设计的DG系统进行经济和环境成本的最小化调度,并与传统方法进行比较。结果表明,文中所提出的方法在经济性和收敛时间上都明显优于传统算法。研究结果可以应用于同时包含发电、供热、储电、储热的完善的分布式发电系统,可为分布式发电系统商业部门的运营提供参考。     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。