基于MST-改进PSO的电-气-热综合能源系统负荷恢复策略

以往故障恢复的研究大多集中在配电网方面且恢复目标仅为单一的负荷恢复量,未考虑资源成本以及能源消耗的 环境保护成本等。对此,本文提出了一种多侧协调优化的多目标负荷恢复策略,该方法不仅实现了网络的重构、较高等级负荷的优先恢复,还实现了系统运行成本最优。在系统发生故障后,分两阶段进行恢复：首先,使用最小生成树对系统结构进行改造,实现系统网络的重构,形成可恢复负荷的最终区域;然后,综合考虑源侧资源购买成本、用户侧切负荷补偿成本以及碳排放环保成本等,构建优化目标函数,使用改进粒子群算法对其进行求解,得到最终恢复方案。通过33节点配电网、14节点气网和6节点热网测试系统仿真,验证了该负荷恢复策略的有效性。     

用改进遗传算法求解电力系统负荷恢复

对系统恢复过程中最后一个阶段的负荷恢复问题进行了研究.考虑系统恢复过程中负荷对电力需求优先级的不同,将电力系统的负荷恢复问题建模为多约束条件的组合优化问题,并用改进的遗传算法对问题进行求解.在选择策略中采用稳态策略、精英策略和重叠种群策略,提高了遗传算法搜索的遍历性并使算法具有群体爬山性.将各种约束条件与目标函数融合在一起,建立一种偏序关系来处理负荷恢复中的约束条件.求解的过程满足了系统的约束条件,不会出现系统的越限.算例结果表明了算法的有效性.     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

含有大量感性负荷的海岛微电网黑启动优化策略

在极端自然条件下,容易造成海岛微电网全面崩溃,此时需要进行黑启动使整个系统恢复,但是海岛微电网中含有大量感性负荷会影响黑启动过程.为了提升海岛微电网黑启动的效率,提出一种基于虚拟有功负荷的海岛微电网黑启动优化策略.首先提出黑启动电源启动顺序优化模型,利用熵权法对不同DG的黑启动能力进行评价;然后,提出负荷恢复优化模型,以负荷恢复量最大和负荷恢复重要程度最大作为目标并利用PSO算法进行求解;接着,提出DG与负荷的路径恢复优化模型并利用最小生成树的Prim算法进行求解.另外,还提出虚拟有功负荷构造方法,在黑启动过程中考虑将感性负荷与并联补偿电容一起等效为有功负荷,从而提高黑启动成功率.最后,采用简化的19节点微电网结构进行仿真验证,结果表明,与传统优化的黑启动策略相比,本文方法在黑启动过程中负荷恢复量提高了46.8％,同时考虑了负荷的重要程度,并且,路径恢复总时间减少了8.8％.此外,根据本文中提出的虚拟有功负荷构造方法,仿真结果表明当并联电容提供的无功足够时,在黑启动过程中可以明显减小感性负荷对系统电压造成的影响.     

基于混沌粒子群优化的火电机组负荷分配

为进一步优化电厂负荷的分配,有效提高发电厂的经济效益,在粒子群算法的基础上结合混沌优化等算法对电厂负荷的分配进行了改进研究。该方法从火电厂的实际发电情况出发,考虑了阀点效应和机组在实际运行过程中的约束条件,建立了发电机组负荷优化分配模型,并利用罚函数法将此模型转化为非约束问题求解,实现了利用混沌粒子群算法来优化发电机组负荷,解决了局部最优和收敛速度慢等问题。通过实例分析证明了该算法的可行性。     

基于贝叶斯优化注意力机制LSTNet模型的短期电力负荷预测

为更充分挖掘多元负荷序列间的有效信息,从而提高预测精度,提出了一种集成贝叶斯超参数优化算法、注意力机制的长期和短期时间序列网络（long and short-term time-series network with attention,LSTNet-attention）以及误差修正的短期负荷预测模型。首先,构建基于贝叶斯优化的LSTNet-attention模型进行初步预测,利用贝叶斯算法优化模型多个结构参数,降低人工设置参数的随机性,并通过注意力机制合理分配特征权重;然后,通过基于贝叶斯参数优化的极端梯度提升算法(extreme gradient boosting,XGBoost)误差修正模型来挖掘初步预测误差序列中潜在、未被利用的有效信息,进行误差预测和修正,进而得到最终的预测结果。通过使用澳大利亚某地真实负荷数据进行实证分析,实验结果表明,所提预测模型相较于其它模型具有更好的预测效果,可为负荷预测等工作提供一定参考。     

基于分层思想的配电网负荷转供算法

配电网供电恢复的主要目的是在保证支路不过载、电压不越限、电网呈辐射状这三个约束条件下以较少的开关操作尽可能多地恢复失电负荷,并尽量使网损最小。在分层供电树基础上,结合恢复切割思想,提出一种实时算法;该算法将整个计算过程分为离线和在线计算两个部分。首先在离线计算部分中做好相应的准备工作,即对系统进行拓扑分层,并计算一阶负荷矩,然后再根据故障信息进行在线计算。通过分层树的切割方法计算得出非故障失电区的负荷转带方案。最后根据各个方案的负荷转移量、开关操作次数和网损等指标进行方案的优选比较。通过研究和算例分析可以看出将整个算法过程分为离线和在线计算两个部分可以提高算法的在线计算效率,能有效地满足负荷转供的实时性。     

配电网故障修复策略的研究进展

针对配电网发生故障时的失电负荷恢复供电问题,总结归纳了含分布式电源、电动汽车和储能等可控负荷参与、抢修任务分配以及多代理设计等故障修复策略的研究进展,并从故障抢修、故障恢复以及故障抢修与恢复协同优化策略等3个方面的研究成果进行了论述,指出了目前在该领域的研究进展及尚且存在的问题与不足,并对今后的研究方向提出了建议。     

基于启发式搜索和模糊评价算法的配电网故障恢复

为快速恢复非故障失电区的供电,提出了一种基于启发式搜索和模糊评价的配电网故障后多目标快速供电恢复算法。算法首先从寻找有效的联络开关和分段开关开始搜索供电路径,通过潮流计算剔除不符合系统运行约束的开关组合。将恢复步骤分为自馈线恢复、整区恢复、分区恢复、转移负荷恢复和切负荷恢复,考虑了开关操作次数和用户优先级别,得出初始供电恢复方案。然后,引入模糊评价,从最少开关操作次数、负荷转移量、馈线容量裕度和最大电压降4个方面衡量候选方案,并根据实际情况为其赋予不同的权重,通过加权值的大小选择最佳的供电方案作为最终的方案。最后,算例分析证明了所提恢复算法的可行性和高效性。     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.