大型风电场内机组的有功功率优化方法研究

为充分利用风能、提高风能利用率,改善风电场的功率输出特性,基于风速和功率的超短期提前一步预测,建立多目标的风力发电机组功率优化模型,对风电场输出的有功功率优化,并采用粒子群优化算法对优化模型进行求解和仿真分析,仿真结果表明:该优化方法使风电场整体输出功率得以提高,同时也减小了风电场的运行成本。     

基于混沌策略文化差分进化算法的动态环境经济调度

针对风电并网影响建立一个含风电场的动态环境经济调度模型,该模型以运行成本及污染气体排放为目标,考虑实际中存在的各种等式约束和不等式约束,提出基于混沌策略的文化差分进化算法( chaotic cultural differential evolution,CCDE)以求解该模型。将混沌参数调整策略融入文化差分进化算法,与自适应柯西变异结合,有利于跳出局部最优。采用动态约束处理方法结合罚函数使得群体空间的个体满足约束。仿真结果表明CCDE算法能有效处理该模型并且得到较优的调度方案。     

含多种分布式电源的微电网经济调度

针对含多种分布式电源的微电网经济调度问题,以微电网各机组的出力和蓄电池、电动汽车的电量为约束条件,考虑微电网中设备的投资费用、运行维护费用、燃料消耗费用和能量交易费用,以微电网在一个完整的调度周期的总运行费用最小为目标函数,建立微电网经济调度模型,采用粒子群优化算法对燃气轮机的每小时输出功率进行优化。仿真结果表明:该模型能有效降低微电网的运行成本,其粒子群优化算法与其他算法相比具有简单、易实现、精度高等优点。     

多约束多目标的灾害避难所选址优化研究——以海南省文昌市为例

地震灾害避难所优化选址是灾害管理的一个重要内容,也是个难点。以最小化总疏散距离和最小化避难所总面积为目标,同时在满足距离约束和容量约束的条件下,建立地震灾害避难所选址多目标模型,采用改进的粒子群算法对模型进行解算,并以海南省文昌市为例进行实证分析。结果表明:距离约束在多目标模型的空间分配结果中起主导作用,容量约束则会显著影响多目标模型及其算法在高维复杂问题中的空间搜索能力和解的质量。优化结果可为灾害避难所区位的确定及疏散方案的制定提供科学依据,为震后应急疏散提供决策支持。     

深埋地下结构工程环境水水质异常成因分析

分析了某抽水蓄能电站地下厂房硐室群开挖引起环境水水质异常的成因。对工程区进行大范围的环境水pH值检测和代表性渗水部位水样的成分分析后发现,环境水的pH值、SO42-含量和总铁含量特征在一些部位发生了明显改变:水质呈强酸性、SO42-含量和总铁含量高且分布不均匀。结合岩石成分分析和现场黄铁矿矿化点的调查,认为该抽水蓄能电站地下厂房硐室群环境水水质的异常是由地层中不均匀分布的黄铁矿矿化点在开放条件下的氧化造成的,与厂房区锚孔中使用的化学充填材料无关。鉴于当前还没有有效防止强酸性腐蚀的材料,建议加强勘察期间水文地质条件特别是深部水文地质条件的研究,及早掌握和预测深部结构工程开挖、运行过程中由于环境条件改变可能导致的水质改变,以便采取预防措施。     

基于PSO-AHP的大坝致灾因子权重计算

提出了一种基于改进粒子群优化-层次分析法(SELPSO-AHP)的致灾因子权重计算模型,该模型依据大坝现场检测、原型监测和安全定期检查等成果,由层次分析法构建大坝风险分析的层次结构体系。为保证判断矩阵的一致性,引入改进粒子群算法和罚函数法用于层次分析法的权值计算,取得了比遗传算法更精确、更稳定的结果。将所建立的模型用于某混凝土重力坝的运行风险分析,得到了影响该坝运行风险的主要因素,为保障大坝安全提供了依据。     

生命线网络系统抗震拓扑优化的Benchmark模型

生命线系统拓扑优化问题的Benchmark模型是评测新型算法正确性和适用性的重要手段。基于此,首先以生命线网络系统抗震拓扑优化分析模型为背景,建立了该优化问题的三个Benchmark模型,并在Visual Compaq Fortran开发环境下,通过穷举法统计出解空间的所有网络,进而甄选出不同节点可靠度约束下的最优网络和若干次优网络,最后利用上述Benchmark模型对生命线网络系统抗震拓扑优化中的蚁群算法进行测试。结果表明,当网络规模较小时,蚁群算法能精确地搜索到最优解;当网络规模增大后,蚁群算法也能以较大概率搜索到最优解或次优解。     

免疫粒子群优化在波阻抗反演中的应用

针对标准粒子群优化(PSO)算法易出现早熟而陷入局部最优以及进化后期收敛速度慢等缺陷,引入免疫系统的免疫记忆和抗体浓度选择机制,构造了基于免疫机制的粒子群优化(IPSO)算法,并将其应用到波阻抗反演问题中。免疫记忆能够保留高适应度个体,抗体浓度选择机制进一步保证了粒子的多样性,从而能较好地避免早熟收敛,提高算法的全局搜索能力。对理论模型试算表明,IPSO算法在进行波阻抗反演时不仅收敛速度快,而且具有较高的精确度和抗噪性能。     

售电公司电动汽车用户电价引导策略研究

售电公司作为我国新一轮售电侧改革后的新兴市场主体,可以起到增强电力市场竞争,促进资源合理配置的作用。考虑到电动汽车数量飞速增长的趋势,针对电力现货市场电价波动给售电公司带来损失的问题,从增加售电公司利润、降低电动汽车充电成本角度出发,提出了一种面向电动汽车用户的售电公司电价制定策略,并利用收益比例分成的方法增加用户的响应度,最后运用粒子群优化算法对建立的模型进行求解。结果表明:本文提出的策略能够有效地对电动汽车充电行为进行引导,一定程度上提高售电公司利润,降低电动汽车平均充电成本。     

含分布式电源的配电网络重构

配电网络重构是一个复杂、非线性的组合优化问题。在考虑分布式电源的情况下,以网络损耗最小和电压节点偏差最小为优化目标,建立了一个多目标的配电网络重构数学模型。针对二进制粒子群优化(Binary particle swarm optimization,BPSO)算法容易陷入局部极值点、发生早熟等缺点,提出混沌二进制粒子群混合优化算法(CBPSO),引入混沌理论(Choas theory)对二进制粒子群优化算法的惯性权重进行调整。IEEE33 节点测试系统的算例表明,该算法较BPSO 算法具有较强的全局收敛性能,能够有效地解决计及 DG 出力的配网络重构优化问题,提高了电能质量和系统运行的经济性。     

大规模风电接入电网的机组组合问题研究

伴随着风力发电规模的日益增加,风电并网需求量增大,大电网环境下与之相适应的火电机组的启停组合经济调度问题显得特别突出。针对此问题,通过对离散二进制粒子群算法进行优化改进,采用等耗量微增率迭代法整合优化方案,用于解决火电机组启停组合经济调度问题。仿真结果表明:该方案接近最优,在满足电力系统约束条件下得出的机组组合方式能够使得总运行费用最低,能够根据风电具体预测信息,为电网接入的火电机组经济调度提供可靠依据。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

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。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

储能技术大规模应用的可行性研究

以西北电网为例分析了新能源大规模发展对传统电网消纳能力有限产生的严重弃风弃光,威胁电网安全运行稳定性等问题,归纳阐述了目前储能技术应用于发电机组、风电厂、光伏电站、光伏发电系统的情况,提出了以储能技术为基础的风光储互补型的稳定发电系统方案,并对其实现的可行性进行了论证,对风光储互补型稳定发电系统在电力系统中的发展前景和实现途径进行了展望。     

基于互补理论的电力系统机组组合优化

针对同时具有离散和连续变量,非线性等特点的火电机组组合问题,在分析一般机组组合优化数学模型的基础上,尝试用连续化的方法建立连续变量和离散变量之间的关系,利用互补约束和最优化极值理论,构建了电力系统机组组合的互补约束优化模型。采用光滑NCP函数对建立的互补约束优化模型进行光滑处理,将其转化为一般的非线性规划问题,并用原对偶内点法进行求解。仿真结果表明:所提算法能有效处理含离散和连续变量的混合优化问题,具有很好的实际应用前景。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization, ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。