考虑预测不确定性的微网优化调度

针对现有技术下由于微网中不可控微源出力预测和负荷预测均存在误差较大而引起微网优化调度结果不准确的问题,提出在传统微网经济调度模型中增加不确定性描述模型,得到不同侧重点下的微网经济优化结果,并对结果进行分析。首先,通过利用区间数描述预测不确定性,并结合隶属度函数推导容忍度概念。其次,在并网运行模式的微网结构上建立以运行成本最低为目标函数的微网优化调度模型,并将该模型转换为区间数形式表示。最后,利用粒子群优化算法并以MATLAB为主要工具对上述模型进行求解,得到微网24 h出力优化区间解结果,并对结果进行详细分析。算例通过对某并网型微网进行分析,验证了所提模型的科学性和有效性。     

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。     

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。     

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。     

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。     

获得固定输电权的风电公司日运行优化的研究

风电为平衡自身波动性需与储能装置联合运行,基于风蓄联合发电公司在电力市场环境下获得固定输电权的前提下进行分析,建立了以日运行收益最大化为目标的含风电场、抽水蓄能电站、常规火电厂和系统负荷的简单电力系统模型。考虑峰谷电价、功率平衡、风电场的运行约束和抽水蓄能电站的运行约束的情况下,应用在标准粒子群算法基础.上进行改进的粒子群算法迭代寻优,最后求得最优解。仿真结果表明所提出的模型及求解方法能够计算风蓄联合发电公司的最优日收益,实现收益的最大化。     

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。     

MPSO-BP模型在矿井突水水源判别中的应用

突水水源判别是矿井防治水工作的重要环节。为准确有效地判别矿井突水水源,选取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46种离子作为判别突水来源的依据。对粒子群的惯性权重、两个学习因子进行非线性和线性改进,并引入变异算子对粒子的飞行速度进行改进,提高了标准粒子群(SPSO)算法的性能,确保了粒子群在进化过程中的多样性。运用改进的粒子群(MPSO)算法优化BP神经网络的初始权值与阈值,以某矿的20组水源样本作为训练样本进行学习与训练,并用建立好的MPSO-BP突水水源判别模型对6组待测样本进行判别,并对适应度进化曲线和判别结果进行详细的分析与推理。应用结果表明:相比于SPSO算法,MPSO算法在优化BP神经网络过程中具有全局搜索能力更强、收敛速度更快、精度更高的优点,能够有效克服SPSO算法易早熟收敛的缺点;MPSO-BP模型应用于矿井突水水源的判别具有可行性,其判别结果的精度及稳定性明显优于BP模型和SPSO-BP模型,其具有判别泛化性更强的特点。因此,该方法在判别矿井突水水源方面具有一定的实用价值与开发潜力。     

基于微粒群算法的供水管网抗震优化设计

以管网年费用折算值为优化目标、管网拓扑结构与管径为优化参数、管网节点最低可靠度为约束条件,建立了供水管网抗震优化设计模型。利用微粒群算法对这一模型进行了求解,该算法以管网作为微粒个体,通过不断地更新微粒的位置来搜索最优的管网结构,直到最后给出优化的管网结构。利用上述方法对一典型供水管网进行了抗震优化设计分析,给出了3种不同节点最低可靠度约束条件下的优化改造方案。     

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。     

改进的粒子群算法及其在土坡临界滑动面搜索中的应用

首先,提出了一种新型的模拟任意滑动面的方法,该法能自动产生运动许可的滑动面。同时,针对基本粒子群优化算法存在计算量大的缺点,提出了一种改进的,即不连续飞行粒子群优化算法。利用Spencer法计算滑动面的安全系数,对几个复杂土坡的最小安全系数及其对应的滑动面进行了分析,并与国内外已有结果进行了比较,证明了改进粒子群优化算法和模拟滑动面的新方法是合理、有效的,可用于复杂优化问题的研究。     

电网调度控制系统告警信息的优化处理

自调控一体化运行模式实行以来,电网调度控制系统接收的告警信息量越来越大,告警信息处理不当,会严重影响监控人员对电网故障判断的及时性和准确性。基于国网银川供电公司电网调度控制系统,首先介绍了告警信息的产生与分类,然后分析了告警信息处理方面存在的3个问题,最后提出了告警信息压缩处理、告警信息加延时处理、开发告警信息智能巡检工具等优化措施。经实践验证,该措施有效可行,可实现告警信息的优化处理效果。     

基于源网荷互动的分布式能源消纳方法

分布式能源发电的不确定性给电网公司消纳新能源带来了极大的挑战,电力物联网全域感知技术为分布式能源消纳提供了有效的数据支撑,故提出了一种基于源网荷互动的分布式能源消纳方法,构建了分布式能源总功率预测方法,采用自回归移动平均算法对新能源发电功率进行预测,并建立分布式能源发电波动影响因子,分析新能源发电波动对电网带来的影响。根据源网荷的互动情况,采用离群点自趋优算法,实现新能源机组有功功率精准控制,有效推动分布式能源的消纳。仿真验证表明：采用离群点自趋优的新能源机组控制算法能根据电网运行情况,自动调控分布式能源、电网资源,实现分布式能源最大化消纳,有效提高了园区分布式能源的经济运行水平。     

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。