基于带辅助搜索空间的改进二进制粒子群算法的微网经济负荷分配研究

研究了包括光伏电池、风机、微型燃气轮机、柴油发电机、燃料电池在内的微网的发电特性,考虑电压越限、功率平衡、微电源出力限制等约束条件,建立了以发电经济成本最小、环境成本最小的多目标微网经济负荷分配模型。针对二进制粒子群算法易"早熟"、容易陷入局部最优解的缺点,构造辅助搜索空间,改进二进制粒子群算法来求解该复杂非线性优化问题。对孤岛运行模式下的一个小型的含多种微电源的微网系统算例进行研究,仿真结果验证了模型的正确性和算法的有效性。     

基于复合粒子群算法的微电网能量管理策略

微网中的部分分布式能源的功率输出具备一定的随机和性间歇性,很大程度上影响了系统的供电稳定性和可靠性,因此,有效的对微网系统进行能量管理显得至关重要。以往的研究中,多采用优化算法在解决能量管理等问题,但其存在着陷入局部最优解等问题,为有效的解决上述问题,本文引入一种复合粒子群优化算法,综合考虑了微网运行过程的经济性、环保特性以及运行可靠性等要求,建立了微电网能量管理多目标优化数学模型,优化目标是运行成本及环境治理的费用最小。在满足功率平衡、分布式电源输出功率等约束条件下,对模型进行了求解,同时,预测系统内负荷需求的变化情况来确定微网的能量管理策略。通过仿真算例的分析验证改进算法的有效性。     

基于空间距离的双种群粒子动态优化微网配置

为了降低含多微源多能互补微网的运行成本,解决在传统算法下微网系统优化速度慢、耗能大,稳定性差的问题,提出一种基于空间距离的双种群粒子动态优化微网方法。首先从系统运行经济性、稳定性和环保角度建立微网综合能源模型,结合基于空间距离的多种群权重下降改进粒子易陷入局部最优的情况且加快收敛速度,采用双种群动态粒子群算法进行优化。算例结果表明:该方法在优化结果中经济性及优化效率综合最优,为用户电力增容提供一种经济、安全、高效的控制策略,具有良好实用性。     

基于改进混沌粒子群算法的多源独立微网多目标优化方法

针对目前独立微网优化运行中微源类型与场景设计较为简单、未充分考虑可控负荷作用等问题,以可控负荷作为网内功率平衡的辅助手段,研究多源独立微网的调度优化问题。建立了使发电成本、切负荷补偿成本及微网环境效益最优的多目标优化模型。根据工作日、周末和晴、阴雨天组合设计了四种典型场景,在满足功率平衡等约束的前提下实现独立微网的经济调度。针对优化变量多、场景复杂的微网优化模型,提出了改进的混沌粒子群算法(Chaos Particle Swarm Optimization, CPSO)用于优化问题求解,验证了模型和算法对不同场景微网优化问题的有效性。     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。     

孤岛运行模式下的微网经济负荷分配

研究了微网孤岛运行模式下的经济负荷分配问题,即在满足系统约束条件下如何优化微网中各微电源的出力,使微网的目标成本最小。建立了微网孤岛运行模式的经济负荷分配数学模型,然后采用改进粒子群优化算法对微网的经济负荷分配进行了研究。最后通过算例验证了数学模型与优化算法的正确性与有效性。     

独立光伏微网容量优化配置

独立光伏微网系统中,因太阳能固有波动性、不可控性等特点,微网电源间的相互协调与控制变得复杂。所以,解决电源与负荷的能量匹配问题是独立运行状态下微网稳定的首要条件。将改进的粒子群算法应用到解决光储柴(光伏、储能、柴油发电)协调配合的全年独立运行的微电网电源容量优化配置中,建立光伏、储能、柴油发电的稳态数学模型。通过全年微网运行综合费用分析,建立以全年综合费用最低为目标的成本数学模型。针对微网的不同运行状态,提出微网电源协调配合的能量管理策略。遵循提出的能量管理策略,利用改进的粒子群算法得到微网电源的最优容量配置方案,结果表明改进的粒子群算法具有全局寻优能力强的特点。     

基于MPSO算法含电动汽车的微网优化调度

在保证微网系统安全稳定运行的前提下,考虑风光储等分布式电源及电动汽车等随机负荷并网,以微网最低综合运行成本为目标,建立了含电动汽车的多能互补微网优化模型。提出了一种改进粒子群算法（MPSO）,通过仿真分析证明了该方法在包含电动汽车等随机负荷的多能互补微网中,能够快速收敛得到最优运行方案,显著降低了微网运行的成本,具有较好的实际应用意义。     

基于改进粒子群算法对混合微网电源容量的优化

通过在全寿命周期成本经济性模型引入微源选择的影响因素,并改进了结合模拟退火算法的粒子群算法,对多电源混合微网各微源容量进行最优配置.仿真计算结果表明,本文提出的经济性等值模型很好地实现了微电源的优化配置,改进的模拟退火-粒子群算法有较好的收敛率.     

基于改进BPSO算法的微网中微电源的组合优化

深入分析了微网中微电源包括光伏发电、风力发电、微燃机、柴油发电机和燃料电池的电气特性,构建了多种微电网优化运行的模型,以微网的经济成本和环境成本最小为多目标函数,充分考虑了电压越限、功率平衡、微电源出力限制等约束条件,并应用改进BPSO算法进行求解。通过构造辅助搜索空间,提出了改进BPSO算法,解决了二进制粒子群算法易"早熟"、容易陷入局部最优解的问题。并通过典型的微网系统进行仿真分析,仿真结果验证了该算法的有效性。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义。微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护。对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型。同时采用改进的粒子群算法对优化模型进行求解。仿真结果表明,该模型可以有效降低用户的用电成本和环境污染,促进微电网的优化运行,并验证了改进的粒子群算法的优越性能。     

基于改进二进制蝙蝠算法的独立型微网容量优化配置

该文围绕独立型风/光/柴/储微网的容量优化配置展开研究,以微网系统供电可靠性为约束条件,同时考虑微网经济性、环保性和可再生能源利用率3个指标,以加权后的年均综合费用最小为优化目标,构建微网容量优化配置的非线性整数规划模型。针对连续优化算法直接用于求解离散优化模型而导致的局部最优问题,该文提出一种改进的二进制蝙蝠算法(improved binary bat algorithm,IBBA),将差分进化(differential evolution,DE)算法的变异、交叉、选择操作与二进制蝙蝠算法(binary bat algorithm,BBA)相结合,增强BBA的全局寻优能力。算例结果表明,IBBA求解得到的配置结果在精度和稳定性上均优于遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)和DE算法。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

基于多通道迭代粒子群优化算法的微网经济调度

针对微网并网和计划孤岛运行方式下的经济调度问题,考虑分时电价差异及与主网能量交易,以最小化发电成本为目标,在由风电机组、光伏电池、燃气轮机和蓄电池组成的可再生能源的微网系统基础上建立了2种经济运行模型,同时通过对粒子群算法做出改进,提出了一种适用于多时段动态优化的多通道迭代粒子群优化算法并将其用于该文调度问题的求解,最后通过算例仿真证明改进算法的可行有效。     

基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

计及可靠性的微电网接入规划

采用蒙特卡罗方法对微电网内各分布式电源和负荷的出力特性进行模拟,建立了基于微网整体特性的典型配置模型。以微电网接入后配电网网损和可靠性损失费用最低为目标函数,以微电网经济可靠运行及微电网接入相关限制为约束条件,建立了基于可靠性的典型微网规划模型,并利用粒子群算法的全局寻优能力对模型进行求解。以RBTS-BUS 6为例,利用上述方法建立了规划模型并进行了求解,结果表明微电网的合理接入能有效提高整个配电网系统的可靠性。     

基于改进粒子群优化算法的负荷分配方法研究

针对多目标粒子群优化算法求解负荷优化分配问题时所出现的最优解分布不均,局部最优等问题,引入了精英交叉算子并基于拥挤度对非劣解集进行排序,给出了精确计及网损时的机组出力等式不等式约束处理方法。最后在有无网损两种情况下针对3机组系统进行负荷优化分配。仿真结果表明改进后的粒子群优化算法寻优能力得到提升,同样利用模糊隶属度函数筛选Pareto解集得到的结果明显优于常规粒子群优化算法,有效降低了发电成本及污染物排放,且求解结果严格满足约束条件。     

含海水淡化系统的海岛微电网经济运行优化

针对海岛供电供水困难的现状,将海水淡化系统引入到微电网中,解决海岛居民的水电供应问题。针对微电网经济运行优化算法容易陷入局部最优的问题,将遗传算法中的小生境种群策略引入粒子群算法中,提出了一种改进小生境粒子群算法,对学习因子进行异步变化调整,对惯性权重进行指数递减,改善了算法寻优性能。以考虑海水淡化经济收益的孤立微电网系统经济运行成本最低为目标,建立数学优化模型,以改进算法进行优化计算,分别与标准粒子群算法计算结果以及不考虑海水淡化系统的微电网经济运行优化结果进行对比,验证了引入海水淡化系统可提高系统的经济性,所提改进算法具有良好的寻优能力。     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

自适应混合粒子群算法在梯级水电站群优化调度中的应用

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法（AHPSO）。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,AHPSO比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。