计及可中断负荷的交直流混合微电网运行优化研究

针对我国传统能源供应紧缺和可再生能源消纳不足问题,为保证可再生能源高比例利用率,抑制可再生能源间歇性引起系统功率波动,研究交直流混合微电网运行与优化具有重要研究意义和实用价值。交直流混合微电网通过电力电子变压器(power electronic transformer,PET)并网,考虑不同可中断负荷渗透率,通过建立混合整数线性规划(mix integer linear programming,MILP)模型,在不同交换功率下,实现系统运行优化。     

多时段可中断负荷调度的智能优化算法

考虑多个可中断用户的多时段可中断负荷优化调度问题一般是一个多目标的组合优化问题,建立了一个多时段多目标可中断负荷优化调度模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并计入不同可中断用户的不同中断特性和时段耦合约束.给出了应用离散二元粒子群优化算法的多时段可中断负荷调度问题求解方法.基于一个含19个可中断用户和16个时段的可中断负荷调度问题的算例仿真,通过比较采用离散二元粒子群优化算法和遗传算法的优化结果,表明离散粒子群算法在收敛解的质量上优于遗传算法.     

基于多目标粒子群算法的微电网优化调度

提出了一种经济与环保相协调的微电网优化调度模型,针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究,在满足系统约束条件下,建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型,并利用多目标粒子群算法(MOPSO)求解微电网优化调度问题,仿真结果表明该模型对微电网优化调度具有一定的指导作用。     

基于PSO的并网微电网优化运行

针对微电网并网运行下的优化运行问题,综合考虑含微电网经济成本、环境成本及微电网与大电网交易成本,使系统的总运行成本最低,建立了微电网多目标优化模型。考虑并网微电网运行约束条件,采用粒子群算法对模型进行求解,实现对各微电源负荷的优化分配。以某地的实际数据为例,对所提模型进行仿真,验证了提出的负荷优化调度模型可有效降低发电的综合成本。     

基于两阶段鲁棒优化的西南地区微电网经济调度

针对西南地区可再生能源储备丰富的特点,考虑微电网中可再生分布式能源出力和负荷的不确定性对微电网运行调度的影响,搭建了两阶段鲁棒优化经济调度模型,求解系统在极端运行场景下的经济性最优解。模型考虑系统功率平衡和输出功率约束、需求响应负荷约束以及微电网与配电网的交互约束,通过不确定性调节参数处理微电网中的不确定性,调节模型的保守度。随后通过Benders分解算法将模型分为主问题和子问题求解,并采用对偶理论对内层模型进行解耦。最终得出的结果验证了所搭建模型的有效性,为微电网接入西南电网后的调度策略提供参考。     

多时段可中断负荷调度的智能优化算法

考虑多个可中断用户的多时段可中断负荷优化调度问题一般是一个多目标的组合优化问题,建立了一个多时段多目标可中断负荷优化调度模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并计入不同可中断用户的不同中断特性和时段耦合约束。给出了应用离散二元粒子群优化算法的多时段可中断负荷调度问题求解方法。基于一个含19个可中断用户和16个时段的可中断负荷调度问题的算例仿真,通过比较采用离散二元粒子群优化算法和遗传算法的优化结果,表明离散粒子群算法在收敛解的质量上优于遗传算法。     

高渗透率光伏微电网能量优化管理策略的研究

针对高渗透率光伏微电网,提出了运行总成本最优的能量优化管理策略。在微电网并网和孤岛两种运行模式下,基于光伏的运维成本、储能设备的运行损耗、火电的环境污染及治理成本、微电网与大电网之间电能交易差额以及可调负荷的断电惩罚费用等因素,建立高渗透率光伏微电网的多目标能量优化模型,并在系统功率平衡等安全约束下,应用具有惯性权重系数的粒子群算法求解得到能量优化管理策略。算例分析表明,该能量管理策略具有经济性和有效性。     

考虑分时电价和需求响应的家庭型用户侧微电网优化运行

在考虑分时电价和需求响应的基础上,建立了含有光伏发电、风力发电以及蓄电池的家庭型用户侧微电网优化运行模型,提出了一种家庭型用户侧微电网需求响应方法.优化模型以综合考虑用户的购电费用和舒适度为优化目标,尽可能多地将峰时电价时段的家用负荷功率向谷时电价和平时电价时段移动.采用粒子群优化算法对模型进行了求解,在算例分析中对比了优化前后微电网向电网公司支付的购电费用,验证了所提优化算法的有效性.     

基于频率调整策略的微电网多目标优化自愈控制

针对微电网由并网转孤岛运行时自愈控制过程中的电能质量、经济性、负荷支撑和快速响应等多方面的需求,考虑负荷、分布式电源的随机性特点,以微电网频率控制为主线,提出了基于频率调整的多目标优化自愈控制策略。该策略中,将微电网由并网转孤岛运行的优化自愈控制分为2个主要阶段:第1阶段为一次和二次调频阶段,一次调频通过分布式电源的下垂控制实现,在二次调频中使用了按成本大小依次投退分布式电源的优化控制策略,实现微电网功率平衡及经济运行下的频率、功率稳定;第2阶段为三次调频阶段,以经济运行和最大负荷支撑为目标,综合考虑负荷、分布式电源的随机性,引进机会约束规划算法将不确定量转化为确定量,实现微电网最大负荷支撑下的经济运行。     

微电网可中断负荷管理与补贴策略

现有的可中断负荷管理策略往往不能同时兼顾电网和用户的利益,从而降低了双方对于负荷中断的参与度。基于此,利用微电网作为中间环节,提出了一种适合微电网负荷中断管理的分段补贴机制,在这种补贴机制中,电网支付给微电网的电价补贴采用固定补贴电价的形式,而微电网则按照可变补贴电价支付给用户,用于补贴用户参与负荷中断的损失。首先根据可变补贴电价与中断功率、中断时间之间的数学关系,得到基于最小二乘拟合法的可变补贴电价模型;进而得到微电网负荷中断收益模型;再给出自由中断、固定中断时间与固定中断功率3种负荷中断管理策略,以便参与各方灵活选用。以一个包含可中断负荷的典型微电网为例,利用鸡群优化算法求解3种不同中断管理策略下,采用分段补贴机制时微电网的最大中断收益问题,算例结果验证了所提策略的可行性与有效性。     

基于粒子群算法的冷热电联供系统优化调度

近年来随着用户对供能形式的需求不断丰富,传统的以单一电能为形式的供能系统已经无法满足能源用户的需求。考虑了冷热电联供系统(combined cooling heating and power,CCHP)对不同能源协同供应的特点,对以风能、太阳能、天然气和储能协同供能的冷热电联供优化问题进行研究。综合考虑不同费率结构以及可再生能源带来的功率波动,以经济成本和环境成本为目标,构建了含燃气发电机、燃气锅炉、电制冷机、蓄电池组等机组的冷热联供能源协同优化模型。采用粒子群算法对多目标进行求解优化,结果表明该算法能够同时满足系统的经济性和环保性,对促进各种能源的综合利用具有实际意义。     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解。并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整。并以IEEE118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性。     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解.并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整.并以IEEE 118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.