含冰蓄冷空调的CCHP微电网优化调度

冷热电联供(CCHP)型微电网作为综合能源系统的基本物理构成,可实现可再生能源的消纳和多能互补,是实现能源可持续发展和改善生态环境的重要手段。考虑经济性和环保性,以综合运行成本最小为目标,搭建了含冰蓄冷空调的CCHP型微电网优化调度模型采用改进粒子群算法进行求解,得到不同调度方式下系统的产能方案。通过算例分析对比了运行策略对于优化结果的影响,并验证了优化模型的有效性。     

基于改进微分进化算法的风光互补系统发电容量优化配置

为有效兼顾风光互补发电系统的可靠性与经济性,以年缺电负荷率最小及微网系统投资建设成本最低为目标函数,以储能电池充放电次数、微网功率平衡以及电池充放电上下限等为约束条件,搭建风光互补系统发电容量优化模型。针对缺电负荷率、系统成本2个目标函数相悖的特点,考虑将帕累托非劣排序操作引入至常规微分进化算法,并对常规算法中的变异策略进行了相应改进,使得改进后的算法在具备多目标寻优能力的同时,寻优速度也得到了较为显著的提升。最后,应用所提改进多目标微分进化算法对风光互补系统发电容量优化模型进行求解,算例结果验证了该文模型的合理性和所提算法的有效性。     

基于CS-PSO算法的电池储能系统多目标优化运行策略

为了充分发挥储能系统在智能配电网中的积极调节作用,提出了一种统一为成本量纲的电池储能系统多目标优化运行模型。该模型以一个完整调度周期的配电网购电成本、网络损耗费用及电压调节费用均最小为目标函数,以电池储能系统的充/放电功率为控制变量,并确保储能系统在整个调度周期的能量守恒及容量约束。再应用层次分析法计算各子目标权重,化多目标函数为单一综合目标函数。针对所提出的电池储能系统优化运行模型,提出一种改进的混合粒子群优化算法—纵横交叉粒子群优化(CS-PSO)算法。将纵横交叉算子引入粒子群算法,并采用交叉搜索的方法以维护种群多样性,再以电池荷电状态为粒子位置矢量元素,实现完整调度周期内储能系统优化运行策略的求解。最后,对含高渗透率分布式发电单元和电池储能的IEEE34节点算例进行仿真,对比分析了3个单一单目标与本文多目标的优化结果以及3种智能优化算法的计算性能,还分析了储能系统优化运行对系统电压质量的影响。仿真分析结果表明:多目标优化能够充分利用储能系统为配电网提供多种服务,使配电网获得最大综合效益;CS-PSO算法在求解非线性规划问题时具有很好的收敛特性及较高的计算效率,从而验证了所提模型及算法的有效性。     

基于改进粒子群算法的冷热电联供微网优化调度

针对冷热联供微网的调度问题,从可再生能源利用率、经济效益和节能减排等方面考虑,建立以风能、太阳能、天然气和储能协同供能的冷热电联供优化调度模型。综合考虑燃料和购售电费率结构,以最小运行成本和环境成本为目标进行优化,并采用改进的粒子群优化算法对提出的高维优化问题进行求解。通过采用粒子相对进步度来自适应调整粒子群参数,在速度更新过程中,用所有粒子个体最优值的平均值替代粒子群中最差的个体最优值,算法提高了高维复杂问题的收敛速度和求解精度。算例仿真验证所提模型和改进算法的有效性,结果表明模型对促进各种能源的综合利用具有实际的意义。     

高占比新能源电源接入区域电网的无功优化策略研究

从高占比风电、光伏接入电网运行的安全性和稳定性等方面综合考虑,建立了以电压偏移量和网损最小为目标的无功优化模型。利用MATLAB软件对风电、光伏电站接入IEEE-33节点系统进行无功优化仿真分析,采用多目标粒子群（MOPSO）算法进行无功优化调度方案求解。基于Pareto前沿解的MOPSO算法可为决策者根据不同需求提供方案,并且同时达到提高测试系统的电压稳定性、降低网损的目标,验证了所提优化策略的有效性。     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

基于粒子群算法的风光互补发电系统配置优化设计

粒子群算法(Particle swarm optimization,简称PSO)模型简洁,具有优异的探索效率、良好的收敛性及精度,与其他优化算法相比具有令人瞩目的优异性。通过将粒子群算法应用于由太阳光、风力发电等构成的可再生能源混合发电系统的最优化配置研究中,并通过实际的应用完成在以系统综合成本最小的约束条件下,对系统各构成模块的规格进行优化分析。通过对某工业园区进行风光互补发电系统优化,即分别对风光互补发电系统、单一风力发电系统、单一光伏阵列发电系统这3种优化方案进行经济性分析和技术性分析,进行优化设计。结果表明:基于粒子群算法的风光互补发电系统优化设计在兼顾满足负载要求的情况下,达到较好的经济性,适宜推广此种可再生能源发电方式。     

基于改进粒子群算法的负荷优化调度

电厂机组间负荷的优化调度有利于电厂的经济运行和科学管理.基于改进的粒子群算法,将机组启停的信息附加到粒子群中,结合机组运行及停运的时间约束,以机组煤耗特性为基础建立全厂煤耗最小的目标函数,全面考虑机组运行的约束条件,完成机组启停及负荷分配的双重优化;与传统的等微增率准则相比较,调度结果更加经济.     

基于大数据与粒子群的清洁能源协同优化调度方法

为解决清洁能源系统运行节点因存在延迟调度,而影响清洁能源协同优化调度效果的问题。为避免该问题,本文提出基于大数据技术与粒子群算法的清洁能源协同优化调度方法。根据清洁能源协同运行特点,利用大数据技术分析作业参数,并设计运行节点延迟调度策略,然后构建清洁能源系统输出功率调度模型。将最大运营利益和最小弃能成本作为优化目标,构建清洁能源协同优化调度模型,再采用粒子群算法进行求解,得到最优调度方案。实验结果表明：本文方法可以获取较优的清洁能源协同调度结果。     

基于改进粒子群算法的电力系统环保经济调度

传统电力系统调度的目标函数为总燃料成本最小化,未将化石燃料燃烧所带来的污染物(如氧化硫、氧化氮)排放成本考虑在内.随着环境保护需求的日益增长,需要考虑计及排放的电力系统调度方案.首先,提出将排放物作为调度函数的约束条件进行建模;其次,提出一种更为优化的变搜索半径优化的多目标粒子群算法来处理系统模型;再次,针对蒙东地区某含风电的电力系统进行仿真,并将所得结果与传统粒子群算法、多目标差分进化算法、多目标粒子群算法所得结果进行比较.结果表明,本文所述方法在解决方案上实现了改进.     

模糊熵权法和CCPSO算法的含风电场电力系统多目标无功优化

研究了含双馈风电机组的电力系统多目标无功优化问题,分析了双馈风电机组的无功特性,将风电场作为连续的无功调节手段参与电力系统无功优化. 提出一种基于模糊商权法和组合混沌序列动态粒子群算法（CCPSO）的多目标无功优化方法. 利用模糊熵权法解决主观权值和客观权值的缺陷,建立以静态电压稳定浴度、节点电压和有功网损为目标的含风电场多目标无功优化决策模型. 针对利用传统粒子群算法进行求解时,易出现局部收敛等问题,结合Chebyshev映射和Logistic映射,在粒子初始化过程中运用一种组合混沌映射,增强初始粒子的均匀性,同时将Logistic混沌优化引入到算法寻优过程中,使算法全局寻优能力得到加强. 以IEEE14节点系统为例进行仿真实验,验证所提方法的有效性和实用性.     

基于改进萤火虫算法的含风电系统环境经济调度

人们对环境保护意识的提高以及风电渗透率的不断攀升,使得电力部门对含风电系统的调度提出更高要求。为了在降低碳排放量及促进风电消纳的同时将发电成本控制在最低,该文建立考虑环境与经济指标的含风电系统环境经济调度模型,模型中的目标函数考虑火力发电成本、旋转备用成本、碳排放权交易成本、风力发电成本及弃风惩罚成本。针对传统萤火虫算法寻优过程中易出现的振荡问题,该文提出一种变步长萤火虫算法对模型进行求解。结合修改后的IEEE 39节点算例进行仿真分析,仿真结果验证了所提模型的可行性以及变步长萤火虫算法求解此类问题的有效性。     

并网型风电场扩展光伏互补发电容量优化配置

风、光资源具有天然的互补性,在已建成的风电场中扩展光伏发电,组建互补发电系统,有利于平抑出力波动并提高运行经济性。提出一种并网型风电场扩展光伏容量优化配置方法。基于风速和太阳辐射在时间尺度上的互补性,建立修正的气象概率分布模型。以电气设备利用率最大,输出功率波动性和弃风、弃光电量最小为目标构建多目标优化模型,充分考虑3个目标之间的矛盾以及不同升压主变容量的影响。采用蒙特卡罗方法仿真生成风、光气象数据,基于多目标粒子群算法求取Pareto最优解集合,结合工程要求和经济性指标从集合中确定最终方案。结合算例,对本研究方法的有效性进行了验证。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

风电与电动汽车协同并网调度环境与经济模型*

建立了风电与电动汽车协同并网环境与经济优化调度模型。采用Weibull分布模拟风速进而得出风电出力,用蒙特卡罗模拟法模拟定量电动汽车不同V2G模式功率。调度风电与电动汽车协同入网,车主响应系统调度满足与风电、负荷时空互补性,最大程度地消纳风电、减小负荷曲线的波动。以火电机组的运行成本和CO2排放量最小化为目标,应用改进粒子群多目标优化算法求解模型,在MATLAB环境下仿真分析比较电动汽车不同V2G模式和入网数量对机组优化结果的影响。     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.