基于量子粒子群算法的风火打捆容量及直流落点优化配置

针对如何根据调峰容量等约束条件,优化风电、火电容量配置及送电落点问题,以风电外送输电工程建设投资、输电损耗和弃风电量损失为优化目标函数,提出以功率平衡、风电变化速率与火电调节速度匹配为约束条件,基于量子粒子群优化算法研究直流外送落点及风火打捆容量的优化配置问题。量子粒子群优化算法采用量子理论中的叠加态特性和概率表达特性,潜在地增加了粒子群算法中种群的空间分布多样性和全局寻优能力。运用量子粒子群优化算法以及构建的优化模型,以解决我国风电跨区消纳为目的,对某实际规划区域的风火容量进行优化配置,证明了所提模型和方法科学、有效。     

大规模风电接入的电力系统优化调度新方法

针对风电功率的反调峰和不确定等特性,建立水电调峰效益模型,并结合风、火电运行价格模型,构建了考虑机组组合的新型多目标动态优化调度模型.同时,为应对多目标优化问题中粒子群算法陷入局部最优和效率问题,提出了基于优先排序和多子群协同进化的多目标粒子群算法(multi-objective particle swarm optimization algorithm with multi-swarm co-evolution,MOPSO-MC)的优化调度新方法,即通过优先排序法确定机组最优组合状态,对负荷分配规划分为两层,并采用MOPSO-MC求解.将该方法应用于含大规模风电的甘肃电网优化调度问题,结果表明所提模型和算法为解决风电并网运行提供了一种对策.     

基于IPSO-SVC的含风电配电网稳压控制策略

当配电网含风电接入时,电能质量会受到较大的影响。为解决不同风速下风力机出力不同影响配电网电压稳定性的问题,利用静止无功补偿器提高含风电配电网电压稳定性。在考虑不同风速场景下,引入改进粒子群算法并以配电网系统有功损耗最小为目标函数,优化SVC控制参数,改善SVC对电压的控制性能。以含风电IEEE 33节点算例进行仿真计算,验证了该算法的正确性和可行性。     

考虑季节特性及节点电压偏移的储能系统优化配置

考虑到可再生能源渗透率的增加以及储能装置的接入,研究了含可再生能源配电网的储能优化问题。选用蓄电池作为储能装置,建立了数学模型,并对含风电和光伏的配电系统进行储能优化配置,以系统的经济性和稳定性为优化目标,分别建立了单目标和多目标优化模型。采用改进粒子群优化算法,选择储能容量、储能功率和储能位置作为控制变量进行优化计算。最后结合不同季节风电、光伏和负荷的波动数据,选取含分布式电源的IEEE 33节点配电网系统,对其进行潮流计算及储能优化配置,由此验证了本文配置方法的有效性。     

STATCOM改善风电场暂态电压稳定性的研究

提出了恒速异步风电机组和静止同步补偿器的数学模型,使用Matlab中的动态仿真工具Simulink建立了静止同步补偿器的控制模型,以包含风电场的单机无穷大电力系统为例进行了仿真计算,验证了静止同步补偿器对风电场暂态电压稳定性的贡献。研究结果表明：风电场发生三相短路的大扰动故障时,静止同步补偿器能够有效帮助恒速异步风电机组在故障后恢复机端电压,从而改善风电场的暂态电压稳定性,确保风电机组连续运行。     

提高风电渗透率的电力系统多目标优化调度研究

为解决风电不确定性给电网调度带来的困难,研究含风电场的电力系统经济调度具有一定的理论和实际意义。提出了一种改进粒子群优化算法的多目标优化调度方法,以常规火电机组发电成本最小和风电消纳电量最大为目标,建立了含风电场的双目标调度模型,采用改进的多目标粒子群优化算法进行优化求解。以包头电网为实例进行了仿真计算,结果表明所提方法能够有效降低系统发电成本,提高风电消纳水平。     

基于混沌量子粒子群算法的含风电场电力系统实时调度

分析了大规模风电给电力系统实时调度所带来的若干问题,依据节能减排原则,以消纳风电最大化和火电机组一次能源消耗最小化为双重目标,建立了含大规模风电的实时调度模型。在量子粒子群算法基础上加入混沌初始化和混沌扰动,形成混沌量子粒子群优化算法。基于修改的IEEE-118节点系统进行仿真计算,结果表明：建立的模型能在最大程度消纳风电的前提下,最大限度地减少一次能源消耗,达到节能减排的目的;采用的算法计算速度快、收敛性能好,满足实时性的要求。     

基于改进粒子群算法的风水火电短期多目标优化调度研究

为消纳更多风电,提出了风、水、火电短期联合优化调度策略。该策略优先消纳风电,由火电、水电联合运行承担剩余负荷。建立了含约束的多目标非线性优化模型,采用线性加权法将多目标问题转化为单目标问题后,使用粒子群算法进行求解。实例计算表明,该方法充分利用了水电灵活性,减小火电出力波动,同时提高了电网对风电的消纳能力。     

含风电场电力系统环境经济动态调度建模与算法

为应对风电功率的不确定性,提出考虑风电渗透功率的增、减出力旋转备用量化模型。在旋转备用量化模型基础上,考虑常规发电机阀点效应及爬坡速率约束,采用价格罚因子法嵌入废气排放目标到发电机燃料费用目标函数中,将环境经济动态调度多目标优化问题转化为单目标优化问题。将约束条件的处理与目标函数完全分离,建立了含风电场电力系统环境经济动态调度模型。针对量子粒子群算法存在早熟的问题,引入早熟判断机制,对早熟粒子进行混沌搜索,从而提出改进量子粒子群优化算法求解所建立的调度模型。在10机系统上采用所提出的方法,仿真结果表明,与量子粒子群和粒子群算法比较,所提出的方法能较好地处理风电功率不确定性条件下的环境经济动态调度问题。     

基于场景概率的含风电系统多目标低碳经济调度

提出了基于场景概率的含风电系统的低碳经济调度多目标优化模型。考虑负荷需求、风电出力以及碳交易价格等输入变量预测值的不确定性,提出一种应对不确定问题的场景概率模拟方法,建立更符合实际的多目标优化模型。多目标模型中包含了考虑风电成本的经济调度目标和考虑碳交易的低碳调度目标。为方便分析碳交易对调度结果的影响,定义了平均购电费用、风电价格补贴、机组平均出力份额等评价指标。采用改进的多目标粒子群算法进行优化求解,基于该模型,仿真比较了采用确定方法、随机方法和场景概率方法的优化调度结果,分析了不同目标函数的3种调度方案,最后计算了是否考虑碳交易的评价指标。结果表明,上述优化模型有效可行,算法合理。     

热电联产经济环保调度优化

为解决复杂的热电联产经济环保调度问题,提出了一种改进的多目标灰狼优化算法。标准灰狼算法只适用于处理单目标优化问题,而改进的算法也适用于多目标优化,并通过融入方向修正操作以修正狼群前进方向,并改善算法的全局搜索能力。其次,结合快速非劣解排序、拥挤距离计算等,在更新狼群位置时,采用"精英保留策略"淘汰弱势狼个体,进一步提高算法的收敛速度,并通过模糊决策理论获得最优折中解。最后,通过对某典型7机组热电联产系统的仿真,验证了所提出方法不仅能够有效地求取热电联产发电计划在经济性与环保性之间的最优折中,同时克服了标准灰狼算法的缺陷,且较其他群智能优化算法在求解质量、收敛性等方面具有明显优势。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进     

含小水电群的风-水-火地区电网旋转备用协调优化策略研究

传统旋转备用计算模型已不再适用于含小水电群和风电接入的地区电网。以负荷损失较小、清洁能源利用率高、运行成本低为目标,基于最小火电燃料费用、最小期望停电成本、最小火电机组出力波动和最小主力水电弃水量函数模型,建立了考虑风-水-火协调运行的多目标旋转备用优化模型。采用引入粒子浓度认知的改进粒子群优化算法,通过仿真分析,验证了该模型的适用性和有效性。在不同策略下进行比较,该方法能在较低的失负荷概率情况下,得到较低的火电机组燃料费用;能随着小水电群和风电出力大小协调优化旋转备用容量。该模型及算法对存在相当规模小水电及风电的风-水-火地区电网制定旋转备用优化策略有参考价值。     

微电网复合储能多目标优化配置方法及评价指标

复合储能在微电网功率平衡、平滑可再生能源波动、提升电能质量等方面发挥多重作用,针对包含光伏发电、风力发电和典型负荷的微电网,提出一种合理配置复合储能容量的方法。针对复合储能优化配置,以装置成本最低、功率匹配最佳、可再生能源输出功率平滑度最好建立复合储能多目标优化数学模型,采用自适应惯性权重的粒子群算法求解复合储能多目标函数最优解;针对子目标函数权重系数的确定,提出目标函数适应度离差排序法;提出了定量评估微电网储能多目标优化效果的参数指标,并以此为依据,对比了微电网内蓄电池单一储能多目标优化与复合储能多目标优化结果。最后,通过MATLAB编程进行实例验算,验证了方法的合理、有效性。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

基于机会约束规划和随机模拟技术的含风电场电力系统多目标优化调度

为了提高含风电场电力系统运行的经济性和可靠性,增强风电并网运行的稳定性,建立了基于机会约束规划的含风电场电力系统多目标机组优化调度的数学模型。考虑到风电场出力的随机性,引入了机会约束规划和随机模拟技术,以常规发电机组的发电成本最低和污染气体排放量最低为目标。问题分为内外两层求解,外层为机组组合优化,利用蚁群算法求解;内层为负荷的经济分配,基于Pareto最优解集概念和整体协调决策机制,结合多目标粒子群求解。用10机算例对模型进行了仿真分析,仿真结果表明所建模型合理、算法有效可行。     

考虑风电置信区间的水风火短期优化调度方法

风电出力的不确定性影响电网的稳定运行,大规模风电并网后“弃风”问题突出。为了充分考虑风电出力的不确定性,本文提出基于风电置信区间的风-水-火短期联合调度运行方法。利用梯级水电站启停灵活、爬坡速度快等优点平抑风电出力波动,构建了发电成本最小与清洁能源消纳最大的多目标优化调度模型。基于分层求解思想,将模型分为风电运行层、水电调度层与火电调度层,并提出了集成非参数法、启发式算法与改进的粒子群算法的总体求解框架,实现了模型的快速求解。某区域电网短期调度模拟运行结果表明,所提方法求解速度快,仅需83.5 s,在满足电力系统安全稳定运行约束与清洁能源消纳最大的前提下,水电、风电多发45.56万kWh,煤耗成本减少23.33万元。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。