基于改进多目标灰狼算法的冷热电联供型微电网运行优化

针对冷热电联供型微电网运行调度的优化问题,为实现节能减排的目标,以微电网运行费用和环境污染成本为优化目标,建立了包含风机、微型燃气轮机、余热锅炉、溴化锂吸收式制冷机等微源的微电网优化模型。模型的优化求解使用改进的多目标灰狼优化算法,得到多目标问题的Pareto最优解集,并针对微电网优化问题约束条件较多,算法前期探索能力不足的问题,对算法进行改进。仿真结果表明,改进算法的求解速度和全局搜索性能优于原始算法,文中方法可以为冷热电联供型微电网优化调度提供建议,实现根据用户需求的微电网灵活调动,达到减少运行费用和污染气体排放的效果。     

基于反向变异麻雀搜索算法的微电网优化调度

针对麻雀搜索算法寻优过程中可能陷入局部最优,导致收敛速度下降的不足,提出一种反向变异麻雀搜索算法（TSSA）,利用反向学习策略对优势个体的选择和自适应t分布变异的扰动特性,改进算法的搜索能力。以综合运行成本最低为目标建立了微电网优化调度模型,利用反向变异麻雀搜索算法进行优化求解与分析。对比仿真实验结果表明此改进算法可行有效,且具有更好的全局搜索能力,在收敛速度、寻优精度和稳定性上优于多种算法,能为微电网调度提供合理建议,使微电网获得更佳的综合效益。     

采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。     

采用改进BBO算法的并网型微电网电源优化配置

针对并网型微电网的分布式电源优化配置问题,以年综合经济投资最小为目标,计及设备年等值投资成本、运行维护成本、燃料成本、环境折算成本以及年购电成本和余电出售收益,考虑分布式电源出力约束、系统自平衡度和冗余度等约束,建立了并网型微电网优化配置模型;同时提出一种基于余弦迁移模型、变尺度分段Lo-gistic混沌和高斯变异策略改进的生物地理学优化(BBO)算法用于模型求解。仿真结果验证了所提模型的合理性,并表明改进的BBO算法具有良好的收敛速度和收敛精度。     

考虑随机性的微电网环保经济优化运行

由于风、光等一次能源具有随机性,考虑这些随机性的微电网优化运行受到日益关注。在建立了光照强度和风速随机性模型的基础上,建立了微电网运行成本最低和污染物排放最少的微电网随机优化模型。采用点估计法解决优化模型中的随机变量问题,提出一种基于混沌搜索的人工免疫算法对模型进行求解。分别对确定和不确定模型进行了算例分析,根据结果讨论了随机性对微电网优化运行的影响,从而验证了点估计法和所提算法的有效性。     

考虑功率波动及储能寿命的微电网储能容量优化配置

高比例接入可再生能源的独立运行微电网中,针对其出力与负荷功率的不确定和波动性、可再生能源存在浪费的情况,优化配置储能容量,使整个微电网的运行达到污染排放最小和经济性最高.在储能容量优化规划中采用双层优化模型,外层优化模型负责求解微电网系统储能容量规划投资问题,内层模型考虑在运行过程中运行成本、储能寿命损耗、污染气体排放问题.利用雨流计数法计算储能寿命,可充分考虑影响储能设备寿命的各个因素.采用粒子群双层优化算法对微电网进行储能容量优化计算,结果验证了此方法的可行性.对比固定寿命、精确寿命两种计算方式以及对比排放最低模式、寿命优化模式两种优化方式,对储能容量配置及运行方式提供有效的建议.     

空间粒子群优化算法及其在电力系统环保经济负荷分配中的应用

针对粒子群优化算法易陷入局部最优、收敛过早的缺陷,提出一种空间粒子群优化算法,通过附加一类高度参数,使粒子移动的方向和距离由单一速度决定转变成还受高度作用,构成位置、速度、高度三维参数空间,从而降低了计算结果的随机性。将该算法用于求解电力系统经济负荷分配问题,在传统经济负荷分配考虑燃料成本的基础上,综合考虑由机组排放污染气体所产生的环境成本。仿真结果表明,相比经典粒子群优化算法和改进粒子群优化算法,空间粒子群优化算法有较强的全局搜索能力和更可靠的优化计算结果,在解决非线性、非凸性、不连续优化问题中具有有效性和优越性。     

改进算法在电力系统多目标负荷分配中的应用

针对火电厂负荷优化分配问题,将同时考虑发电成本、污染排放和负荷调整时间三个方面,建立多目标优化组合模型.在优化算法上,提出一种小生境遗传禁忌搜索混合算法.此算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;并结合禁忌搜索思想,使用TSR算子进行交叉操作,改进了传统遗传算法局部搜索能力较差和收敛速度有待提高的问题.以某火电厂2台200 MW和2台300 MW机组负荷优化分配为例,将所提混合算法与其他两种传统算法进行了对比验证,结果表明此改进混合算法的有效性.     

基于鸟群算法的微电网多目标运行优化

为了在微电网的运行中寻找到最理想的调度策略,对于微电网的多目标优化问题,采用传统智能算法求解易陷入局部最优而难于找到全局最优解,因此采用一种生物启发式算法——鸟群算法,对以运行成本及环境污染度为目标的微电网多目标优化模型进行求解。该算法模仿鸟群觅食、警觉、迁移的习性,生成对应的种群更新策略,兼具粒子群算法搜索效率高和微分进化算法稳定性好的优点。通过与两者寻优结果比较,表明该算法具有较强的全局、局部搜索能力且收敛鲁棒性好的特点。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明：改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。     

基于多目标原子轨道搜索算法的风电场集群最优经济调度

随着环保意识的增强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经济调度提出了更高的要求。为了在降低污染物排放及促进风电消纳的同时将发电成本控制在最低,建立了考虑环境与经济指标的风-火多随机变量经济调度模型。该模型中的目标函数考虑了火力发电成本、风力发电成本、弃风惩罚成本及污染气体排放。采用多目标原子轨道搜索算法进行模型求解,该算法在传统原子轨道搜索算法的基础上添加了存档机制、网络机制以及领导者选择机制,具有较强的多目标优化执行能力。结合修改后的IEEE30节点算例进行仿真分析,结果验证了所提模型的可行性以及多目标原子轨道搜索算法求解此类问题的有效性。     

智能控制在锅炉燃烧优化中的应用

利用支撑向量机建立电厂锅炉燃烧模型,使用非线性模型预测控制算法闭环控制锅炉的燃烧过程,改善锅炉燃烧状况,达到提高锅炉燃烧效率、减少污染物排放的目的。支撑向量机用于模型回归具有泛化能力强,在线训练速度快等优点,使用支撑向量机作为预测控制算法中的内部模型在非线性系统控制中具有良好的性能。为求解这个模型预测控制算法中的非线性优化问题,提出了一种新的混合型优化算法,使用粒子群算法进行全局搜索,使用拟牛顿法进行局部最优搜索,既实现了进化算法全局优化的特性,又保持了基于梯度的优化算法的快速收敛速度。     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

Constructing core backbone network based on survivability of power grid

Constructing core backbone network is beneficial to strengthen the construction of grid structure, raise the ability of withstanding natural disasters, as well as realize power grid’s differentiation planning reasonably and scientifically. Based on the index system of survivability, a method of constructing core backbone network with the target of the smallest line total length and the largest integrated survivability index is put forward with constraint conditions of network connectivity and power grid safe operation. The cosine migration model, the premature judgment mechanism, and the mutative scale of mutation strategy by Chaos and Cauchy optimization are introduced into the improved biogeography-based optimization algorithm (BBO) to search for the optimal solution of the core backbone network. Comparison with the traditional BBO algorithm, particle swarm optimization (PSO), binary ant colony algorithm (BACA), genetic algorithm (GA) shows that the proposed method is accurate and effective, and it has advantages in fast convergence speed and high convergence precision.     

基于混沌自适应粒子群算法的冷热电联供系统优化

在研究冷热电联供系统优化运行的过程中,为了更好地优化调度冷热电联供系统中各设备的出力,提出了基于Tent映射的混沌搜索和非线性自适应粒子群算法相结合的优化算法。建立了一个包含风机、光伏、微燃机和燃气锅炉等主要设备的冷热电联供系统模型。以联供系统的运行成本、污染物排放量和能源利用率为目标,建立了多目标优化模型。在满足设备出力、功率平衡等约束条件下,利用Matlab进行了优化求解。仿真结果表明,所提出的冷热电联供系统优化方法,可以有效地提高经济效益,减少污染排放,提高能源利用率。     

基于场景构建技术的含多种清洁能源微能源网 多目标随机规划研究

为实现微能源网经济高效、可持续发展,提出了多种清洁能源利用的微能源网架构模型与运行策略。分析了影响微能源网规划的多种不确定因素,将典型日风速、光照和负荷数据状态矩阵与Copula函数相结合,综合考虑随机变量的时序性和互相关性,构建微能源网多种运行场景。以全生命周期成本最小和碳排放量最小建立微能源网的多目标随机规划模型。在Matlab仿真平台通过NSGA-II算法求取Pareto前沿,结合多目标优选决策方法确定规划方案。通过具体算例分析了影响微能源网多目标随机规划的因素,验证了规划模型的可行性与有效性。     

基于MOFA算法的微网系统优化调度

针对大规模电动汽车入网给微电网带来的影响,在并网运行方式下,以微电网运行成本、环境治理成本和电动汽车用户充放电成本的综合效益为目标,考虑电动汽车的时空分布特性,提出了分时电价下电动汽车有序充放电的调度方案。建立了包含风、光、储、燃料电池、微型燃气轮机、电动汽车及负荷的微网系统多目标经济调度模型,采用多目标萤火虫（MOFA）算法对调度模型进行求解,并与多目标粒子群优化（MOPSO）算法进行对比。基于MATLAB平台,以某典型微电网系统为例进行仿真,调度周期为一天,算例结果验证了所提方案、模型和算法的有效性。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

基于群智能强化学习的电网最优碳-能复合流算法

结合电网能流和碳排放流的传输特性,建立了电网最优碳-能复合流的数学模型,并提出了基于群智能的多步回溯Q(λ)强化学习算法,有效解决了电网碳-能复合流的动态优化问题。其中以线性加权的方式把电网网损、碳流损耗和电压稳定设计为奖励函数,通过引入粒子群的多主体计算,每个主体都有各自的Q值矩阵进行寻优迭代。IEEE118节点仿真结果表明:较传统Q(λ)算法本文所提出算法能在保证较好全局寻优能力的同时,收敛速度至少能提高10倍以上,为解决实际大规模复杂电网的碳-能复合流在线滚动优化提供了一种快速、有效的方法。     

基于MDPSO的永磁直驱风力发电机参数辨识

针对永磁直驱风力发电机的多参数辨识问题以及传统参数辨识方法的收敛精度差、收敛速度慢等问题,提出了引入平均最优位置变量的自适应空间搜索向量的改进粒子群算法(MDPSO),对永磁直驱风力发电机参数辨识。根据永磁直驱风力发电机定子电压电流模型,进行pade近似并降阶处理后进行离散化,建立直驱风力发电机辨识模型;引入自适应空间搜索向量和平均最优位置变量改进粒子群算法;应用提出的MDPSO辨识直驱风力发电机定子绕组的电阻、电感和磁链等参数。算例仿真结果表明,提出的辨识算法具有精度高、计算速度快、稳定性高等特点,从而验证了建立的直驱风力发电机辨识模型及辨识算法的有效性。