差分进化算法在电力系统中的应用研究进展

差分进化算法是一种基于群体智能的新型演化计算技术,近年来已在多种领域成功应用,但电力系统中实际应用尚不多见。评述了差分进化算法在电网规划、负荷经济分配、最优潮流计算与无功优化调度、谐波分析与电容器配置、发电计划、优化设计等方面应用的研究成果和进展情况,还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥应用潜力。     

一种新的配电网无功优化算法

研究了配电网的无功优化方法,以有功网损最小为目标,建立了无功优化的数学模型.针对配电网呈辐射状、节点多、计算量大的特点,提出了先用最大节约网损的算法找出待补偿的节点,再结合混沌的遍历性和粒子群的快速性等优点,采用混沌粒子群算法求解补偿容量的配电网无功优化方法.以一个实际的配电系统为算例,初步验证了所提算法的有效性.     

基于路径描述的配电网电力廊道规划方法

配电网工程的落地依托于充足的电力廊道资源,而电力廊道规划方案的合理性也将影响到后期配电网建设的经济性。为科学指导廊道的选择,提出一种基于路径描述的配电网电力廊道规划方法。首先根据电力廊道与配电网网架之间的耦合关系,搭建电力廊道连通性模型;然后采用深度优先遍历算法获得满足廊道建设情况的供电路径集合。基于此,以电力廊道综合规划费用为廊道规划方案的评估依据,搭建了配电网电力廊道双层规划模型。最后采用嵌套离散粒子群优化算法进行优化求解,外层粒子群算法以电力廊道综合规划费用最小为优化目标,内层粒子群算法以配电网运行规划成本最小为优化目标。算例分析表明,所述模型可兼顾后期配电网建设的可行性与经济性,得到满足负荷需求的电力廊道最优规划方案,有利于提前对廊道站址进行保护,为配电网建设提供参考。     

基于有功网损最优的分布式电源规划

研究了分布式电源的优化规划问题.在分布式电源单个容量、个数和位置未知的情况下,建立了包含分布式电源的配电网有功网损目标函数,模型中引入了电压水平约束,并将其转化为惩罚因子的形式并入目标函数.运用Matlab软件编写了粒子群算法和配电网潮流计算程序,采用改进的自适应权重粒子群算法进行目标函数寻优,最后得到了有功网损最小的...     

计及分布式电源接入的配电网优化调度方法研究

分布式电源广泛接入配电网带来的功率波动性容易影响电网稳定运行,为保证配电网的稳定、经济运行,提出一种基于改进二进制粒子群算法的配电网优化调度方法.以风力发电接入为例,建立了有功功率损耗最小的配电网优化调度的数学模型,并辅以相应的约束条件.利用前推回代法进行配电网的潮流计算,并运用改进二进制粒子群算法将潮流计算程序和优化...     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于电力电子调压器的配电网电压协调控制策略

针对补偿电容器等传统调压装置在配电网线路电压补偿中存在的调节范围小、速度慢等问题,提出了基于电力电子调压器的稀疏地区配电网线路电压补偿方案,并基于电力电子调压器,设计了电压分层协调控制策略.首先将电力电子调压装置等效为节点功率注入模型,通过粒子群算法优化计算等效节点有功、无功调节量,即节点注入附加功率,再通过附加功率进...     

粒子群优化算法在电力系统中的应用综述

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。在大量参阅国内外相关文献的基础上,简要介绍了PSO算法的工作原理,较为全面地详述了粒子群优化方法在电力系统中的应用,如电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面,并对今后可能的应用指出了研究方向。     

基于动态多种群粒子群算法的低压配电网电压无功优化

粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。     

基于改进粒子群算法的主动配电网网架优化研究

粒子群算法作为一种随机搜索的算法,适合于求解主动配电网网架优化方案。由于算法的收敛速度过快,导致计算过程中粒子容易陷入局部收敛、收敛准确度不高和收敛能力不强的问题,因此需要改进标准粒子群算法。针对主动配电网网架结构优化问题,建立了一个以经济性为目标函数,并考虑潮流方程及功率平衡等约束条件的主动配电网数学模型,对标准粒子群算法进行了指数递减的惯性权重和种群的平均极值项的改进,并在迭代计算中加入了交叉、变异和扰动操作。以某典型配电网进行算例分析,将标准粒子群算法与改进粒子群算法的计算结果进行对比,结果表明了改进粒子群算法不仅有效地改善了粒子容易陷入局部最优而无法跳出的问题,同时增强了算法的计算准确度与搜索能力。     

市场环境下中长期发输电协调检修计划优化

根据电力市场环境中检修计划的特点,建立了协调市场各方利益的发输电一体化检修计划优化的数学模型,该模型综合考虑电力系统安全经济性和电力市场公平性,并考虑机组检修和输电设备检修之间的相互关联关系.针对该优化模型的求解,利用遗传算法(GA)和粒子群优化(PSO)算法相似的优化框架和优化流程,提出一种充分结合GA和PSO算法各自优点的混合智能算法,该算法将群体分成2个子群,分别采用GA和PSO算法进行演化,并充分交换2种算法所获取的优化信息,形成一个紧密耦合的、新型的遗传粒子群优化算法.算例证明,该算法在求解发电、输电设备检修协调优化这样的大规模复杂优化问题时,在全局搜索和局部搜索方面都表现出了良好的均衡性.     

The Formulation of the Optimal Strategies for the Electricity Producers Based on the Particle Swarm Optimization Algorithm

In competitive electricity markets, the producer as a market participant strives to find the optimal supply function with the objective of maximizing his/her producer surplus in the market clearing. The model of the producer surplus maximization is a bilevel mathematical programming problem within which the market clearing is taken into account. By using the deterministic approaches, it is difficult to obtain the global solution of the bilevel optimization problem, even for a single hourly market clearing. This is due to the fact that the objective function of such a problem is not concave, and there are nonlinear complementarity terms introduced by using the KKT conditions to represent the market clearing. When the bilevel optimization problem is modified to consider multiple hourly market clearings, such as to maximize the total producer surplus in one day, solving such a problem is almost intractable. A heuristic approach should be another option. For its simplicity and immunity to the local optimum, the particle swarm optimization (PSO) algorithm is employed in this paper to find the optimal supply function of the electricity producer. Based on the IEEE 30-bus test system, different simulation cases with respect to a single hourly market clearing and a daily market clearing are tested to show the efficiency and robustness of the PSO algorithm. In addition, the parameterization techniques used in formulating the optimal supply function are analyzed based on the simulation results     

基于TCSC技术和粒子群优化算法的电力系统阻塞疏导方法

提出了一种基于晶闸管控制的串连电容器(thyristor controlled series capacitor,TCSC)技术和粒子群优化算法的电力系统阻塞疏导方法。首先根据线路灵敏度分析确定安装TCSC的线路;然后提出了电力市场环境下电网中含有TCSC装置的阻塞疏导计算数学模型;最后运用粒子群优化算法对这一数学模型进行参数优化,达到疏导电网阻塞的目的。IEEE 14节点系统算例表明,基于TCSC技术进行电网阻塞疏导是有效、合理的。     

A long-term risk management tool for electricity markets using swarm intelligence

This paper addresses the optimal involvement in derivatives electricity markets of a power producer to hedge against the pool price volatility. To achieve this aim, a swarm intelligence meta-heuristic optimization technique for long-term risk management tool is proposed. This tool investigates the long-term opportunities for risk hedging available for electric power producers through the use of contracts with physical (spot and forward contracts) and financial (options contracts) settlement. The producer risk preference is formulated as a utility function (U) expressing the trade-off between the expectation and the variance of the return. Variance of return and the expectation are based on a forecasted scenario interval determined by a long-term price range forecasting model. This model also makes use of particle swarm optimization (PSO) to find the best parameters allow to achieve better forecasting results. On the other hand, the price estimation depends on load forecasting. This work also presents a regressive long-term load forecast model that make use of PSO to find the best parameters as well as in price estimation. The PSO technique performance has been evaluated by comparison with a Genetic Algorithm (GA) based approach. A case study is presented and the results are discussed taking into account the real price and load historical data from mainland Spanish electricity market demonstrating the effectiveness of the methodology handling this type of problems. Finally, conclusions are dully drawn.     

电力系统无功优化多目标处理与算法改进

电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。     

Strategic bidding in electricity markets using particle swarm optimization

Profit maximization for power companies is highly related to the bidding strategies used. In order to sell electricity at high prices and maximize profit, power companies need suitable bidding models that consider power operating constraints and price uncertainty within the market. In this paper, we present two particle swarm optimization (PSO) algorithms to determine bid prices and quantities under the rules of a competitive power market. The first method uses a conventional PSO technique to find solutions. The second method uses a decomposition technique in conjunction with the PSO approach. This new decomposition-based PSO dramatically outperforms the conventional form of PSO. We show that for nonlinear cost functions PSO solutions provide higher expected profits than marginal cost-based bidding.     

基于主从博弈的新型城镇配电系统产消者竞价策略

随着能源互联技术的发展以及售电侧市场的逐步放开,新型城镇配电系统在优化运行和交易模式上呈现多能协同、交易开放的特征。新型城镇配电系统的电力零售交易机制被重新定义,产消者通过非合作竞争上报最优竞标曲线获取最大售电收益,电网公共服务企业收取过网费并提供保底供电服务,用户可基于实时电价与激励政策参与需求响应降低用电成本。在此背景下,充分考虑配电网内多角色的主动参与以及运营商的经济调度要求,建立一种基于主从动态博弈理论的产消者非合作竞价双层模型。以改进的IEEE 33节点配电网为算例,采用改进粒子群优化算法与CPLEX求解器相结合的方法,求得该主从博弈模型的均衡解。仿真结果表明,该策略可以在保证电网公共服务企业和用户利益基础上实现产消者利润最大化,为新型城镇电力零售市场的交易模式提供参考。     

自适应粒子群优化算法及其在无功优化中的应用

针对传统的粒子群优化(PSO)算法中的某些参数需通过试验确定因而影响了其实用性的问题,提出了一种自适应粒子群优化(APSO)算法,并将其应用于电力系统无功优化问题的求解。该算法能在优化过程中自动调整各参数,从而取得问题的全局优化解。某具有151个节点、71个控制变量的实际电网无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

考虑电动汽车影响的农村家庭新能源容量优化配置方法

针对以光伏发电为主体的农村家庭新能源系统容量优化配置问题,从用户经济效益的角度出发,提出一种将电动汽车（electric vehicle,EV）用作储能装置且考虑用户出行需求的农村家庭新能源系统全寿命周期优化配置方法。首先构建了以系统年均用能成本最小和自发自用率最大为目标的优化配置模型,并结合市场电价机制及EV的使用需求制定了新能源系统综合运营模式,然后以粒子群优化（particle swarm optimization,PSO）算法求解得到家庭新能源系统中分布式电源的最优配置容量。最后,基于河北省石家庄某典型农村家庭实际用电负荷数据和气象参数进行仿真实验,结果表明：将EV与光伏出力结合,可以有效提高系统能源利用效率,减小家庭用能成本。