浅谈特勒根定理

讨论了特勒根定理的两种表现形式-功率守恒和似功率守恒及其内在联系，给出特勒根定理的完整形式及其证明，并通过讨论该定理的实际应用，得出互易定理，从而阐明了特勒根定理，功率守恒，似功率守恒及互易定理四者间的关系。     

考虑储液式碳捕集电厂的含风电系统低碳经济调度

碳捕集电厂可以实现火电电能生产的低碳化,是构建清洁能源体系的重要技术路径之一.配置了溶液存储器的碳捕集电厂能够解耦CO2的吸收与再生两个环节,其捕碳和发电的协调运行能力更强.根据储液式碳捕集电厂的运行机理与能流特性,建立其捕碳与发电出力模型,并构建二维坐标图定量研究无储液与储液式碳捕集机组的总发电出力与净出力运行区间.基于此,建立计及储液式碳捕集电厂的含风电系统低碳经济调度模型,该模型以系统总运行费用最低为目标函数,考虑系统发电成本、碳交易成本以及风电出力不确定性带来的运行风险.以20机系统为例,对含储液式碳捕集电厂的系统优化调度进行研究,结果验证了所提模型的合理性与有效性.     

计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度

规模风电并网背景下,电力系统加大火电机组的调峰深度,充分挖掘现有下调备用空间,将是应对风电出力不确定性的有效方式之一。文中考虑火电机组工作在深度调峰(DPR)方式下的附加煤耗损失和机组寿命损耗,提出了计及火电机组DPR成本的规模风电并网鲁棒优化调度模型。考虑风电出力不确定性,建立了包括基于风电出力预测场景的调度主问题和基于极端场景的调控子问题的两阶段鲁棒优化模型,并引入不确定度参数控制调度计划的保守性,最终优化出经济性最优的鲁棒日前调度方案。基于算例分析证明所述模型的合理性与有效性。     

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的Tabu搜索算法（MTSA）用于电力系统无功优化，建立了相应的数学模型，考虑了有功损耗费用和补偿费用，使得总费用最小。在一般Tabu搜索算法的基础上，对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论，并做了一些改进，使得更容易朱出局部最优解，保证可以搜索整个可行域，从而得到全局最优解的可能性更。应用MTSA对IEEE6节点系统行了无功优化计算，与线性规划算法、Box算法进行了比较，结果表明MTSA与Box算法一类的随机搜索算法的优化结果相近，而较之浅性规划算法具有更强的全局寻优能力。     

基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)的短期电价预测方法.首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测.在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境.最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度.     

基于C-PSO的水火电混合电力系统电源规划

提出了一种粒子群算法与遗传算法结合的组合粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统电源规划问题.该结合算法引入的遗传算法成功地提高了基本粒子群算法的全局搜索能力,同时也比基本遗传算法的收敛速度更快.算例结果表明:对于短期规划,该算法能可靠、快速地收敛到全局最优解,对于大型电力系统的中长期电源规划问题也可得到较好解.     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-insp ired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法。它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及“全干扰交叉”可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力。该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数。运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性。     

一种计算衡量发电商市场力Lerner指标的新方法

在竞争性的电力市场中,各发电商的边际生产成本并不公开,因此Lerner指标在实际市场中很难应用.根据市场均衡理论,基于发电商所面对的需求曲线,结合微观经济学分析,提出了一种Lerner指标的新的计算方法.在不知发电商生产成本的情况下,仅根据各参与者(发电商和用户)的报价曲线以及电力市场的实时交易信息,即可计算出各发电商的Lerner指标.该方法也适于求解计及阻塞的系统.两个算例仿真表明,该文提出的方法是可行的.     

量子进化算法在电力系统无功优化中的应用

量子进化算法QEA(Quantum-inspired evolutionary algorithm)将量子理论引入进化计算领域,是一种基于量子计算概念的进化策略算法.它采用量子比特为基本信息位进行个体编码,使用量子态的么正变换(量子门变换)实现个体的进化,同时利用量子编码的多态叠加性以及"全干扰交叉"可以有效克服进化过程中的早熟现象,因此它比传统进化算法具有更快的收敛速度和全局寻优能力.该文将该算法应用于电力系统无功优化问题,提出基于QEA算法的无功优化模型,并对算法参数进行了研究,提出了合适的量子变异参数.运用该算法对IEEE6、30节点系统进行了仿真计算,计算结果验证了模型和算法的有效性.     

基于PSO考虑谐波影响的补偿电容器优化配置

配电网合理的电容器配置不仅可以有效改善电网的电压水平，降低系统的有功网损，而且能够避免谐波谐振或电流放大，该文在建立电容器优化配置问题的非线性整数规划模型时，考虑了电压谐波畸变率约束条件，以保证优化方案下的各节点电压总谐波畸变率控制在规定限值以内。文中应用了一种简单有效，且收敛性很好的演化计算算法－微粒群优化算法（PSO）进行问题的求解，从编码方式，操作过程，目标函数选取，参数调节以及信息共享机制等五个方面分析了该算法的优越性，并给出了用于电容器优化配置问题中算法的具体求解步骤。对2个不同规模的IEEE测试系统的优化计算表明，微粒群算法可以很好地获得电容器优化配置问题的全局最优解。