求解含风电场机组组合问题的透视割平面邻域搜索算法

提出一种求解含风电场机组组合(Unit Commitment, UC)问题的透视割平面邻域搜索(Perspective Cut Neighborhood Search, PC-NS)算法。基于PC建立了含风电场UC问题的混合整数线性规划模型。以不考虑误差场景UC问题的最优解为中心构造邻域,在此邻域内搜索以获得含风电场UC问题的可行解。以此可行解为中心构造邻域,在此邻域内搜索以获得含风电场UC问题高质量的次优解。最后进行数值仿真,结果表明,所提算法能有效求解含风电场UC问题。和其他方法相比,PC-NS算法获得了更好的次优解,而且用时大大减少。     

基于特殊有效不等式求解机组组合问题的内点割平面法

基于特殊的有效不等式(validinequalities,VIs),提出一种求解计及爬坡约束机组组合(unit cormitment,UC)问题的内点割平面法。采用线性化技术将UC问题转化为一个混合整数二次规划(mixed integer quadratic programming,MIQP)。根据UC问题约束的特点,产生3种特殊的VIs,即覆盖不等式(cover inequalities,CIs)、提升覆盖不等式(1ifted cover inequalities,LCIs)和广义流覆盖不等式(generalized flow cover inequalities,GFCIs),进而将其作为割平面,建立求解MIQP的内点割平面法。100机组24时段等6个系统的仿真结果表明,产生CIs、LCIs和GFCIs的方法快速有效,所提内点割平面法具有良好的收敛性和稳定性,能有效处理爬坡约束,与其他多种方法相比较,获得了更好的数值结果。     

基于Benders分解的微电网联网运行优化

针对联网运行的微电网,对其优化潮流(OPF)问题进行扩展,同时考虑机组组合(UC),建立微电网优化运行模型。针对模型中含有大量混合0/1决策变量和连续运行变量的求解,采用Benders分解方法将变量分离,在无网络约束UC主问题和网络约束OPF子问题之间迭代求解。在改造后的IEEE 13节点系统上进行了算例分析,表明所提方法可以快速可靠地优化微电网系统的运行。     

基于广义Benders分解的启发式机组组合优化

电力系统机组组合问题是一个高维、离散、非线性的工程优化问题。提出了一种基于Benders分解的启发式算法。该算法一方面充分利用研究时段负荷曲线的特征,将问题进行解耦,减小被研究问题的规模。另一方面,利用Benders分解算法在混合整数规划中的有效性,提高了解决问题的效率。算例表明该方法效率高、结果稳定,有较好的实用价值。     

发输电检修与机组组合联合决策的Benders分解方法

电力系统中,设备状态检修技术的日益推广,必将引起发、输电设备的检修与机组起停的方式间产生矛盾和冲突,由此,对二者联合优化决策就显得非常必要。对此,在深入剖析检修决策与运行决策间关联机理的基础上,提出发、输电检修与机组组合联合决策的Benders分解方法。其主要贡献体现在:将大规模复杂优化问题分解为主问题、潮流子问题以及辅助问题,并通过Benders割约束在各问题间有效传递信息,构建分解与协调的总体框架;采用辅助问题对输电设备检修与机组运行间的关联机制进行判别,降低问题寻优的维度;采用基于模式识别思想对潮流子问题进行有效筛选,使潮流子问题数显著减少。最后以IEEE 118节点系统算例说明了该方法的有效性以及实用性。     

采用Benders分解含机组禁止运行区间的安全约束最优潮流

由于机组的物理结构特性等原因,机组的部分出力区间无法达到,又称其为发电机禁止运行区间,如果在安全约束最优潮流中未考虑禁止运行区间,可能会导致线路故障后机组的校正出力无法消除潮流越限。提出了考虑发电机禁止运行区间的安全约束最优潮流。由于所提模型为大规模的混合整数线性优化问题,难以直接求解,采用Benders分解算法将模型分解为基态最优潮流主问题与短、长期N-1故障校验子问题。通过固定整数变量的方法,将非凸的混合整数优化子问题转换为线性优化子问题,从而能向主问题返回对应的Benders割。6节点与IEEE RTS-96节点算例验证了所提模型与算法的有效性。     

基于广义Benders分解的分布式热电联供机组规划方法

在分布式热电联供系统中,用户需要优化选择机组组合和系统运行方案,这样可以使得生产成本最小,减少二氧化碳的排放。为此,分布式热电联供机组的规划需要综合考虑热负荷、电负荷和可选的机组方案,以及系统未来的运行情况。在综合考虑了热电联供机组的初始投资及其模拟运行时组合效益的基础上,建立了以系统等年值费用最小为目标的精细化数学规划模型。在规划模型中,存在大量的整数变量,同时模型本身是非线性的,应用广义Benders分解方法对该模型进行了求解。通过算例的规划与仿真分析,表明所述方法可以更加准确地规划出热电机组的类型及台数,系统能够取得更佳的经济效益。     

基于奔德斯算法的安全约束机组组合方法

针对采用混合整数规划算法直接求解安全约束机组组合,将使计算效率大幅度降低,而利用奔德斯算法求解则存在着算法振荡和受系统规模制约求解效率下降的问题,提出了一种基于奔德斯算法的安全约束机组组合新方法。该方法在奔德斯算法的基础上,通过纳入新增越限约束校正环节,控制了奔德斯割的寻优方向,通过增加起作用约束识别环节,缩小了奔德斯算法的寻优空间,进而提高了安全约束机组组合优化问题的求解效率。6机3节点和54机118节点算例验证了所提方法的有效性。     

求解机组组合问题的次超立方紧混合整数规划广义割平面法

为改进机组组合(unit commitment,UC)问题的求解效率,基于超立方(hyper-cube,HC)投影,构造了计及爬坡约束UC问题的次超立方混合整数规划(sub HC mixed integer programming,SHC-MIP)模型,并基于该模型和广义割平面(extended cutting plane,ECP)技术,提出一种新的求解UC问题的确定性方法(SHC-MIP-ECP)。该方法首先利用超立方投影将UC问题的混合整数规划(mixed integerprogramming,MIP)模型等价投影为具有更紧连续松弛的SHC-MIP模型。然后采用ECP方法产生序列混合整数线性规划来求解SHC-MIP模型。10—100机组24时段等7个算例的仿真结果表明:利用ECP方法求解UC问题的2种模型时,SHC-MIP能比MIP获得质量更好的次优解;此外,所提方法计算速度快,适合求解大规模UC问题。     

基于外逼近方法的中期机组组合问题

利用外逼近方法（OAM）提出一种求解机组组合（UC）问题新的确定性方法。OAM是一种分解方法,它把UC问题分解为一系列的混合整数线性规划（MILP）主问题和非线性规划（NLP）子问题。应用分支割平面方法求解MILP,应用新的零空间内点法求解NLP。54机组168时段等多个系统的数值仿真表明,OAM具有快速的收敛速度,能有效处理爬坡约束,为大规模安全约束机组组合问题的有效求解提供了一条新途径。     

Benders decomposition applied to security constrained unit commitment: Initialization of the algorithm

Benders decomposition has been broadly used for security constrained unit commitment problems, despite the fact that it may present convergence difficulties due to instabilities and to the mixed integer nature of the unit commitment problem. The initialization of Benders decomposition has been recognized as a prominent feature for the algorithm enhancement. In this work, a new Benders decomposition initialization methodology is proposed. The objective of the initialization is to include inexpensive network signals that can be added during the initial unit commitment master problem. Numerical simulations using the IEEE-118 and RTS-96 systems are performed to illustrate the benefits of the proposed initialization methodology. Results suggest that the initialization of Benders decomposition applied to security constrained unit commitment problems improves the overall convergence of the algorithm.     

基于改进Benders分解的配电网扩展规划机会约束优化方法

为了解决已有配电系统规划中非线性潮流模型建模问题和不确定性优化效率问题,本文提出了基于双线性Benders分解的配电网扩展规划机会约束优化方法。首先通过在规划投资层面和运行优化层面进行分阶段,构建了两阶段随机混合整数二阶锥规划模型;然后为了避免极端场景下导致的高昂投资成本,进一步扩展了传统的Benders分解方法,设计了基于双线性Benders分解的机会约束优化方法。通过三个算例系统验证了本文所提出方法的卓越的优化性能。     

基于动态搜索线性混合整数法的机组组合新算法

针对常用机组组合算法计算量过大的问题,提出了一种基于动态搜索的线性混合整数规划法,该方法在基于分支的线性混合整数规划法的计算框架中引入了动态搜索的概念,采用单独考察与时间相关的约束和功率约束等措施来减少进入分支阶段的数量,在实际运用中,可针对不同规模的系统通过调节计算参数灵活地控制计算时间和计算精度。算例分析结果表明,该方法快速、有效,适合求解大规模电力系统安全约束机组组合问题。     

基于解集动态分析含风电接入的多目标机组组合研究

风电的大规模接入给多目标节能减排发电调度带来了新的机遇和挑战。由于风电场出力具有随机性,采用置信区间简化风电场景模拟数量,考虑到多目标模型的复杂性,利用Benders分解技术对模型进行降维,设计一种基于解集动态分析的多目标自适应优化算法对降维后的多目标主问题进行求解,并提出一种提高模型整体求解效率的预处理机制加速收敛。仿真结果表明所提方法能够有效求解含风电的多目标机组组合问题,并验证了所提多目标算法和预处理机制在求解模型中的优势。     

电力系统中机组组合的现代智能优化方法综述

在深入探讨电力系统机组组合的各种现代智能优化算法的基础上，加以分类总结，详细评述了各种方法所取得的研究成果和存在的不足之处。具体表现在：由于模拟进化算法的随机性，不能保证每次计算都能收敛到全局最优解，同时还存在“早熟”现象；模拟退火算法存在收敛速度慢的缺点；禁忌搜索算法存在对初始解依赖性强和搜索过程只是单对单的操作；人工神经网络的学习训练易陷入局部极值区，同时指出不同的具体问题，网络适合的隐含层数目和节点数目较难确定；模糊优化算法中隶属函数的确定及专家系统中专家的知识、经验和规则的获取都是棘手的问题。     

基于二进制微分进化算法和目标函数分解的大规模机组组合求解

为了避免在机组组合求解过程中将机组启停计划和负荷经济调度两者形成内外双层嵌套求解,从而导致计算比较耗时的问题,引入启运机组的总平均燃料成本和系统旋转备用剩余量这2个可调节的子目标,将传统的机组组合模型分解成2个独立的优化目标,构建了一种基于目标函数分解的二阶段可独立求解的机组组合模型。采用一种改进的二进制微分进化算法对第一阶段的机组启停计划目标进行求解,对每个代表机组启停状态的个体编码采用机组最小启停时间约束、旋转备用约束、机组去组合等处理机制,有效保证了每个解的有效性并缩小了算法的搜索空间。根据求解得到的机组启停状态,采用半定规划法求解第二阶段的负荷经济调度目标。采用经典的测试算例验证了所提方法在大规模机组组合求解中的有效性。