基于改进化学反应优化算法的电动汽车与可再生能源多目标协同调度

为减小可再生能源出力波动对电网的影响以及加快电动汽车的普及速率,以最小化可再生能源的出力波动和最大化电动汽车用户收益为目标函数,计及电池储存电量约束、充放电功率约束和充放电次数约束等条件,建立了同时计及可入网电动汽车、风力发电和光伏发电系统的多目标协同调度模型。提出了基于虚拟理想分子的多目标改进化学反应优化算法(chemical reaction optimization algorithm,CROA),并用该算法对模型进行了求解,针对化学反应算法收敛速度慢、精度低的缺陷,在算法中融入了粒子群优化算法的更新模式。算例结果表明,通过合理安排电动汽车的充放电可以有效平抑可再生能源的出力波动和增加电动汽车用户的收益。通过比较验证了基于虚拟理想分子的多目标改进CROA具有较强的寻优能力。     

基于可再生能源配额制的风电并网节能经济调度

中国将适时实施可再生能源配额制(简称配额制),这是中国电力体制改革的一项重要举措。配额制的实施将对电网公司的购电策略产生影响,从而改变火电和风电机组的调度计划。构建了配额制下的风电并网节能经济调度模型,对比分析了配额制实施前与实施后的火电和风电出力计划,从而研究了配额制的实施对风电消纳量的影响。根据文中实证结果,在节能经济调度的基础上,配额制的实施能够进一步促进风电消纳,风电出力提高了1.7%,弃风率下降了20%。此外,较高的配额比例(10%)和绿色证书交易价格(0.45元)有利于提高风电消纳量,降低弃风率。     

基于改进粒子群算法的微网动态经济调度算法

对微网并网运行模式下的动态经济调度进行了研究,建立了优化微网内分布式电源出力的数学模型,同时考虑对主网向微网输入功率的优化。数学模型以最小化微网内总用电成本为目标,目标中将从主网中的购电成本视为用电成本的一部分,在考虑微网内功率平衡以及分布式电源出力大小和爬坡限制的约束条件下,对目标函数进行优化。解决平衡约束时,采用潮流计算的方法,将公共连接点视为潮流计算中的平衡节点,可根据网内出力和负荷平衡情况适时进行调节。求解数学模型时,采用粒子群算法,并对粒子群算法进行改进,在其中加入自适应措施,以解决非凸、高维、非线性的优化问题。典型算例验证表明,所提出的微网动态经济调度模型合理,求解算法具有很好的实用价值。     

基于改进CPSO算法的区域电热综合能源系统经济调度

针对我国北方地区"以热定电"模式造成大规模弃风与调度经济性较差等问题,建立了区域电热综合能源系统日前经济调度模型。首先,构建了电储能、热储能和电动汽车的经济性模型,改进了风电折算成本的描述方法;然后,综合考虑了弃风成本、电动汽车调度成本、电储能和热储能损耗成本、环境污染成本等,构建了区域综合能源系统的调度成本模型;最后,利用信息熵衡量粒子的丰富度,并结合贪心变异策略提出基于粒子维度熵的改进混沌粒子群优化算法。算例结果表明,所提算法在保证优越收敛性的同时可有效分析各设备单元在经济调度和消纳弃风方面的作用,验证了模型和算法的有效性与实用性。     

基于改进TD3算法的综合能源系统低碳经济调度

在用传统调度方法进行综合能源系统低碳经济调度时会面临数据维数高、建模难度大等困难。虽然用基于数据驱动自适应挖掘物理模型的深度强化学习算法有希望克服这些困难,且其中确定性策略梯度算法尤其适用于连续决策变量问题的求解,但该算法在实际应用时存在训练效率普遍较低的问题。对此,提出了一种基于改进双延迟深度确定性策略梯度算法的调度决策模型。首先基于综合能源系统低碳经济调度特性建立序贯马尔可夫决策过程模型;进而应用改进双延迟深度确定性策略梯度算法构建并训练神经网络,避免过估计并提高网络输出稳定性。同时,为提升网络训练效率,以求和树对训练过程中的历史经验数据进行存储和经验回放采样。实验结果表明,所提方法能对综合能源系统低碳经济调度问题进行有效求解,且比传统强化学习算法表现更优。     

基于改进帝国竞争算法的微网动态经济调度

微网并网模式下,针对微网中光伏、风电及负荷等不确定因素的影响,在满足系统各个约束条件下,建立了基于机会约束规划的微网动态经济调度模型。模型以微网总的运行成本最小为目标,综合考虑了可控机组燃料成本、 CO2排放治理成本、机组维护成本,低压配电网有功购买成本和旋转备用购买成本等。采用概率约束形式刻画了微网系统运行的可靠性,并考虑了可控机组的出力约束及爬坡约束。针对帝国竞争算法存在收敛速度慢和易陷入局部最优的问题,通过引入混沌原理和随机模拟技术,提出改进帝国竞争算法求解所建数学模型。最后,以一个微网系统为例,分析不同可靠性水平对系统经济性和调度结果的影响,同时比较了所提算法和常规算法收敛特性,验证了所提算法的有效性。     

基于改进微分进化算法的微电网动态经济优化调度

针对微电网静态经济调度忽略了各时段之间内在联系的不足,考虑风电机组、光伏电池以及钠硫电池等不确定性因素对经济调度的影响,以微电源出力和微电网运行成本最小为目标函数,建立了微电网动态经济调度模型。采用VC++编制了利用改进微分进化算法的微电网动态经济调度程序,通过改变动态交叉因子,提高了算法的收敛速度和防止陷入局部最优的能力。根据微电网算例结构的特点,分别针对微电网孤网/并网运行情况,制定了微电源的出力原则和运行控制策略。计算结果表明,采用动态优化理论的微电网经济调度较静态调度在成本节约上更具优势,也使得钠硫电池的充放电更具有全局性和实际意义。     

基于改进差分纵横交叉算法的多区域动态经济调度

多区域电力系统动态经济调度(mutlti-area dynamic economic dispatch,MADED)需要满足各个区域在各个时段的功率平衡约束和每个发电机组的爬坡率约束,同时要考虑阀点效应和多燃料因素,使得费用函数变得非凸、非线性,求解更加复杂。为解决这一问题,提出一种改进的混合算法——NW小世界差分纵横交叉优化算法,该算法需要的收敛次数少,并具有较高的收敛精度。采用该算法解决同时考虑爬坡率、阀点效应和多燃料因素的10机组3区域系统的MADED问题,并将调度结果和其他算法进行比较,比较结果说明该算法具有明显的优越性。     

基于PSO算法改进的经济调度优化

在传统电力系统经济调度基础上,考虑风电并网后附加备用及上、下旋转备用约束,同时考虑火电机组燃料费用和环境污染物排放费用,建立了经济与环保协调的经济调度模型,提出应用改进PSO算法求解短期经济调度问题,并通过5节点火电厂、1节点风电场系统仿真验证了方法的可行性和有效性。     

基于改进灰狼优化算法的分布式能源系统优化调度

为了提高分布式能源系统（Distributed Energy System,DES）运行的经济性,以DES运行成本最小为目标函数,建立了基于改进灰狼优化（Improved Grey Wolf Optimization,IGWO）算法的分布式能源系统优化调度模型。采用Tent混沌映射和非线性调整收敛因子策略对灰狼优化算法（Grey Wolf Optimization,GWO）进行改进,提高了算法的性能。利用某综合大楼分布式能源系统进行算例分析,并与其他优化算法的求解结果进行对比,结果表明,IGWO算法收敛时的迭代次数更少,收敛时间更短,与其他三种算法相比,运行成本最低,各项指标均优于其他优化算法,在此调度方案下,各分布式电源出力合理,验证了本文DES优化调度模型的正确性和求解方法的有效性。     

基于改进人工鱼群算法的微电网经济调度

针对微电网调度的问题,以微电网经济成本最小与污染排放气体最少为目标,建立了微电网日优化运行的数学模型。针对人工鱼群算法易陷入局部最优的问题,将人工鱼群的觅食和随机行为与天牛须搜索算法中天牛位置更新方法相结合,提出基于天牛须搜索算法的人工鱼群算法(artificial fish swarm algorithm based on beetle antennae search algorithm,BAS-AFSA)求解所建立的数学模型。最后以一个微电网系统为例,在并网运行的情况下,结合标准人工鱼群算法作对比,仿真结果表明,所提算法能够合理安排微源出力,降低了总成本,微电网获得了更好的综合效益。     

基于改进TLBO算法的电力系统区间经济调度

针对风电本身存在的波动性以及预测的不确定性,构建了含备用响应能力约束的经济调度模型;其次针对风电高成本却有较高环境效益的特性,引入一种新的平衡因子——弃风系数,以此来平衡风电成本,并对该平衡因子的有效区间进行了定义;同时对教与学优化(teaching-learning based optimization,TLBO)算法进行了优化改进,引入新的教学因子和交叉操作,进一步提高其收敛速度和收敛能力,并将其应用于模型求解中。最后利用改进的TLBO算法(improved teaching-learning based optimization,ITLBO)对10机系统进行了仿真计算,验证了弃风系数对平衡风电成本的有效性以及该算法解决此类问题的优越性。     

基于改进樽海鞘群算法的区域综合能源系统优化调度

为降低区域综合能源的碳排放量,提高其经济性,文中建立了以运行成本和环境成本最小为目标函数的区域综合能源系统优化调度模型。利用莱维飞行和非线性收敛因子策略对樽海鞘群算法进行改进,得到改进樽海鞘群算法,提升了算法的全局搜索性能和收敛能力。采用改进樽海鞘群算法对区域综合能源系统优化调度模型进行求解,结果表明,改进樽海鞘群算法在经过47次迭代后就找到了最优解为2 536.24元,相比其他算法,迭代次数和收敛时间更少,求解精度更高。根据改进樽海鞘群算法的调度方案,各设备出力合理,系统运行的经济性和环保性较好,验证了所提区域综合能源系统优化调度模型和求解方法的实用性。     

基于改进近似动态规划的园区综合能源优化调度

园区综合能源系统可以实现能源的高效利用,提高电力系统与区域供热网络的综合效益。针对园区综合能源系统优化调度问题,提出了一种基于改进近似动态规划的园区综合能源系统优化调度方法。考虑到该优化调度模型本质上是一个多时段的非凸非线性规划问题,常规方法难以求解,将其转化为马尔可夫决策过程,并通过近似动态规划实现时段解耦求解。此外,为提高求解效率,提出了一种改进的近似动态规划算法,将传统的基于迭代的值函数近似方法发展为数值拟合的值函数近似方法。仿真结果表明,相较于传统的近似动态规划算法,所提方法的求解效率提升了25%以上。     

计及可再生能源发电成本的智能电网分布式经济调度

针对包含可再生能源发电单元、常规发电单元与储能单元的智能电网经济调度问题,提出一种计及传输损耗的智能电网最优经济调度模型,该模型实现对传输损耗与可再生能源发电单元运行成本的计量;其次,采用Lagrange乘子法推导此优化问题的协调方程,并通过解析的方式分析发电单元的出力协调关系;然后,提出一种完全分布式算法以有效求解此经济调度问题,该算法不仅能够有效减少计算和通信负担,还能在很大程度上保护发电单元隐私;最终,基于IEEE-30母线系统的3个算例验证所提分布式算法的正确性与有效性。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响.提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题.优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本.以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性.该方法可以节省较多的发电成本,具有较高的实用价值.     

基于改进多目标差分进化算法的安全约束动态环境经济调度

本文提出一种改进多目标差分进化算法求解计及输电线路有功潮流约束的动态环境经济调度模型。该算法利用反向学习初始化种群以提高种群的多样性,同时采用改进的拥挤距离计算方法以改善Pareto最优解分布的均匀程度。最后,基于潮流熵指标从Pareto最优解集中提取出电网潮流分布最均衡的发电调度方案。以IEEE30节点系统为算例进行仿真分析,优化结果验证了所提发电调度方法的有效性。     

基于改进蚁狮优化算法的可再生能源分布式电源优化配置

分布式电源的合理规划能够降低配电网的功率损耗,针对可再生能源分布式电源规划配置问题,提出了一种基于改进蚁狮优化算法的可再生能源分布式电源优化配置方法。所提方法建立了以最小化实际功率损耗和改善配电网电压分布与电压稳定性为目标的多目标函数;利用改进蚁狮优化算法,通过模仿自然界中蚁狮的狩猎行为,统筹考虑损耗敏感系数和电压敏感系数,推导出不同类型的分布式电源单元的最佳总线位置和容量;以IEEE-33总线径向分布系统进行了仿真实验。实验结果表明,与其他算法相比,所提算法在降低功率损耗和电压分布方面更优,从而验证了所提算法的适应性和有效性。     

基于一种改进粒子群算法的含风电场电力系统动态经济调度

随着风力发电在电力系统中比重的持续增加,在电力系统经济调度中需要考虑风电场的影响。提出了一种改进的粒子群优化算法,用来求解含风电场的电力系统动态经济调度问题。优化模型中引入了正、负旋转备用约束,以应对风电功率预测误差给系统调度带来的影响,并在目标函数中计及了常规机组的发电效应带来的能耗成本。以经典的10机系统为算例,通过与基本的粒子群算法和遗传算法进行比较,验证了所提算法的可行性和有效性。该方法可以节省较多的发电成本,具有较高的实用价值。     

基于改进差分进化算法的风电并网系统多目标动态经济调度

大规模风电接入对传统经济调度提出了新的挑战。建立了综合考虑火电机组运行成本、污染气体排放成本、风电运行成本、备用成本的多目标动态经济调度模型,并引入正、负旋转备用约束来应对风电波动性对调度带来的影响。采用层次分析法将多目标优化模型转化成单目标优化模型。提出一种改进差分进化算法对模型进行求解,算法中引入正交初始化技术和控制参数自适应调整策略以提高种群的全局寻优能力。以IEEE30节点系统为例验证所提模型的合理性和算法的有效性。