基于改进遗传算法的水电经济调度

传统遗传算法求解电力系统水电经济调度时效率不高,故提出了一种改进遗传算法。该算法采用实数编码,将染色体表示成矩阵形式;并设计了基因行算术交叉算子、基因行变异算子和基因列调整算子三种改进遗传算子,方便了在遗传过程中对约束条件的处理,提高了算法的搜索效率;改进的选择方式较好地避免了有用遗传信息的丢失。仿真结果表明,该算法与传统遗传算法相比,提高了计算效率,有利于获得全局最优解。     

考虑分时电价的虚拟发电厂调度策略

虚拟发电厂大规模有效集成地域分散、类型各异的分布式电源以及用户负荷,能够更加充分地发挥分布式电源效益,提高用户供电可靠性。虚拟发电厂内部调度策略应适应配电网运行环境。在考虑分时电价的基础上,分析虚拟发电厂调度策略,研究在不同峰谷电价时段,结合分布式电源时序发电波动性、可控电源发电计划特性,充分利用峰谷电价差来减少虚拟发电厂发电运行成本。     

商业型虚拟发电厂调度优化策略

虚拟发电厂是实现分布式电源安全、可靠和经济地接入配电网运行的有效模式之一。文中对商业型虚拟发电厂调度优化策略的研究现状进行了综述。首先介绍了虚拟发电厂的概念、控制框架体系和参与的电力市场,从调度优化模型的建立及模型求解等方面就商业型虚拟发电厂参与各种市场的调度优化策略进行了分析,重点就应对不平衡功率调度措施和报价策略进行了详细介绍和评述。最后指出了商业型虚拟发电厂调度优化策略存在的问题和未来发展的方法。     

基于改进量子遗传算法的虚拟电厂在多时间尺度下参与AGC优化调度

介绍虚拟电厂参与AGC调频控制过程,建模分析新能源机组及柔性负荷出力特性;提出一种计及传统发电机组、新能源发电机组、储能系统和柔性负荷的虚拟电厂参与AGC调频多时间尺度优化调度方法,使得虚拟电厂整体在多时间尺度下参与AGC调频收益最大、综合调频效果最佳。研究一种引入量子交叉和量子变异的改进量子遗传算法,并与传统AGC分配方法及自适应遗传算法进行仿真对比,结果表明所提算法具有收敛速度快、全局寻优能力强的优点。     

考虑风电相依结构的虚拟发电厂内部资源随机调度策略

虚拟发电厂运行机制的研究能够为需求侧分布式电源接入电网提供技术支撑,而可中断负荷是需求响应的重要形式之一,可以缓解新能源引起的波动,促进其消纳。将含可中断负荷、风电场和常规机组的电力系统视为虚拟发电厂,并对其进行优化调度。为提高风功率概率分析的准确性,引入Gumbel-Copula描述风电功率相关性,建立联合出力模型。结合需求侧可中断负荷的调峰特性,将可中断负荷加以中断时间、中断次数及中断容量等约束,与常规机组协同运行。通过基于差分进化策略的改进入侵杂草算法对算例进行求解,并与其他两种虚拟发电厂调度策略对比,结果表明该策略可减少总运行成本,同时增加风电消纳、降低风功率剩余。     

基于遗传算法的电网经济调度新方法的研究

本文简述了人工智能优化方法－－遗传算法基本原理，提出了一个实用性能较好的电网经济调度模型，就遗传算法解决电网安全的调度问题进行了深入研究，建立了多机系统的适值函数，对基本遗传算法提出了有效改进策略，为解决电网安全约束经济调度问题展示了新方法。     

电力系统经济调度中遗传算法的比较研究

本文介绍了在电力经济调度中用于改善系统运行性能的遗传算法的某些修改，目的是试图找出供遗传算法使用的最佳运行点，为了改善运行性能，涉及到问题的两个阶段，即首先是选择一种适当的遗传策略，其次是为所选定的遗传策略对各种参数的值进行协调，这两个阶段均已在六机系统中经过试验，并按照在线及离线两种情况对试验结果进行了比较，全部研究工作清楚地表明，采用先进的遗传算子及优化选择参数值能使系统性能显著增强。     

基于改进遗传算法的经济负荷分配

研究了遗传算法在水火电力联合系统经济调度中的应用。针对电力系统负荷分配目标的改变，建立在电力市场体制下负荷分配的数学模型；根据负荷分配问题的特点，对初始种群的生成方法进行改进，使得遗传算法在初始种群中的所有个体都是可行解；对过度满足约束条件的个体，采用了一种有效减小冗余的手段。通过数字仿真，证明了该方法的正确性与有效性。     

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。     

Optimal reactive power dispatch using an adaptive genetic algorithm

This paper presents an adaptive genetic algorithm (AGA) for optimal reactive power dispatch and voltage control of power systems. In the adaptive genetic algorithm, the probabilities of crossover and mutation, p_c and p_m, are varied depending on the fitness values of the solutions and the normalized fitness distances between the solutions in the evolution process to prevent premature convergence and refine the convergence performance of genetic algorithms. The AGA applied for optimal power system reactive power dispatch is evaluated on an IEEE 30-bus power system in which the control of bus voltages, tap position of transformers and reactive power sources are involved to minimize the transmission loss of the power system.     

考虑配电网安全性的虚拟电厂优化调度博弈模型

以往的虚拟电厂(VPP)优化调度模型仅考虑VPP的经济性,所得最优调度方案往往无法满足配电网的安全需求,会造成线路过负荷、节点电压越限等问题,影响电力系统的安全稳定运行。为了权衡VPP的经济性与配电网的安全性,建立了基于非合作博弈理论的VPP优化调度博弈模型,并且采用随机规划法处理风/光可再生能源以及电价的不确定性。以某市城北变八引线配电网为算例,对VPP优化调度模型、配电网安全性模型以及非合作博弈模型三者的优化结果进行了比较,结果表明:当VPP与配电网以非合作方式进行博弈时,会采取相对保守的调度策略,削减各聚合单元的发电量,使VPP在获得较大利润的同时,配电网也能够保持较高的安全性,验证了所提非合作博弈模型的有效性和合理性。     

基于Queen-bee进化的遗传算法在电力系统经济调度中应用

为提高遗传算法的寻优能力,引入模拟自然界蜂王繁殖的改进型遗传算法(QEBGA)。概述了QEBGA的实现过程,指出基本遗传算法(SGA)采用轮盘赌选择机制选择种群个体,以普通变异算子对种群作变异操作;而QEBGA采用启发式选择机制选择种群个体,按比例分别以普通变异算子和强变异算子对种群作变异操作。详述了电力系统经济调度问题表述为极小化下的总费用函数及约束优化问题。最后,用6台发电机系统和13台发电机系统的模拟实验比较了QEBGA和SGA两种算法在优化性能上的差异,实验结果说明了相同种群规模下,QEBGA的寻优时间小于SGA;系统规模越大,QEBGA在计算精度上的优势就越突出。     

Optimal reactive power dispatch using self-adaptive real coded genetic algorithm

In this paper, self-adaptive real coded genetic algorithm (SARGA) is used as one of the techniques to solve optimal reactive power dispatch (ORPD) problem. The self-adaptation in real coded genetic algorithm (RGA) is introduced by applying the simulated binary crossover (SBX) operator. The binary tournament selection and polynomial mutation are also introduced in real coded genetic algorithm. The problem formulation involves continuous (generator voltages), discrete (transformer tap ratios) and binary (var sources) decision variables. The stochastic based SARGA approach can handle all types of decision variables and produce near optimal solutions. The IEEE 14- and 30-bus systems were used as test systems to demonstrate the applicability and efficiency of the proposed method. The performance of the proposed method is compared with evolutionary programming (EP) and previous approaches reported in the literature. The results show that SARGA solves the ORPD problem efficiently.     

考虑多风能预测场景的虚拟电厂日内滚动柔性优化调度方法

随着分布式可再生能源接入电网的比例日益提高,其出力间歇性和随机性给电力系统的安全稳定和经济运行带来了一系列的负面影响,虚拟电厂为分布式可再生能源可靠并网提供了新的途径。针对虚拟电厂中风电机组出力的不确定性及预测误差,考虑了由多个风能预测服务商基于不同预测方法提供多个风电出力预测场景,以期望运行成本最小为目标,制定虚拟电厂每个场景对应的最优调度计划。为应对风力状况的随机波动,虚拟电厂当前时段考虑下一时段所有风电出力场景下的计划调整成本。并以期望运行总成本最小为目标,构建基于多风能预测结果的虚拟电厂柔性优化调度模型,并设计了日内虚拟电厂出力计划的滚动调度策略。通过数值仿真,对比分析了不同预测场景下虚拟电厂的运行成本,验证了所提模型的可行性和有效性。     

基于改进粒子群算法的电力系统经济负荷分配

提出了一种应用随机优化理论求解电力系统经济负荷分配的新方法,该方法以电力市场全天购电费用最小为目标函数,将高斯算子和交叉算子引入基本粒子群算法中。针对基本粒子群算法（PSO）的局限性,通过引入新的算子,克服了PSO算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点,在速度和精度上满足了计算要求。算例结果表明,所提出的方法能有效解决电力市场电力系统经济负荷分配问题。     

发电机组负荷分配的遗传算法

介绍了遗传算法的机理和特点,针对电力系统非线性和水火电联合系统的经济调度不易协调的特点,将遗传算法应用于电力系统经济调度的计算,并给出了计算的一般步骤,通过对一个三机水火电联合系统的经济调度的计算,验证了遗传算法对于计算电力系统经济调度的有效性。结果表明,遗传算法对目标函数的连续性及其导数的存在性没有严格的限制,因而非常适合于电力系统的优化计算;此外,运用遗传算法解算经济调度避免了对协调方程的求解     

Quantum genetic algorithm for dynamic economic dispatch with valve-point effects and including wind power system

An optimization algorithm is proposed in this paper to solve the problem of the economic dispatch that includes wind power generation using quantum genetic algorithm (QGA). In additional to the detail introduction for models of general economic dispatch as well as their associated constraints, the effect of wind power generation is also included in this paper. On the other hand, the use of quantum genetic algorithms to solve the process of economic dispatch is also discussed and real scenarios are used for simulation tests later on. After comparing the algorithm used in this paper with several other algorithms commonly used to solve optimization problems, the results show that the algorithm used in this paper is able to find the optimal solution most quickly and accurately (i.e. to obtain the minimum cost for power generation in the shortest time). At the end, the impact to the total cost saving for the power generation after adding (or not adding) wind power generation is also discussed. The actual operating results prove that the algorithm proposed in this paper is economical and practical as well as superior. They are quite valuable for further research.     

Optimal reactive power dispatch based on harmony search algorithm

This paper presents a harmony search algorithm for optimal reactive power dispatch (ORPD) problem. Optimal reactive power dispatch is a mixed integer, nonlinear optimization problem which includes both continuous and discrete control variables. The proposed algorithm is used to find the settings of control variables such as generator voltages, tap positions of tap changing transformers and the amount of reactive compensation devices to optimize a certain object. The objects are power transmission loss, voltage stability and voltage profile which are optimized separately. In the presented method, the inequality constraints are handled by penalty coefficients. The study is implemented on IEEE 30 and 57-bus systems and the results are compared with other evolutionary programs such as simple genetic algorithm (SGA) and particle swarm optimization (PSO) which have been used in the last decade and also other algorithms that have been developed in the recent years.     

一种基于智能改进算法的定制电力设备优化配置策略

为了更好地治理配电网谐波污染、低功率因数以及电力系统电压波动所带来的敏感负荷不能正常工作问题,研究了配电网多种定制电力设备的优化配置。综合考虑电能质量治理目标以及投资费用建立了优化配置数学模型,并提出一种将遗传算法与内点法有机结合的混合优化策略用于多种定制电力设备的优化配置。该混合策略利用遗传算法锁定各装置的最优安装位置并求得近似最优安装容量,将近似容量设为内点法初值寻找更加精确更优的安装容量。此外,分别基于约束越限和预判自适应对遗传算法和内点法做出改进,提高了寻优速度。理论分析和仿真结果表明,该混合算法比单独的遗传算法稳定性更高、寻优结果更加精确。