基于粒子群优化的非线性灰色Bernoulli模型在中长期负荷预测中的应用

将非线性灰色Bernoulli模型用于到中长期电力负荷预测,提出了优选模型参数的粒子群优化算法。该模型是将GM(1,1)模型与Bernoulli微分方程相结合的一种灰色模型,适用于对不同发展趋势曲线的预测。通过粒子群优化算法,以模型预测平均绝对百分误差最小为目标,选择最优的模型参数。采用不同测试数据以及实际电网负荷数据进行了验证,结果表明上述模型有很好的适应性及较高的预测精度。

电力负荷混沌动力特性及其短期预测

根据非线性动力系统理论进行负荷建模和预测,并将预测精度作为一种辨识工具,用于分析电力负荷变化的动力特性。分析结果表明,可将负荷的变化特性描述为低维混沌系统。根据负荷的混沌特性及一步向前预测的精度提出一种优选重构参数的方法,并采用基于相空间重构的加权一阶局域法多步预测模型进行了负荷预测。相空间模型能识别负荷序列的内部特性并进行预测,因此是分析和预测负荷的有效工具。

矩形件排样优化的丁字尺法

矩形件排样优化既要考虑材料的利用率 ,又要考虑生产时的下料效率 ,同时还要满足“一刀切”的工艺要求。综合考虑这些因素后 ,提出了将板材先分块 ,再在分块的板材上排放单一零件的丁字尺法。实验表明这种方法对大规模矩形件有较好的效果 。

矩形件排样优化的一种近似算法

根据矩形件排样的实际下料工艺要求 ,以板材的长或宽对待排矩形件的长或宽求余数 ,根据余数结果提出了一种矩形件排样的近似优化算法。

应用聚类算法和混沌理论的短期负荷概率性区间预测

将聚类算法和混沌时间序列方法相结合，提出了一种短期负荷概率性区间预测方法。该方法采用聚类算法在相空间中寻找当前相点的多个相似状态，以避免如何选取相似状态和相似状态个数的问题；根据不同相似状态确定性预测结果的最大值和最小值构造预测区间，结合历史预测误差的统计规律计算区间对应的概率置信水平。采用我国北方某电网负荷数据对算法进行了测试，分析了聚类阈值对相似状态个数、区间中值、区间长度的影响，预测结果表明了该方法的有效性。

基于自适应混沌蜂群算法的梯级电站优化调度

在峰谷分时电价背景下建立梯级水电站短期发电效益最大模型,通过自适应混沌蜂群算法(ACABC)对模型进行求解。为兼顾算法全局搜索能力及局部求解精度,引入搜索步长和蜜源选择概率自适应修正策略。考虑到模型求解过程中涉及的多维复杂约束问题,提出一种基于双向廊道的约束处理技术,用于规范解寻优空间。以峰谷分时电价下清江梯级短期优化调度为背景进行仿真建模,将计算结果与普通人工蜂群算法(ABC)和差分进化算法(DE)所得结果进行比较。实例研究表明,ACABC处理灵活且具有更强的全局搜索能力,工程实用价值较高。

基于相空间重构和QPSO-SVM的超短期负荷预测

提出了一种基于负荷时间序列相空间重构与量子粒子群优化支持向量机的混合超短期负荷预测方法。首先利用G-P算法和C-C算法分别确定超短期负荷数据关联维数和延迟时间,对数据进行相空间重构,并获取预测模型的输入输出数据。接着采用量子粒子群(QPSO)对支持向量机(SVM)进行优化,构建了QPSO-SVM预测模型。最后利用相空间重构获得的模型输入输出数据对QPSO-SVM进行训练获得负荷预测模型。对某电网模拟负荷预测试验结果表明,方法有效提高了负荷预测精度,具有一定的科学意义及工程价值。

大规模车网互动需求响应策略及潜力评估综述

大量电动汽车的接入为电网带来了新的挑战与机遇,电动汽车作为具有负荷与储能双重属性的特殊灵活性资源,车网互动过程中需要实施调度方案及需求响应策略对其进行引导。针对现有问题,全面综述了相关研究。首先,为综述电动汽车有序充放电模型,基于用户出行习惯探讨了电动汽车聚类方法,并得出了考虑特征变量聚类可有效提高聚类模型精确度的结论。其次,梳理了现有的需求响应策略,通过权衡协调各类需求响应策略,能有效激发用户调度潜力。然后,基于策略研究,从数据与机理两类评估角度总结了如何提高需求响应评估精度。最后对未来研究做出展望:未来电网侧可聚焦峰谷时段细化研究、聚合商侧可针对不同用户聚类建立更适宜的调度策略、未来仍需探寻多市场主体有效商业模式等。

电动汽车虚拟储能支撑的多元调峰辅助服务优化

可再生能源出力的波动性加剧了电网调峰需求,大规模电动汽车(electric vehicle,EV)聚合为虚拟储能可大幅提升系统调峰能力。然而,调峰需求方(风电､光伏等可再生能源运行商)与调峰供应方(火电站､储能系统等)之间的交易机制尚未完善,如何调动EV作为调峰供应方的积极性,在多元主体间合理分摊调峰辅助服务费用,成为亟需解决的问题。提出EV虚拟储能支撑的多元调峰优化调度及辅助服务费用分摊机制:首先,构建多元调峰辅助服务市场主体,包括风电、光伏、火电及EV虚拟储能等。其次,设计EV虚拟储能参与辅助服务费用分摊机制,风电、光伏等调峰需求方按各自发电容量比例,分摊火电及EV虚拟储能等调峰供应方所需的辅助服务费用。特别地,每辆EV根据其调峰的具体贡献给予补偿,充分体现EV车主作为储能自主参与电力市场的价值,并调动其参与调峰的积极性。然后,以系统运行总成本最低为目标构建日前调峰调度模型。最后,以湖北省某区域为例进行算例仿真,分析表明所提模型中EV虚拟储能的加入可有效降低系统运行总成本8.5%,同时提高系统调峰裕度,促进EV虚拟储能等灵活资源可持续发展。

基于最优经济运行区域的主动配电网日前日内协同调度方法

传统的日前-日内协同调度通常以与日前时序计划曲线偏差最小作为日内目标函数,当日内新能源出力预测值与日前相差较大时,储能装置(energy storage systems,ESS)等由于其时间耦合约束日内调整范围有限,导致经济性和灵活性较差。对此,提出了基于最优经济运行区域(optimal economic operation region,OEOR)的主动配电网(active distribution networks,ADN)日前-日内协同调度方法。在日前阶段,构建线性化ADN调度模型,基于拉丁超立方采样法生成的大量随机场景下调控设备优化曲线,以全时间段内设备出力上下界内所包含的随机场景优化结果数量最大为目标,考虑储能装置荷电状态的相邻时段约束和微型燃气轮机的爬/滑坡率,构建OEOR生成模型。最后,在日内阶段,调控设备在OEOR内滚动优化调整,当该时段优化值贴近OEOR边界时,考虑相邻时段出力约束,将OEOR扩展为最优经济极限运行区域(E-OEOR)。算例结果表明,所提方法相比于传统方法能够更有效地提升配电网经济性。

建设坚强智能电网,促进我国节能减排

通过我国能源利用和节能减排形势的分析,阐述了智能电网的核心价值,分析了智能电网在提高电网利用效率、提高调峰效益、接纳可再生能源、需求侧管理等方面实现节能减排的作用。

延时影响下智能软开关控制器硬件在环测试准确性分析

智能软开关作为一种实现配电网灵活调节作用的电力电子设备,通常采用控制器硬件在环技术以实现多样化的功能验证需求。控制器硬件在环中存在不可忽略的接口延时环节,影响暂态稳定性测试的功角动态准确性,造成试验结果与真实系统响应不一致。设计了智能软开关控制器硬件在环测试系统,建立了测试系统的时域数学模型,解析延时环节对测试准确性影响。基于暂态稳定等面积方法量化延时影响程度,综合考虑测试系统的准确性和规模,探究了延时环节参数的优化选择和设计。最后,基于RT-LAB实时仿真器的控制器硬件在环测试系统验证了理论分析的正确性。

基于短期负荷预测的微网储能系统主动控制策略

提出了一种基于短期负荷预测的微网储能系统主动控制策略。采集了智能电表上的分布式电源出力和微网负荷数据,对微网中的负荷进行了短期预测。在考虑蓄电池容量、充放电特性以及充放电次数限制的条件下,主动控制储能系统的充放电,优化微网负荷曲线,实现了削峰填谷。通过采用上述控制策略,储能系统还可工作在静止无功补偿器状态,为微网提供无功补偿,减小电压偏移,保证分布式电源的稳定运行,提高微网的电能质量。在Matlab中建立了微网的仿真模型,验证了这种控制策略的可行性。

电网规划智能辅助决策系统的设计与实现

为有效应对电网规划面临的数据量大、决策复杂、技术手段匮乏的局面,文中设计并实现了一种基于平台化设计、具有可视化及高级决策支持功能的电网规划智能辅助决策系统。该系统与地理信息系统(GIS)密切融合,内嵌一体化数据库,具有适应性评估、投资优先级决策、差异化规划及电网仿真软件数据接口等功能。在辅助决策过程中,通过电网调度模拟实现电源电网协调评估,仿照静态安全分析的原理确定项目投资优先级,利用图论算法识别电网骨干网架,借助新开发的仿真软件数据接口从规划方案提取数据进行拓扑重构及模型数据初始化。系统的设计与开发立足于工程实践,软件成果在湖北电网的初步应用验证了文中的设计思路和实现方法。

基于自适应网格的多目标粒子群优化算法

针对现有多目标进化算法计算复杂度高、搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术。仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能。

基于聚类经验模态分解-样本熵和优化极限学习机的风电功率多步区间预测

针对风电功率序列的不确定性和随机性特征,提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先,利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对各子序列建立基于上下界直接估量的区间预测模型。为分析不同区间构造的差异,提出一种体现训练目标值偏离区间范围影响的新型区间预测评估指标作为目标函数,并采用基于混沌萤火虫结合多策略融合自适应差分进化的优化算法寻求其最优解,以提高模型预测性能。最后,以某一风电场实际功率数据为算例,验证了所提模型能获得可靠优良的多步区间预测结果,可为风电功率多步不确定性预测提供一种新的有效途径。

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM)。COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点。以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果。最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性。

计及柔性资源的含风电场电力系统多目标动态协调调度

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。

遗传模拟退火算法在矩形优化排样系统中的应用

研究了一种遗传算法和模拟退火算法的结合算法 ,并且把它应用于现实生产的矩形优化排样系统中。首先建立了该系统的通用数学模型。然后给出了求解该问题的遗传模拟退火算法。

MOPSO算法及其在水库优化调度中的应用

提出了一种新的多目标粒子群优化(MOPSO)算法,该算法采用自适应网格方法来估计非劣解集中粒子的密度信息、平衡全局和局部搜索能力的Pareto最优解的搜索机制、删除品质差的多余粒子的Archive集的修剪技术。通过对三峡梯级多目标优化调度问题的计算,表明该算法是求解大规模复杂多目标优化问题的一种有效手段。