基于二次自适应支持向量机的光伏输出功率预测

针对传统相似度函数在聚类过程中所存在的问题,提出改进灰色-欧氏距离相似度函数,并将历史样本日模糊聚类分为若干类。另外,考虑到光伏输出数据的复杂性,该文结合小波分解(WD)和集成经验模态分解(EEMD)的各自优势,对光伏数据作双分解处理,得到趋势分量与细节分量,然后采用二次自适应支持向量机模型分别进行光伏功率预测。最后,采用美国俄勒冈州某处光伏发电场的实测数据实验,验证模型的实用性和可行性。

计及不确定性因素的家庭并网风-光-蓄协同经济调度优化方法

考虑风电、光伏出力和负荷等不确定性因素以及实时电价对家庭并网风-光-蓄发电系统优化调度的影响,构建了计及用户售电收益、购电成本、政府补贴、运行维护费用和分布式电源投资建设成本的家庭并网风-光-蓄发电优化调度模型。并提出一种结合拉丁超立方采样、场景缩减法以及自学习差分算法的优化方法对所提模型进行求解。该方法首先根据风、光、荷预测误差概率分布采用拉丁超立方采样方法生成大量样本,并采用场景缩减法对所生成的样本进行缩减。其次,针对标准差分算法在迭代后期所可能出现的＂聚集＂现象导致容易陷入局部最优的问题,提出一种融合自学习选择操作和纵向交叉操作的自学习差分算法,对所提模型进行全局寻优,得到各场景对应的最佳决策方案。最后,结合典型算例进行仿真研究,结果表明所提模型和方法具有较强的可行性和有效性。

计及风电不确定性的区域互联动态经济优化调度方法

结合含风电场的区域互联电力系统运行特点,考虑风电出力、负荷的不确定性因素以及电力系统安全运行约束,建立计及系统燃料费用、机组运行维护成本、风险成本的区域互联动态经济调度优化模型,并以一种融合拉丁超立方采样、场景缩减法和自学习差分算法的优化方法对所提模型进行求解。该方法根据风电和负荷预测误差采用拉丁超立方采样技术生成大量样本,并对所生成样本结合场景缩减法进行缩减,再由自学习差分算法进行全局寻优,得到各场景所对应的最优调度方案。结果表明:采用该方法既能模拟出风电、负荷的不确定性特点,又能避免建立过于复杂的随机性模型,降低了建模和求解的难度,同时所提自学习差分算法具有良好的收敛特性及鲁棒性。因此,所提优化方法对区域互联电力系统优化调度具有参考价值。

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。

实时电价下家庭并网风光蓄发电系统优化调度

电力市场环境下,针对实时电价对家庭并网风光蓄发电系统综合收益的影响,计及家庭售电收益、购电成本、政府补贴、运行维护费用和分布式电源投资建设成本等因素,建立了以系统安全运行为前提,通过优化余电分配比例,以实现家庭综合收益最大化为目标的并网风光蓄发电系统优化调度模型。同时提出一种改进差分算法以解决此类具有多约束、强非线性的复杂优化问题。该算法在标准差分算法的基础上,通过融入纵向交叉操作以协助陷入维局部最优的部分维摆脱当前困局,提高算法的全局搜索能力。最后,将所提算法应用于典型家庭并网风光蓄发电系统中,验证了所建立模型和改进算法的合理性与有效性。

基因编辑差分算法在多燃料经济调度中的应用

计及阀点效应的多燃料经济调度是电力系统运行控制中典型的高维、非凸、非线性及不可微的优化问题。针对现有技术在解决该问题时容易陷入局部最优值,收敛精度不高和计算效率较低等缺陷,提出一种基因编辑差分算法。该算法在标准差分算法的基础上,通过融入基因编辑操作提高标准差分算法在解决该问题时的计算效率与求解精度。并将该算法分别应用于10机组和40机组的多燃料电力系统的算例进行仿真分析。此外,将仿真结果与多种算法优化结果进行对比,结果表明所提标准差分算法通过融合基因编辑操作不仅能大幅度降低搜索空间,而且有效缓解了算法的过早熟现象,同时能在相对合理的计算时间内取得更优的解。

基于模态分解和支持向量机的风电功率组合预测

针对风电功率序列的不确定性和随机性特征,提出基于聚类经验模态分解(EEMD)和支持向量回归机(SVR)的风电功率预测模型。同时,为克服支持向量回归机依赖人为经验选择学习参数的弊端,采用纵横交叉算法(CSO)优化支持向量回归机学习参数。首先,利用聚类经验模态分解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,分别对每子序列单独建立CSO-SVR预测模型。最后,叠加各子序列的预测值得到实际预测结果。实例研究表明,所提模型能获得优良的风电功率预测结果。

梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。

基于小波包分解和改进差分算法的神经网络短期风速预测方法

风速预测在风电场的智能管理和安全并网中起着至关重要的作用,针对风速预测固有的波动性、间歇性和非线性等特点,以及常规BP神经网络和差分算法神经网络均存在容易陷入局部最优导致收敛过早、泛化能力不足等缺陷,提出一种综合WPD和IDE算法的短期风速预测神经网络方法。该方法首先利用WPD将风速的时间序列分解成多种不同频率的子序列,然后采用IDE算法优化后的神经网络对小波包分解后的每个不同频率的子序列进行单步预测,最后将预测后的各个子序列进行叠加,得出最终预测结果。为验证所提方法的有效性,将其分别与采用混合小波分解的BP神经网络风速预测方法和混合小波分解的差分算法风速预测神经网络方法进行对比,对某地区的实际风速数据进行实验仿真,结果表明,所提方法的预测精度明显优于其他算法。

变电站智能巡检机器人系统的研发与应用

本文介绍了一种新型变电站智能巡检系统。该系统通过远程遥控或自主运行的方式,实现在少人值守甚至是无人值守的变电站对变电站的电力设备运行环境和设备运行状态进行全方位的系统巡检,及时发现各类电力设备的异物悬挂和热缺陷等设备异常缺陷。应用结果表明:采用该变电站智能巡检机器人系统具有低成本、高智能的优点。

热电联产经济环保调度优化

为解决复杂的热电联产经济环保调度问题,提出了一种改进的多目标灰狼优化算法。标准灰狼算法只适用于处理单目标优化问题,而改进的算法也适用于多目标优化,并通过融入方向修正操作以修正狼群前进方向,并改善算法的全局搜索能力。其次,结合快速非劣解排序、拥挤距离计算等,在更新狼群位置时,采用"精英保留策略"淘汰弱势狼个体,进一步提高算法的收敛速度,并通过模糊决策理论获得最优折中解。最后,通过对某典型7机组热电联产系统的仿真,验证了所提出方法不仅能够有效地求取热电联产发电计划在经济性与环保性之间的最优折中,同时克服了标准灰狼算法的缺陷,且较其他群智能优化算法在求解质量、收敛性等方面具有明显优势。