计及风光出力相关性的风光互补发电系统优化

为了提高风光互补发电系统效率、降低建设成本和增强供电可靠性,采用Frank Copula理论,综合考虑该地区风力发电和光伏发电的出力相关性,利用Kendall秩进行不同季节的出力相关性对比,建立风光联合密度分布函数,得到风光联合出力场景,并采用NSGA-Ⅱ算法进行风光互补发电系统的多目标容量优化。算例结果表明,优化后系统的成本、负荷缺电率和弃风弃光浪费率分别减少了8.98%、1.23%和2.28%,计及风光出力相关性对于提高风光互补系统效率、降低投资成本具有重要意义。

基于改进NGA的风光互补发电容量优化

基于风光互补发电系统,为了确保负载端的可靠性和稳定性,使建造成本最小;同时,考虑到风光互补发电系统是多目标且复杂的非线性优化问题,很难建立与之对应的数学模型。引入了Pareto最优概念,提出一种改进小生境遗传算法(NGA)来处理问题,通过加入竞标赛选择算子,设计了动态的交叉和变异概率函数,融入了自适应策略,旨在提高算法的收敛速度,全局寻优能力。算例表明,采用改进的NGA算法比未改进的算法在进行系统优化时,收敛速度提高了60.8%,优化后的系统负荷缺电率(LPSP)减少了26.6%,供电概率过剩率(SPSS)减少了138%,证明了算法可行性。

基于DCPSO算法的微网系统优化调度

基于传统粒子群算法(PSO)的微网调度模型存在收敛速度慢、精度低、初始化不均匀等问题。以综合运行、环境成本和大电网交易成本为优化目标,提出一种改进的基于双种群混沌的粒子群算法(DCPSO)微网优化调度模型。对比改进前后两种算法的优化结果可知,改进后的算法提升了系统优化精度和收敛速度,系统运行成本降低8.43%,优化速度提升44.54%,证实了改进算法的有效性和实用性。

基于SelPSO算法的微网系统优化调度

电动汽车越来越多被使用,大量无序充电现象的出现会使电网变得不稳定。以包含电动汽车在内的微网系统为研究对象,通过建立成本目标函数对系统进行优化调度。由于电动汽车具有灵活性,出行规律受驾驶人影响较大,提出在不同电价机制下电动汽车合理有序充放电的调度方案,采用基于自然选择的粒子群算法(SelPSO)进行优化调度,同时和采用基础MOPSO进行优化的结果作比较。以某地区微网系统为例进行求解,由算例结果验证所提方案和算法的可行性、实用性。