煤矿供电系统全局无功优化调度技术研究

针对传统煤矿供电系统无功优化调度技术的局限性,介绍了一种全局无功优化调度技术方案。该技术方案在标准遗传算法的基础上,引入了算术交叉和启发式交叉思想,形成了改进多种群遗传算法。以某煤矿为研究案例,结合煤矿实际情况,通过算例分析方法进行工程应用,确认了改进多种群遗传算法具有收敛速度快、节能降耗力度大等优势。

考虑EV充放电意愿的园区综合能源系统双层优化调度

随着电动汽车(electric vehicle,EV)普及度的不断提高,工业园区内的EV用户日益增多,其充放电行为给园区综合能源系统(park integrated energy system,PIES)的规划运行带来极大挑战。文中提出考虑EV充放电意愿的PIES双层优化调度。首先,基于动态实时电价、电池荷电量、电池损耗补偿、额外参与激励等因素建立充放电意愿模型,在此基础上得到改进的EV充放电模型;然后,以PIES总成本最小和EV充电费用最小为目标建立双层优化调度模型,通过Karush-Kuhn-Tucker(KKT)条件将内层模型转化为外层模型的约束条件,从而快速稳定地实现单层模型的求解;最后,进行仿真求解,设置3种不同场景,对比所提模型与一般充放电意愿模型,验证了文中所提引入EV充放电意愿模型的PIES双层优化调度的有效性和可行性。

基于改进非支配排序遗传算法的电力系统无功–潮流多目标协同优化调度

提出了一种改进非支配排序遗传(Non-dominated sorting genetic algorithms,NSGA)-Ⅱ算法,其种群局部搜索和外部种群的设置有效提高了算法的收敛性和解集的多样性。将该算法应用于电力系统无功–潮流多目标协同优化调度问题的求解。采用IEEE-14和IEEE-30母线系统进行算例分析。算例仿真的结果表明,应用所提方法能够兼顾电力系统运行的无功优化目标和潮流优化目标,实现无功最优和潮流最优的折中;同时,改进NSGA-Ⅱ算法在收敛性和解集多样性上都优于传统NSGA-Ⅱ算法。

电力调度自动化系统中的实时负荷预测及优化调度研究

文章旨在研究电力系统的实时负荷预测和优化调度策略,采用时间序列和深度学习技术,提高调度效率和稳定性。实验证明,成功运用时间序列和深度学习实现准确的实时负荷预测,优化策略显著降低,提高了系统稳定性和可靠性。

基于Stackelberg博弈实时定价机制的电-气综合能源系统优化调度

为了降低风电和负荷的预测误差对于综合能源系统各机组出力计划的影响,建立了基于Stackelberg博弈实时定价机制的电-气综合能源系统两阶段(日前-日内)优化调度模型。在日前调度计划中,以综合能源系统经济成本最优确定各机组次日的出力计划。在日内调度计划中,以综合运营商收益最大和用户满意度最大为目标函数,建立主从博弈模型,通过两方博弈对日前能源价格进行调整,从而引导用户积极参与需求响应。通过实际的算例仿真分析,Stackelberg博弈制定的实时能源价格相较于价格弹性系数矩阵法制定的能源价格,用户参与需求响应的程度更高,不仅可以减少对各机组日前制定出力计划的调整,而且可以降低系统运行成本,提高用户的综合效能。

地区电网无功优化实时控制系统的研究与开发

无功的优化与控制关系到电力企业自身的经济效益。提出的地区电网无功优化实时控制系统基于现有地调主站的调度自动化系统 (SCADA/EMS) ,SCADA将实时的数据断面发送给EMS,EMS利用遗传算法求解整个电网的无功优化问题 ,并根据优化解给出控制方案 ,再通过SCADA系统的下行命令通道执行优化控制方案 ,完成闭环控制。文中重点论述了遗传算法应用于实时控制系统的优势 ,并且解决了一些在实时控制过程中遇到的技术问题。现场应用表明 ,该系统可以方便灵活地满足实时控制所提出的各种要求 ,具有较好的实时性和鲁棒性。

实时无功优化调度中的邻域搜索改进遗传算法

为了避免遗传算法的早熟收敛及改善其收敛性能,提出了电力系统最优无功调度和电压控制的一种改进遗传算法。算法中采用了分组整数编码技术和锦标赛选择机制;结合十进制整数编码的特点,提出了邻近变异的操作算子,避免了二进制编码中的海明悬崖(Hammingcliffs);在遗传迭代结束后再引入邻域搜索技术,以极短的时间完成搜索。将此算法应用在海南电网的实时无功优化调度中,结果表明该算法能迅速获得全局优化解,具有很好的全局收敛性能,能满足电力系统无功优化实时调度的要求。

基于实时灵敏度分析的湖南电网无功电压优化控制系统

摘要:基于能量管理系统(EMS)平台的湖南电网无功电压优化控制系统采用省调中心决策层和厂站端执行层两层系统结构。该系统采用面向母线的电网模型,以厂站为核心进行数据库设计,在系统状态估计数据基础上,实现实时计算每个厂站(节点)的灵敏度,并由此产生无功电压优化调整的控制决策。此外,还采用了控制计时器技术、精简控制指令技术、数据可靠性检查技术、双重电压限值技术,这些实用技术确保了该系统的可靠性和实用性。

电力系统无功优化调度研究综述

较为全面地综述了国内外学术界对无功优化调度问题的研究状况。通过对静态和动态无功优化调度数学模型及各种优化算法的分析,总结了该项研究的五个关键问题,即寻优质量、离散变量处理、求解效率、动态优化调度及协同优化计算和控制等。提出采用多智能体(Agent)建模及其协同优化方法进行全局实时动态无功优化调度的计算和控制。最后指出了有待深入研究的问题,例如无功优化调度的控制次序和负荷模型等。

考虑提高系统无功备用容量的无功优化调度

充裕的无功备用容量是保证系统电压稳定的一个重要因素,因此在日常无功优化调度过程中考虑提高系统的无功备用容量是防止电压失稳的重要手段之一。文章在分析发电机备用容量数学模型的基础上,定义了基于电压稳定的系统无功备用容量的计算公式,提出了考虑增大无功备用容量、减少网络损耗以及减小电压偏移的多目标无功优化调度算法。并将该算法应用于IEEE30节点系统,证明了所定义的基于电压稳定的系统无功备用容量计算公式的正确性及提高备用容量的无功优化调度算法的可行性。

实时异构系统的动态分批优化调度算法

提出了一种实时异构系统的动态分批优化调度算法,该算法采用的是在每次扩充当前局部调度时,按一定规则在待调度的任务集中选取一批任务,对该批任务中的每项任务在每个处理器上的运行综合各种因素构造目标函数,将问题转化为非平衡分配问题,一次性为这些任务都分配一个处理器或为每个处理器分配一项任务,使得这种分配具有最好的“合适性”,以增大未被调度任务的可行性.这种方法有效地提高了算法调度成功率.同时,为了评估该算法的性能,对其进行了大量的模拟,分析了一些任务参数的变化对算法调度成功率的影响,并与老算法的调度成功率进行了比较.模拟结果显示,新算法优于老算法.

甘肃电网实时线损无功优化调度支持系统投入运行

随着我国电网调度自动化技术的迅速发展，电力系统无功优化和线损的分析和研究已从传统的离线分析发展为在线分析和研究，并成为近年来电力系统在线分析和控制领域的热点研究课题。

电力系统动态无功优化调度的调节代价

提出了电力系统动态无功优化调度中控制设备调节代价的数学模型，并探讨了其作用。进行无功优化调度需增加相关设备的投资及运行维护工作量，同时增大了系统故障的概率，因此无功优化调度的目标仅考虑网损最小而不考虑为了降损进行的操作的调节代价是欠妥当的。通过仿真算例表明，将控制设备的调节代价引入无功优化调度的目标函数中，使无功优化调度在降低网损和减少控制设备操作之间达到平衡。由于在无功优化调度中能够避免控制设备的频繁操作，从而证明了该模型的合理性。

实时系统温度功耗管理的优化方法研究

实时系统的能量受限特性、峰值温度约束以及实时任务的时间约束使其能耗问题备受学术界和工业界的关注,目前已有很多相关功耗管理研究.不考虑温度因素的传统功耗管理大多仅通过动态电压调节技术(dynamic voltage scaling,DVS)方法调度处理器的状态实现,然而随着芯片尺寸的不断缩减,处理器的功耗密度越来越大,温度与功耗之间的相互影响已不容忽视,由此在传统管理研究的基础上又衍生出了很多温度感知的新方法.1)对实时系统温度功耗管理依托的3个模型(任务模型、热模型和功耗模型)进行总结整理;2)根据是否考虑温度因素将现有研究分为温度无关的和温度感知的2类进行综述,后者又按面向单任务/面向多任务进行分类;3)从具体机制、优化目标、优化效果以及调度时间等方面进行比较,分析现有研究的优缺点;4)指出未来研究方向.

实时多处理器系统的动态分批优化调度算法

提出了一种实时多处理器系统的新的高效动态调度算法——动态分批优化调度算法 ,该算法突破了以往算法中一次只安排一项任务的做法 ,采用在每次扩充当前局部调度时 ,按一定规则在待调度的任务集中选取一批任务 ,对该批任务中的每项任务在每个处理器上运行构造目标函数 ,将问题转化为非平衡分配问题 ,一次性为这些任务都安排一个处理器或为每个处理器安排一项任务 ,使得这种安排具有最好的“合适性”,以增大未安排任务的可行性 .这种方法极大地提高了算法的调度成功率 .同时 ,为了研究该算法的有效性 ,对其进行了大量的模拟 ,分析了一些任务参数的变化对算法调度成功率的影响 ,并与节约算法的调度成功率进行了比较 .模拟结果显示 ,在节约算法的调度成功率小于 10 %的约束条件下 ,该算法的调度成功率大于 90 % ,说明新算法的优势是非常明显的 .

露天矿卡车优化调度系统实时调度方法

实时调度是露天矿卡车优化调度的核心.根据卡车的位置和状态将实时调度分成常规调度和特殊调度2大类数个基本类型,根据调度类型的不同采用不同的调车方法;提出了最早装完车法和电铲配车失衡调整法2种新的调车方法.经在露天矿使用,证明提高生产效率8%～17.8%.

基于调度自动化系统的无功优化实用研究

无功优化(RPO)是电力系统实现无功功率最优控制,保证电压质量的重要措施。以提高电压质量和降低网损为目标构建了一个基于电网调度自动化(SCADA)平台的无功优化系统。为了满足实际无功优化系统的要求,从工程应用的角度,研究了系统结构、控制方式、设备动作等解决方案。最后采用原对偶内点法对某地区232节点实际电网进行优化计算,结果表明,电压质量改善和网损降低是能够实现的。

硬实时系统周期任务低功耗调度算法

针对硬实时系统周期任务,提出了动态空闲时间回收算法（DSTRA）。该算法既能利用高优先级任务提早完成的空闲时间,也能利用低优先级任务产生的空闲时间,并且考虑了通用的功耗模型：处理器的动态功耗；处理器的静态功耗。DSTRA算法由两部分组成：在离线状态,确定任务集的静态运行的速度；在在线状态,根据任务集的真实负载,利用高优先级任务提前完成的空闲时间和低优先级所产生的空闲时间,调节处理器速度。实验结果表明：DSTRA算法与DRA（Dynamic Reclaiming Algorithm）和DSRDP（Dynamic Slack Reclamation with Dynamic Procrastination）算法相比节能效果更好,可以分别节约2.03%～27.57%和1.09%～17.04%的能耗。

考虑SOC优化设定的电-氢混合储能系统的运行优化

针对含电-氢混合储能的源网荷储系统,为提高新能源的消纳水平并降低系统运行成本,提出了考虑SOC优化设定的电-氢混合储能系统的运行优化方法,实现系统的日前-实时优化调度。首先提出了大容量储能系统SOC优化设定的方法,以确定储能系统日前的始末SOC优化设定值。随后,基于双延迟深度确定性策略梯度算法,提出了一种日前-实时优化调度模型训练方法。结合储能SOC的优化设定值和日前运行数据,建立了源-网-荷-储系统的实时优化调度模型,实现日前和实时综合优化调度。最后,通过算例分析验证了所提运行优化方法的有效性。结果表明,大容量储能系统的SOC优化设定方法可以有效提高系统收益,日前-实时优化调度模型则在日前优化调度的基础上减少了预测误差带来的影响。

全局实时无功优化调度的MAS方法

电力系统无功优化调度问题在数学上属于一种具有多目标、多不确定因素、多约束、多极值、非线性的组合最优化问题。通常的寻优方法遇到了许多困难,因此目前无功优化调度技术的应用还停留在计算规模较小的地区局部电网中。为实现电网全局实时的无功优化调度,提出一种基于分布式人工智能中多Agent系统(MAS)的无功优化调度模型。将全网无功调度按区域分解为若干个相互关联的调度子系统进行分布式求解,全局调度系统采用网络控制结构,各调度子系统则采用分层控制结构。在各子网局部实现无功优化的基础上,采用多Agent智能协调技术实现全网的全局无功优化。