大规模水火电力系统最优潮流的现代内点理论分析

基于原始问题的扰动的Karush Kuhn Tucker条件,推导出一种求解水火电力系统最优潮流(HTOPF)问题的现代内点算法。沿着内点法的中心方向将该算法成功地扩展于求解次最优的HTOPF问题时(A-HTOPF)。与HTOPF相比,A-HTOPF不仅在求解大规模系统问题CPU时间下降1～2倍,而且在大多数情况下,可以保证所得最优目标值的精度高于99％。

基于自适应混合差分进化算法的水火电力系统短期发电计划优化

针对水火电力系统发电计划优化问题,引入差分进化(differential evolution,DE)算法,提出了一种自适应混合差分进化算法(adaptive hybrid differential evolution,AHDE)。该算法在计算过程中自适应调整交叉算子,保持了种群的多样性,提高了算法的全局搜索能力,克服了DE在寻优过程中容易早熟收敛的缺点。同时针对AHDE难以处理实际工程中复杂约束条件问题,提出了一种适合AHDE的约束处理方法。将AHDE应用于求解某水火电力系统的发电计划优化问题,与其他求解方法的对比表明,AHDE求解精度高、计算速度快。

基于互补机制的水火电力系统短期节能发电调度

为充分提高水火电力系统联合运行的经济性,将减少非可再生能源的使用量及降低火电成本为主要目标的水火电力系统短期发电调度问题,转化为水力发电量最大、耗水量最小和火力发电燃料总耗量最小且具有时序的3个优化子问题。该优化模型不仅可确定水电的最佳放水策略和火电的最佳出力,还可描述水电和火电的互补作用,充分体现节能和效益的理念。针对水电系统具有强非线性的特点,采用改电磁学算法进行求解,对火电子系统则采用内点法进行求解。算例结果验证了该方法的有效性。

水火电力系统短期发电计划优化方法综述

水火电力系统的短期发电计划问题在电力系统的安全可靠和经济运行中发挥着越来越重要的作用,由于其本身的复杂性,很难从理论上找到全局最优解。深入探讨各种优化算法,并加以分类,详细综述各种优化方法在水火电力系统短期发电计划问题中所取得的研究成果和存在的不足之处。

基于遗传算法和数据包络分析法的水火电力系统发电多目标经济调度

为充分提高水电站发电效益及达到节能降耗目的,建立了以梯级水电站发电量最大和火电机组煤耗量最小的水火电力系统短期发电多目标经济调度模型,并利用遗传算法与数据包络分析(data envelopment analysis,DEA)法求解该模型,并通过惩罚因子法将各约束条件融合到目标函数中,通过设置不同权重系数获得10种调度方案。比较不同调度方案的目标值和DEA评估值,并依据决策者喜好选取最优决策方案。算例结果验证了该方法的有效性。

水火电力系统多目标环境经济调度模型及其求解算法研究

通过综合考虑发电费用最小及污染气体排放量最小这两个调度目标建立了水火电力系统多目标环境经济调度模型,并提出一种混合多目标差分进化算法对模型进行求解。该算法针对多目标优化问题的特点对差分进化算法的算子进行了修正,并基于混沌序列提出一种参数自适应调整策略以克服算法参数率定的难题。设计了一种二次变异算子来防止算法陷入局部最优。针对不同类型约束特性提出一种约束处理方法。实例计算结果及对比分析验证了所提方法的可行性和有效性,为实现水火电力系统实现经济与减排双目标均衡优化提供了一条崭新途径。

基于仿电磁学算法和数据包络分析的水火电力系统多目标优化调度

在节能调度背景下,为提高水火电力系统运行的综合经济性,针对含有梯级水电站的水火电力系统,构建兼顾节能、用水和电网间协调的多目标优化调度模型。为对其进行有效求解,以分析数据包络分析有效性与Pareto有效解等价性理论为基础,提出以优化目标和约束条件违背量为CCR-I模型输入和输出指标并融合仿电磁学算法的多目标优化调度模型求解新方法。以一个含有8个梯级水电站和10个火电厂的水火电力系统为例进行仿真分析,结果表明所提方法求解时无需采用权重系数、层级选择及量纲统一等步骤,与以决策变量为输入指标的方法相比,CCR-I模型的变量个数减少近5倍,求解效率高,且可利用数据包络分析值和优化目标双重准则确定调度方案,从而实现燃料、水能资源和网损间的合理协调。

用改进遗传算法求解水火电力系统的有功负荷分配

水火电力系统的短期有功负荷分配在电力系统的经济运行中发挥着重要的作用 ,从本质上讲它是一个具有复杂约束条件的非线性大型动态优化问题 ,处理起来十分复杂 ,采用传统优化算法难以得到理想的结果。文中提出对决策变量直接采用浮点数编码技术 ,并根据给定的概率分布进行杂交操作和实施参数变异的改进遗传算法 ( RGA) ,用以求解此问题 ,最后用具体算例对该方法进行了验证。通过与二进制编码遗传算法所得结果进行对比分析 ,表明此法计算结果正确合理 ,收敛速度快 ,求解精度高。这也说明 RGA不失为一种行之有效的优化方法 ,具有应用潜力。

基于改进类电磁机制的水火电力系统短期优化调度

针对水火电力系统短期优化调度模型的大规模、强非线性特点,采用类电磁机制对其进行求解。通过对搜索策略和寻优机制分析,揭示算法效率高的根本原因在于其融合了常规优化算法的高效搜索优势。经计算分析表明,个体受力计算及局部搜索是影响算法优化效率的主要因素。通过对算法的电荷量计算、受力计算、算法全局与局部搜索策略改进,首次提出适合于大规模非线性优化问题求解的单方向受力类电磁机制,并从理论上证明其全局收敛性。为进一步提高算法优化性能,将改进算法与遗传算法的交叉算子和变异算子融合应用于优化调度模型求解,通过广西水火电力系统进行仿真分析,结果表明该算法在求解大规模强非线性优化问题方面的有效性和显著优越性。

水火电力系统短期发电计划研究

为克服现有方法求解复杂水火电力系统短期发电优化计划的缺陷,提出一种新型优化算法对此类动态非线性约束优化问题进行求解.该算法通过选取沿连续两次迭代计算时次梯度之差的方向进行空间扩张,以此构造出极小化的空间扩张优化算法.同时,对复杂的约束条件采用自适应更新罚因子的不光滑精确罚函数加以处理.算例仿真计算的结果表明该方法求解精度高、收敛速度快,进一步验证了算法的正确性和有效性.

水火电力系统短期实用化调度模型及求解方法

以某电网的大型水火电力系统为研究对象,从节能降耗及与生产实际接轨的角度出发,基于水火电力系统的解耦机制,将水火联合调度问题建模为2个具有优化时序的子优化问题。在火电优化子问题中,在考虑常规约束的基础上,提出火电机组出力升降走向约束及相邻时段火电总负荷波动阈值约束,以保证火电机组出力平滑;在水电优化子问题中,考虑水电厂日平均出力约束及振动区约束,以保证水电的充分利用。采用改进的具有柔性更新策略的教与学优化算法依次求解2个子优化问题,并针对2个子优化问题中呈现强耦合性的复杂约束,设计不同的启发式约束处理方法。对含有15座火电厂和29座水电厂的某水火电力系统的日前调度进行仿真测试,验证了所提调度模型的可行性和实用性及求解方法的有效性。

基于改进微粒群算法的水火电力系统短期发电计划优化

微粒群算法(PSO)来源于对社会模型的模拟,是一种随机全局优化技术。该算法简单,容易实现,且功能强大。文中对PSO进行了改进,引入了“分群”和“灾变”思想,并应用于求解水火电力系统的短期有功负荷最优分配问题。通过具体算例验证了改进PSO算法的有效性,而且其收敛速度比遗传算法(GA)快,求解精度比普通的:PSO和GA的高。

水火电力系统短期优化调度的不确定性模型

分析了电力市场中日前交易与实时交易的关系,考虑了水火电力系统的水力联系和电力联系,针对各种不确定性因素的影响,基于机会约束规划提出了一种新的水火电力系统短期优化调度的不确定性模型。允许所形成的调度方案在某些比较极端的情况下不满足约束条件,但这种情况发生的概率必须小于某一置信水平。兼顾日前交易和在此计划下可能存在的实时交易的费用,实现系统的火电机组和用以实时平衡的功率调整的费用最小化,并针对该模型给出了基于粒子群算法和蒙特卡罗仿真的求解方法。算例仿真说明了该方法的有效性。

计及潮流约束的水火电力系统机组组合问题的分解–协调算法

针对传统机组组合研究中因模型不够完善、约束过于简化而引起的计算准确度低和系统安全性差的缺陷,建立了考虑潮流方程和水电精确出力的水火机组组合(hydrothermal unit commitment,HTUC)模型。围绕该模型,文中首先采用广义Benders分解算法将其划分为一个混合整数线性规划主问题和一个非线性规划子问题;然后将该子问题按时段进一步分解为T个规模较小的子问题,T为调度周期。其中,主问题对应于传统的水火联合调度(hydrothermal scheduling,HTS),子问题则是包含电压、无功等变量的约束潮流(constrained power flow,CPF)。主子问题之间通过可行割进行协调,并以交替迭代的方式获得原问题的解。最后对含有46台火电机组、8个梯级水电厂的IEEE 118节点系统进行计算,测试结果表明所提算法能在较少的时间内获得高质量的解,从而为大规模机组组合问题的求解提供参考。

基于改进粒子群的水火电力系统发电调度

在标准粒子群优化算法中引入最差粒子和自适应惯性权重,使粒子随进化进度自适应调整飞行方向和速度,向其自身和种群最优位置收敛的同时背离二者的最差位置,且避免了算法过早收敛和限于局部最优。将改进后的粒子群优化算法用于求解水火电力系统发电调度问题,仿真结果表明该算法可行有效。

基于交互式多目标决策方法的水火电力系统日有功负荷优化分配

峰谷分时电价下,发电企业不仅要考虑运行成本,还应考虑社会效益和经济效益。文章建立了以火电厂运行费用最低、污染气体排放量最小和水电厂发电效益最大为目标的水火电力系统日有功负荷多目标优化分配模型,提出了一种基于目标满意度和目标总体协调度的交互式多目标决策方法,通过建立3个决策模型将多目标问题转化为单目标问题求解。决策者通过对各单项目标满意度和目标总体协调度的不断调整来体现其主观愿望,避免了人为选取目标权重的任意性,便于实际操作应用。算例结果证明了所建立模型的正确性和交互式多目标决策方法的可行性。

基于模糊满意度的水火电力系统多目标短期优化调度

针对水火电力系统短期经济环境负荷调度多目标优化问题,构建了一种基于粒子群算法的交互式模糊满意度决策方法。通过定义每个目标函数的隶属度函数,把多目标问题模糊化;决策者依据自己的主观意愿来设定每个目标的参考隶属度值;利用参考隶属度值与目标隶属度值之差的绝对值最大最小化的方法,将多目标问题转换为单目标问题;采用粒子群算法求解此单目标优化问题。在决策过程中,决策者对当前解不满意,可应用交互式的方法再次设定参考隶属度值,重新进行求解,直到找到决策者满意的方案为止。算例计算验证了交互式模糊满意度决策方法的有效性和可行性,不仅避免了多目标问题向单目标问题转换过程中目标权重选取的人为任意性,而且能充分体现决策者的主观意愿,便于实际应用操作。

求解水火电力系统短期发电计划的粒子群优化算法研究

提出求解水火电力系统短期发电计划的新方法———粒子群优化算法。实例研究表明,该方法优化能力高于遗传算法和进化规划。同时对全局搜索粒子群优化算法和局部搜索粒子群优化算法在求解水火电力系统短期发电计划时的动态收敛特性和计算效率等进行了对比研究,结果显示,局部搜索粒子群优化算法更适合求解水火电力系统短期发电计划的复杂问题。

基于多目标文化差分进化算法的水火电力系统优化调度

为有效求解节能减排背景下水火电力系统的多目标优化调度问题,提出一种多目标文化差分进化算法(Multi-objective cultured differential evolution,MOCDE)。MOCDE以文化算法(Cultural algorithm,CA)为框架,以差分进化算法(Differential evolution,DE)为群体空间演化方法;同时,根据DE算子及多目标优化的特点,在信念空间中设计了三种知识结构,并利用这些知识结构指导种群演化,提高了算法的收敛速度并克服早熟收敛问题。此外,提出一种基于逐步调整策略的约束处理方法,可有效处理等式约束。研究结果表明,MOCDE可快速获得一组分布性好、收敛精度高的非劣调度方案集,是求解水火电力系统多目标优化调度问题的一种有效方法。

基于效益分析的水火电力系统短期优化调度

不可再生能源的消耗和可再生能源的高效利用,是电力系统短期优化调度需首要考虑的问题。文章提出一种新的水火电力系统短期优化调度的调度准则,即生产单位电能所需消耗水量的总和最小,并据此给出了基于效益分析的短期优化调度数学模型及其评价方法。首先建立了基于水库能的水电站发电模型,构建了火电机组的煤耗函数;再把火电系统煤的消耗量通过一定的换算标准转换成水量,根据水电系统中单位电量需消耗水量的计算方法,计算出各个电厂生产单位电能所需要消耗的水量,以此为准则对所有电厂进行短期发电的优化调度。以包括红水河8个梯级水电站和12个火电厂的广西电网为实例进行了仿真计算,计算结果证明所提出的调度准则具有可行性和适用性。