含风电场电力系统环境经济动态调度建模与算法

为应对风电功率的不确定性,提出考虑风电渗透功率的增、减出力旋转备用量化模型。在旋转备用量化模型基础上,考虑常规发电机阀点效应及爬坡速率约束,采用价格罚因子法嵌入废气排放目标到发电机燃料费用目标函数中,将环境经济动态调度多目标优化问题转化为单目标优化问题。将约束条件的处理与目标函数完全分离,建立了含风电场电力系统环境经济动态调度模型。针对量子粒子群算法存在早熟的问题,引入早熟判断机制,对早熟粒子进行混沌搜索,从而提出改进量子粒子群优化算法求解所建立的调度模型。在10机系统上采用所提出的方法,仿真结果表明,与量子粒子群和粒子群算法比较,所提出的方法能较好地处理风电功率不确定性条件下的环境经济动态调度问题。

混杂免疫多目标优化算法及对动态经济环境调度问题优化

动态经济环境调度(DEED)问题是电力系统调度中一类含大规模约束的高维多目标优化问题,传统的进化算法易于陷入局部最优,使得所获的Pareto前沿分布性和收敛性差。为了充分挖掘免疫系统的克隆选择原理,提出一种混杂免疫多目标优化算法(HIMOA)。该算法以传统进化算法为基本框架,面对高维决策变量优化易于陷入局部最优的缺陷,改进外部存档更新机制以保存历代优秀的多样性个体,采用克隆、高斯突变策略强化局部开采能力,有效地迫使算法跳出停滞搜索状态。为应对大规模约束,提出逐步微调机组出力策略,提高进化群体的可行性。数值仿真实验以10机系统为测试算例,将HIMOA与著名的六种算法MODE、NSGA-Ⅱ、IMOEA/D-CH、ADEA、MOHDE_SAT、MONNDE进行比较分析,结果表明,HIMOA能为DEED问题的10机系统提供较好的Pareto解,所获的Pareto前沿收敛性和分布性优越于其他算法,各评价指标的箱型图表明HIMOA具有优越于其他算法的统计特征。

含风电场的多目标动态环境经济调度

为应对风电并网给电力经济调度带来的影响,构建了含风电场的多目标动态环境经济调度模型。该模型能同时兼顾燃料费用目标及污染排放目标,并计及阀点效应、网络损耗以及由风电不确定性引起的旋转备用需求。为求解该模型,达到为决策者提供最优调度方案集的目的,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于动态调度领域。针对模型的复杂约束,在算法中加入对机组出力的实时调整及对约束违反量的适当惩罚,并利用归一化操作,避免算法向某一目标过度进化。经过对算例的仿真及对不同调度方案的对比分析,验证了所提调度模型的合理性以及改进MOEA/D算法解决此类问题的有效性。

电力系统动态环境经济调度建模与求解

建立了耦合动态经济调度(dynamic economic dispatch,DED)和环境经济调度(economic emission dispatch,EED)的电力系统动态环境经济调度(dynamic economic emissiondispatch,DEED)模型。DEED为多变量、非线性、强约束、多目标优化问题,国内外研究者通过将其转化为单目标或根据时间划分将其转化为一系列静态调度问题进行简化,但该类方法存在无法保证全局最优或计算效率低下问题。为此将非支配排序机制应用于差分进化算法中,并引入二次选择和随机替换操作克服早熟收敛,同时嵌入动态约束处理方法,提出带有动态约束处理的改进多目标差分进化算法用于求解DEED问题。算例结果验证了所提方法的有效性。

含电动汽车的电力系统动态环境经济调度

为应对电动汽车规模化应用给电力调度带来的挑战,构建含电动汽车的动态环境经济调度模型。该模型将各调度时段电动汽车的"车-网"互动(V2G)功率以及常规机组的出力作为决策变量,以总燃料费用和污染排放量作为优化目标,在满足系统能量及用户出行需求的前提下,动态管理电动汽车的充放电行为。设计一种采用改进MOEA/D的优化调度求解方法,并提出基于罚函数的决策变量两步制动态约束处理策略。测试系统的仿真结果验证了所提调度模型及方法的合理性及有效性。

考虑大用户直购电的动态环境经济调度

动态环境经济调度在环境经济调度的基础上考虑发电机组的爬坡约束,增强了调度时段内各时段间机组出力的强耦合约束,如何有效地解决此类问题至关重要。另外,大用户直购电如何影响电网动态环境经济运行调度也具有一定研究价值。为此,对考虑大用户直购电的动态环境经济调度问题进行建模,并采用内点法多约束处理策略改进多目标细菌群体趋药性(MOBCC)优化算法进行求解,旨在从系统发电成本的角度研究大用户直购电对经济调度的影响。最后,通过仿真验证明所提方法的有效性,并对仿真结果进行分析总结,说明所采用方法对大用户直购电策略、电网调度影响分析具有一定指导意义。

基于混合DE-PSO多目标算法的动态环境经济调度

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题,传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性,提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题,该算法基于外部存档集和Pareto占优原则,采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能,并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表明所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,体现了所提方法的可行性和优越性。

电力系统动态环境经济调度问题的建模与求解

为了在电力系统优化调度中同时兼顾整个时段的经济和环境效益,该文建立了考虑阀点效应和系统网损的电力系统动态环境经济调度模型,提出了一种改进的多目标教与学优化算法对模型进行求解。算法引入了反向学习策略、外部最优解集策略、基于个体稀疏度的教师选取策略、模糊满意度和动态班级策略,通过动态启发式随机约束处理与罚函数相结合的方法对违背约束的个体进行修正与惩罚。最后,用10机算例对文中提出的模型和算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明文中算法的有效性和优越性。

基于修补策略的约束多目标动态环境经济调度优化算法

针对传统的优化算法求解多目标动态环境经济调度(MODEED)模型时极难获得高质量的可行解,且收敛速度慢等问题,根据MODEED模型约束特征,设计了一种约束修补策略;然后将该策略嵌入非支配排序算法(NSGAⅡ),进而提出一种修补策略的约束多目标优化算法(CMEA/R);接着借助模糊决策理论给出了多目标问题的最优决策向量;最后,以经典的10机系统为例,验证了CMEA/R的求解能力,并比较了不同群体规模下CMEA/R与NSGAⅡ的性能。仿真结果表明,在不同群体规模下,与NSGAⅡ相比,CMEA/R的污染排放平均减少了480 lb(217.7 kg),燃料成本平均减少了7 800美元,执行时间平均减少了0.021 s;覆盖率(HR)性能优于NSGAⅡ,且收敛速度较NSGAⅡ快。

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。

基于绿色证书交易机制的含风电场电力系统动态环境经济调度

为了促进风电消纳以及提高电力系统的经济性,构建基于绿色证书交易机制的含风电场电力系统多目标动态环境经济调度(DEED)模型,提出一种基于反向学习混沌搜索的OLCS-MOEA/D算法的DEED调度求解方法。首先,采用广义反向学习初始化种群提高种群多样性,并引入基于Logistic映射的混沌搜索算法以增强算法局部搜索能力。然后,为了验证算法的性能,采用标准测试函数F1—F7进行测试,同时将该算法对模型进行求解,获得了比其他算法范围更广和分布均匀的Pareto解集前沿。最后,对基于绿色证书交易机制的动态环境经济调度与传统动态环境经济调度进行结果对比分析,通过仿真算例验证该模型和算法的有效性和优越性。

基于多目标的含风电场动态环境经济调度

在倡导大力开发新能源的政策下,含风电场发展迅速。但其出力调度问题很复杂,需要综合经济和环境因素,针对风电功率预测误差大,在研究含风电场动态环境经济调度时,在发电成本中考虑了旋转备用成本,在约束条件中考虑风功率预测误差对旋转备用容量的需求,以发电总成本最小、污染物排放总量最小、购电总费用最小为目标,建立含风电场动态环境经济调度模型。采用非支配排序遗传算法Ⅲ对模型求解,以获得多样的解集和良好的收敛性。在含有1个风电场的5机电力系统算例中的仿真研究验证了所提出的基于多目标含风电场动态环境经济调度方案的合理性。

风电与电动汽车协同并网的电力系统动态环境经济多目标模糊优化调度模型

为协调电动汽车与风电并网给电力系统经济调度带来的影响,构建了考虑插电式混合电动汽车入网的含风电场电力系统环境经济多目标调度模型。而风力发电和负荷的不确定性因素必将增加调度难度,为此应用模糊理论实现风电与电动汽车协同并网的模糊化建模,利用满意度指标将确定性环境与经济的多目标问题转化为单目标优化问题,在采用线性下降搜寻思路和考虑边界约束的粒子信息分享方法对传统粒子群算法进行改进的基础上,采用改进粒子群优化(particle swarm optimization,PSO)算法求解所提出的动态环境与经济调度模型,从电网运行和车主需求角度出发,考虑了系统旋转备用和车主日常出行等制约关系。经过仿真以及对不同场景下多个调度方案的对比分析,验证了模型的合理性和以及改进PSO算法对解决此类动态调度问题的优越性。

基于MO-APSO的含风电场电力系统动态环境经济调度

为综合考虑碳排放权交易对风火联供模式的影响,基于节能减排、发电效益、机组运行3个方面约束条件,引入碳排放权交易成本函数,构建了考虑发电成本、碳交易成本、环境成本的风火联供系统多目标动态环境经济调度(DEED)模型。提出一种多目标自适应粒子群优化(MO-APSO)算法求解该DEED问题。根据寻优过程中粒子当前的适应度函数值,对惯性权重及学习因子进行自适应修正,进一步改善早熟的缺陷,增强全局搜索能力。含风电场的10机电力系统仿真结果表明:所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,有效降低了联供系统的碳排放量及综合运行成本。

基于改进NSGA-Ⅱ的电力系统动态环境经济调度

电力系统动态环境经济调度(DEED)在节能减排中具有举足轻重的地位。针对NSGA-Ⅱ的不足,提出一种具有可控精英主义的选择操作的改进NSGA-Ⅱ(MNSGA-Ⅱ),在保证精英主义的前提下保证种群的多样性。对模型复杂约束的启发式操作中所遇到的进化受阻问题进行分析,并采用基于前向搜索算子的改进启发式操作解决该问题。利用新型成员函数表征Pareto最优解集中个体的优劣性,选出最佳折中解。经典10机系统算例仿真结果表明,与NSGA-Ⅱ相比,所提MNSGA-Ⅱ具有更佳的全局搜索能力。

自适应差分进化算法及对动态环境经济调度问题应用

为了应对动态环境经济调度(DEED)问题的高维性和大规模约束性,提出了一种自适应多目标差分进化算法(ADEA)。设计自适应差分交叉模块,提出改进的current to best/1交叉策略提高种群的多样性,有效地提高传统进化算法的探索与开采能力,提出一种修补策略处理功率平衡约束和爬坡率约束。为了验证该方法的有效性,数值仿真将ADEA应用于10机系统进行测试,并与同类算法展开比较,仿真结果表明ADEA具有较好的收敛能力,获得的Pareto前沿具有较好的均匀性和延展性,通过模糊决策获得的最好折中解能为电力系统调度人员提供较为合理的调度方案。

含风光电力系统动态环境经济调度的混合优化

为应对风电、光伏的不确定性给电力系统调度带来的影响,考虑系统旋转备用、网损等因素,建立了风光并网电力系统的多目标动态环境经济调度模型。通过引入归一化系数,将发电成本和污染排放2个目标函数融合为一个目标函数,使多目标动态环境经济调度问题转化成单目标优化问题。同时,为解决差分进化算法(DE)易陷入局部寻优、搜索精度不高的问题,提出一种基于DE和JAYA算法的混合优化算法对所建调度模型进行求解。以10机系统为算例进行仿真试验,验证了所提优化算法的有效性。

大规模风电机组并网的多目标动态环境经济调度

在风力发电技术和并网技术不断成熟以及节能减排的背景下,构建了含大规模风电机组并网的电力系统多目标动态环境经济调度模型。该模型以火电机组的总燃料费用和污染排放量为目标,同时考虑了系统的功率平衡约束、火电机组的有功出力约束、爬坡约束以及系统的正负旋转备用约束。并采用基于非劣排序分子微分进化算法对该调度模型进行求解。最后通过算例分析,验证了所构建调度模型及求解算法的合理性和优越性。

基于双群体伪并行GA-DE多目标算法的动态环境经济调度

针对电力系统动态环境经济调度高纬度、强耦合、非线性、非凸等特点,提出一种双群体伪并行GA-DE(genetic algorithm-differential evolution)多目标算法.该算法基于外部精英存档和Pareto占优概念,利用差分进化算法和遗传算法构成双种群协同进化模式;采用平均熵及立方混沌映射初始化策略,增加种群多样性;根据相邻解的分布情况,改进Pareto解集的裁剪方式.与传统模型不同,将线损作为优化目标加入模型,采用动态松弛约束机制处理模型的复杂约束.经典10机组系统的验证结果表明:该算法在解决电力系统调度问题上具有可行性.

基于改进PSO算法的动态环境经济调度研究

为解决现代电力系统经济调度同一种调度方案不能应用在所有时段的问题,建立了动态环境经济调度(dynamic emission economic dispatch,DEED)模型,这种模型结合了环境经济调度(economic emission dispatch,EED)和动态经济调度(dynamic economic dispatch,DED)两种耦合模型。其中目标函数和约束条件分别考虑了阀点效应和机组的爬坡限制,因此更加接近实际经济调度。DEED通常采用的方案是将其转换为多个单目标问题进行求解,但无法保证获得全局最优解。为此,采用小世界PSO算法,通过结合小世界网络思想和粒子群算法(PSO)的寻优方式,将邻域思想转化到模型求解过程中,充分利用了算法在求解DEED问题上的优势。采用经典的10机组电力系统作为算例进行仿真,结果验证了模型的正确性和算法的实用性。