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。

基于BIRCH的分布式光伏系统短期发电功率预测方法

当前分布式光伏系统短期发电功率预测结构多设定为目标式,预测范围在实际发电环境下受限,导致平均绝对预测误差增加。为此设计基于利用层次方法的平衡迭代规约和聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)的分布式光伏系统短期发电功率预测方法。首先,明确预测指标,采用多层级的方式设计预测结构;其次,结合BIRCH原理,设计发电功率预测模型;最后,采用梯度回归处理的方式来实现最终预测。测试结果表明,对比传统变分模态分解-麻雀搜索算法-反向传播(Variational Mode Decomposition-Sparrow Search Algorithm-Back Propagation,VMD-SSA-BP)光伏系统短期发电功率预测小组、传统时序动态回归光伏系统短期发电功率预测小组,此次所设计的方法得出的平均绝对预测误差被较好地控制在2.1以下,预测效果更佳,针对性更强,误差可控,具有实际的应用价值。

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法——混沌杂交进化算法 ( CHEA)。该算法将混沌序列与进化算法有机结合在一起 ,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子 ,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷。仿真计算结果表明 ,该方法可以求解具有复杂约束条件的非线性优化问题 ,算法求解精度高、收敛速度快 。

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。

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。

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.

基于改进PSO算法的短期发电计划研究

介绍了粒子群优化算法PSO(Particle Swarm Optimization),并针对短期发电计划中的优化问题提出了一种改进PSO算法,将表示机组开停机状态的离散变量转换为0～1范围内的连续变量,与机组出力一起进行PSO优化搜索,然后再利用就近取整函数'round'将其转换成整数变量.详细描述了应用改进PSO算法求解机组优化启停问题的具体步骤.将该方法应用于10机系统,实验结果表明该改进PSO算法用于短期发电计划是可行的.

电力市场短期发电边际成本的概率学预测

电力市场中发电边际成本经常用于发电上网定价和电力交易合同定价的风险决策。基于边际成本的定义和随机生产模拟技术 ,提出一种短期发电边际成本的概率学预测方法 ,不仅能给出发电边际成本的均值 ,而且能得到其概率分布函数。

考虑水流时滞的梯级水电站水库群短期发电优化调度

在梯级水电站水库群短期发电优化调度过程中,为了规避水流时滞的影响,基于线性空间原理,建立了上级水库的出库流量、区间入流、下库水位所构成的空间与下级水库的入库流量空间的映射函数,并综合应用数据挖掘中的人工神经网络、K-means和Relief方法对其进行求解,构建了考虑水流时滞的梯级水电站水库群短期发电优化调度模型。应用于雅砻江流域锦官电源组短期发电优化调度的算例分析表明,所建立的模型能够提高短期发电优化调度方案制作的精度。

改进PSO算法和Lagrange乘数法应用于短期发电计划

电力系统短期发电计划研究是一个离散、复杂、多维的非线性整数规划问题,求解非常困难。采用改进的粒子群(particle swarm optimization,PSO)算法通过线性改变权重因子,连续变量离散化,以及增加第二最优项用于求解最优机组组合问题;拉格朗日乘数法适合于多维函数在约束条件下的求解极值问题,用于求解各机组在各时段的经济出力。方法的可行性通过10机系统中检验。仿真结果表明,该方法能够求得高质量解,减少机组运行费用,具有有效性和可行性。

福建水电站群短期发电量最大优化调度模型与算法研究

本文根据福建水电站群的实际情况建立过渡性模型和周期性模型 ,用于解决福建水电站群短期发电量最大优化调度问题。并给出了通过建立对偶问题、采用惩罚函数、以及变量替代等方式来对约束条件进行处理的较为详细的求解过程。

基于遗传算法优化BP神经网络的短期发电量预测

针对传统神经网络的网络初始权值和阈值随机给出,训练结果易陷入局部极小值的问题,本文提出一种采用遗传算法(GA)对BP网络的初始权值和初始阈值进行优化的方法.通过模拟生物进化中的自然选择和遗传机理,首先将网络的初始权值和初始阈值表示为染色体基因编码,再利用遗传算子进行组合交叉、变异、选择,产生出新的染色体来完成初始参数优化,形成初始权值和初始阈值,最后经BP网络训练得到最终权值和阈值,建立用于短期发电量预测的网络.实验结果表明,与传统BP神经网络预测方法相比,该预测方法精度更高,为短期电量预测提供了一种新途径.

基于遗传算法的水火电混合电力系统短期发电计划优化

在改进传统遗传算法的基础上 ,提出了水火电混合电力系统短期发电计划优化问题的数学模型和求解方法。模型计及了水电机组的发电流量、净水头和输出功率间的非线性关系 ,水电系统中多级水库的水流延迟等因素。算例表明本算法能更有效地达到或接近全局最优解 ,对编制大型水火电混合电力系统的日调度计划有实用价值。

改进二进制-实数编码混合蛙跳算法在水电机组短期发电调度中的应用

本文将改进实数编码混合蛙跳算法(IR-SFLA)和二进制编码的(IB-SFLA)方法分别应用到水电站经济负荷分配(ELD)和机组组合(UC)问题,提出解决STHGS问题的IBR-SFLA方法.实数编码版本IR-SFLA利用混沌学遍历性、随机性特征生成初始种群,采用更新的局部搜索和位置更新策略实现青蛙更新换代,并在迭代后期通过自适应青蛙激活机制重新激发青蛙搜索能力;在二进制编码IB-SFLA中引入改良青蛙子种群分组方式,将青蛙种群分为领导蛙、追随蛙和变异蛙3类蛙群,各类蛙群分别基于正态云模型的精英进化策略、改进的局部搜索机制和混沌理论的蛙群变异操作进行更新迭代.运行结果显示IBR-SFLA相较对比算法,在低、中、高水头下最高缩减耗水量1.14×10^7、1.22×10^7、7.52×10^6m^3,有效提升水能资源利用效率;在保证运算精度、稳定性的同时,平均运行时间最高缩减178、173和172 s,进一步,改进策略性能分析显示,各改进策略可有效增强搜索性能,提升精度,且耗时增幅较小,在较小种群规模下便可获取较高质量的解,为解决大规模机组短期电力调度优化课题提供有效了新思路.

基于局部随机搜索粒子群优化算法的电站短期发电优化调度

为提高粒子群优化(PSO)算法搜索精度、加快后期收敛速度,提出一种新的PSO算法,即局部随机搜索PSO算法。该算法用于求解电力系统的短期发电优化调度问题时,不仅要求满足电站实际运行中的系统负荷平衡约束,而且要考虑机组爬坡约束、出力限制区约束等非线性约束。给出了局部随机搜索PSO算法的步骤及短期发电优化调度问题求解方法。通过应用所提出的算法和其他文献提出的PSO算法、改进快速进化规划(IFEP)算法对15机系统的优化调度计算相比,证明所提出的算法最优解的发电费用最低,分别减少了3.8%和1%。

基于线性规划的梯级水电系统短期发电计划

建立了基于线性规划的梯级水电系统短期发电计划通用模型。该模型不仅考虑了电厂间的水力与电力联系,也考虑了诸如水流流达时间及流量变化率约束等,水头变化的影响则通过迭代消除。同时,线性化逼近技术使得新约束的加入不会改变模型的整体结构。采用Karmarkar内点算法求解该规划问题,加快了计算速度,计算结果表明所建立的模型是正确而有效的。考虑水价使得该模型能扩展到电力市场竞争环境中。

短期发电权交易对系统网损的影响

采用基于直流潮流方程的方法计算发电权交易对系统网损的影响,该方法计及了每个潮流状态,更符合发电权交易改变潮流的实际情况.通过分析代发交易电量进行的机理与过程,针对日发电权交易模式下在交易时段平均分摊交易电量的不合理做法,采用3次样条插值方法,拟合出一条可根据交易电量进行调整的交易电量分摊曲线,从而代替传统的平摊方法.通过IEEE13节点算例,并结合3种情况验证了该方法的合理性.

水库短期发电调度方式评价研究

针对水库短期发电常规调度、优化调度应用于实际生产时存在的效益偏低、风险较偏大等问题,首先在深入分析上述两种调度方式的基础上,将两者优势互补,提出了一种常规、优化结合调度方式;其次结合生产实际,建立了水库短期发电调度方式评价指标体系,并采用事后评价方法对各调度方式在实际生产中的应用效果进行了评价;最后以堵河流域小漩水库为例进行了实例计算。结果表明,结合调度方式综合了常规调度与优化调度的优势,能够在保持低风险的前提下有效提升水电站的发电效益,对水库短期发电调度生产实践具有一定的指导意义。

基于深度信念网络的光伏电站短期发电量预测

为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法。首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习。在此基础上,采用重构误差的方法确定深度信念网络隐含层层数。最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高。对比前馈反向传播(Back Propagation,BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory,LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效。

水电站短期发电调度规则制定

针对以往短期发电调度规则实用性不强等缺点,采用逐步优化算法(POA)与遗传算法(GA)嵌套搜索,对金沙江一梯级电站三个典型年的资料和大量模拟的径流过程进行计算,得出一系列优化调度过程。在此基础上将调度期划分为一般时期与枯汛过渡时期,分析了各时期水电站单独运行与参与梯级联合运行的发电调度运行方式,并总结为简便可行的规则。该规则能充分利用径流预报进行滚动调度,实用性较强。通过对比根据调度规则运行的模拟结果和优化结果可知,电站年发电量最大相对差值也不超过1%,证明该规则可以有效地指导实际生产运行,并为水电站短期发电调度提供了全新的思路。