基于粒计算的电力系统动态经济调度研究
发布时间：2021-09-19 15:03
近年来,电力系统的规模逐渐扩大,电力系统的动态经济调度是一个高维度、多约束、非线性的优化问题,优化调度十分困难;风电场接入系统后,使得约束条件增多,进一步加大了调度优化的难度。粒计算是一种处理复杂问题的典型方法,广泛应用于许多重要领域当中。针对计及阀点效应、网损和禁止区间的电力系统动态经济调度问题和含风电场的动态经济调度问题,本文将分层粒化的粒计算理论应用到动态经济调度中,主要研究内容如下:首先,对文中所涉及到的基础理论进行了详细分析,讨论了粒计算（Granular Computing,Grc）模型的粒子、粒层和粒结构,通过对问题空间进行粒化,减少了问题的维度。还讨论了电力系统经济调度的相关优化算法包括粒子群算法（Partical Swarm Optimization,PSO）和差分进化算法（Different Evolution,DE）的原理和求解步骤,并对相关参数和变异策略进行了调整,加快算法的收敛速度,便于后续章节的研究。然后,提出了基于粒计算的电力系统动态经济调度模型和求解策略。模型分为三层,在不同层面、不同粒度上研究大电网动态经济调度。在模型的基础上提出一种适合动态经济调度粒...
【文章来源】：燕山大学河北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
980-2050年分类型电力装机容量结合我国资源分布情况，按照“建设大基地、融入大电网”的规划布局，像上
第2章粒计算理论和优化算法概述-13-图2-1粒计算流程图2.2差分进化算法差分进化算法是一种基于实数编码的进化算法，是在遗传算法的基础上提出的，该算法的基本思想及整体架构符合自适应全局优化算法，通过种群内部个体间的合作和竞争而产生的智能优化算法，该算法有很强的搜索能力，结构简单，具有变步长和变搜索方向的适应性能力，有良好的收敛速度，广泛应用于各个领域当中。本节简要介绍差分进化算法的几个基本的步骤。(1)参数的确定差分进化算法主要涉及以下四个参数：1)个体(也称变量)的维数D。2)种群规模大小PN：一般介于5D10D。3)缩放因子F：一般在[0,1]之间选择。4)交叉率CR：一般在[0,1]之间选择。(2)变异操作差分进化算法使用变异操作根据当前群体中的个体产生突变个体，常见的差分策略是随机选取种群中的两个不同个体求取向量差，差值与缩放因子相乘，再与待变异个体进行向量合成，表示为：123()ggggjjjjvxFxx(2-1)
第2章粒计算理论和优化算法概述-15-后期阶段，较小的缩放因子促进了算法的收敛。采用线性递增的方法调整交叉率，保证早期较小的交叉率利于算法前期搜索空间的稳定，后期较大的交叉率增加了种群的多样性。控制参数分别用采用的计算公式为：maxminmaxg()=FFFFG(2-5)maxminming(CRCR)CRCRG(2-6)式中maxF——缩放因子F的最大值；minF——缩放因子F的最小值；maxCR——交叉率CR的最大值；minCR——交叉率CR的最小值；G——最大的迭代次数；g——当前的迭代次数。差分进化算法大致的流程如图2-2所示：图2-2差分进化算法的流程图2.3粒子群算法粒子群算法源于对鸟群捕食行为的研究，利用种群中的个体对位置信息的共享使整个种群的运动在问题求解空间中产生从无序到有序的演化过程，种群中的个体
【参考文献】：
期刊论文
[1]随机动态经济调度问题的Dantzig-Wolfe分解及其并行算法[J]. 黄启文,陆文甜,刘明波. 电网技术. 2019(12)
[2]基于混合DE-PSO多目标算法的动态环境经济调度[J]. 刘刚,朱永利,蒋伟. 电力自动化设备. 2018(08)
[3]考虑储能参与的含高比例风电互联电力系统分散式调度模型[J]. 任建文,许英强,董圣孝. 电网技术. 2018(04)
[4]一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用[J]. 陈光宇,丁晓群,边二曼. 中国电力. 2016(06)
[5]电力柔性负荷调度研究综述[J]. 王珂,姚建国,姚良忠,杨胜春,雍太有. 电力系统自动化. 2014(20)
[6]基于PSO-BBO混合优化算法的动态经济调度问题[J]. 陈珍,胡志坚. 电力系统保护与控制. 2014(18)
[7]基于模拟退火高斯扰动的蝙蝠优化算法[J]. 贺兴时,丁文静,杨新社. 计算机应用研究. 2014(02)
[8]改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用[J]. 代永强,王联国,施秋红,宋磊. 电力系统保护与控制. 2012(10)
[9]电力市场环境下考虑风电预测误差的经济调度模型[J]. 吴栋梁,王扬,郭创新,刘毅,高振兴. 电力系统自动化. 2012(06)
[10]关于中国能源形势的思考[J]. 张德义. 当代石油石化. 2008(02)
博士论文
[1]相容粒度空间模型及其应用研究[D]. 郑征.中国科学院研究生院（计算技术研究所） 2006
硕士论文
[1]基于粒度计算的数据挖掘方法的研究[D]. 沈亚兰.沈阳工业大学 2006
本文编号：3401832
【文章来源】：燕山大学河北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
980-2050年分类型电力装机容量结合我国资源分布情况，按照“建设大基地、融入大电网”的规划布局，像上
第2章粒计算理论和优化算法概述-13-图2-1粒计算流程图2.2差分进化算法差分进化算法是一种基于实数编码的进化算法，是在遗传算法的基础上提出的，该算法的基本思想及整体架构符合自适应全局优化算法，通过种群内部个体间的合作和竞争而产生的智能优化算法，该算法有很强的搜索能力，结构简单，具有变步长和变搜索方向的适应性能力，有良好的收敛速度，广泛应用于各个领域当中。本节简要介绍差分进化算法的几个基本的步骤。(1)参数的确定差分进化算法主要涉及以下四个参数：1)个体(也称变量)的维数D。2)种群规模大小PN：一般介于5D10D。3)缩放因子F：一般在[0,1]之间选择。4)交叉率CR：一般在[0,1]之间选择。(2)变异操作差分进化算法使用变异操作根据当前群体中的个体产生突变个体，常见的差分策略是随机选取种群中的两个不同个体求取向量差，差值与缩放因子相乘，再与待变异个体进行向量合成，表示为：123()ggggjjjjvxFxx(2-1)
第2章粒计算理论和优化算法概述-15-后期阶段，较小的缩放因子促进了算法的收敛。采用线性递增的方法调整交叉率，保证早期较小的交叉率利于算法前期搜索空间的稳定，后期较大的交叉率增加了种群的多样性。控制参数分别用采用的计算公式为：maxminmaxg()=FFFFG(2-5)maxminming(CRCR)CRCRG(2-6)式中maxF——缩放因子F的最大值；minF——缩放因子F的最小值；maxCR——交叉率CR的最大值；minCR——交叉率CR的最小值；G——最大的迭代次数；g——当前的迭代次数。差分进化算法大致的流程如图2-2所示：图2-2差分进化算法的流程图2.3粒子群算法粒子群算法源于对鸟群捕食行为的研究，利用种群中的个体对位置信息的共享使整个种群的运动在问题求解空间中产生从无序到有序的演化过程，种群中的个体
【参考文献】：
期刊论文
[1]随机动态经济调度问题的Dantzig-Wolfe分解及其并行算法[J]. 黄启文,陆文甜,刘明波. 电网技术. 2019(12)
[2]基于混合DE-PSO多目标算法的动态环境经济调度[J]. 刘刚,朱永利,蒋伟. 电力自动化设备. 2018(08)
[3]考虑储能参与的含高比例风电互联电力系统分散式调度模型[J]. 任建文,许英强,董圣孝. 电网技术. 2018(04)
[4]一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用[J]. 陈光宇,丁晓群,边二曼. 中国电力. 2016(06)
[5]电力柔性负荷调度研究综述[J]. 王珂,姚建国,姚良忠,杨胜春,雍太有. 电力系统自动化. 2014(20)
[6]基于PSO-BBO混合优化算法的动态经济调度问题[J]. 陈珍,胡志坚. 电力系统保护与控制. 2014(18)
[7]基于模拟退火高斯扰动的蝙蝠优化算法[J]. 贺兴时,丁文静,杨新社. 计算机应用研究. 2014(02)
[8]改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用[J]. 代永强,王联国,施秋红,宋磊. 电力系统保护与控制. 2012(10)
[9]电力市场环境下考虑风电预测误差的经济调度模型[J]. 吴栋梁,王扬,郭创新,刘毅,高振兴. 电力系统自动化. 2012(06)
[10]关于中国能源形势的思考[J]. 张德义. 当代石油石化. 2008(02)
博士论文
[1]相容粒度空间模型及其应用研究[D]. 郑征.中国科学院研究生院（计算技术研究所） 2006
硕士论文
[1]基于粒度计算的数据挖掘方法的研究[D]. 沈亚兰.沈阳工业大学 2006
本文编号：3401832
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3401832.html
