为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D...为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。展开更多
电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造...电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造发电单元实际发电量的模糊变量,以贴近电力系统中发电单元发电量的特点,使得EED问题的模糊化多目标模型更贴近实际,并采用一种改进遗传算法来找出EED问题模糊化多目标模型的优化方案。最后采用一个3发电单元的测试系统进行仿真并与其他方法进行对比,结果证明采用本文模型和方法得到的系统负荷调度方案在系统经济成本与微粒排放量上有明显的改善。展开更多
本文建立了充分体现环境保护和风电特性的火电和风电的新的运行价格理论模型:1)在风电价格方面,提出风电场出力可信度基础上的风电备用容量补偿成本及风电场"负效率"运行(negative efficiency operation of wind farm,NEOWF)...本文建立了充分体现环境保护和风电特性的火电和风电的新的运行价格理论模型:1)在风电价格方面,提出风电场出力可信度基础上的风电备用容量补偿成本及风电场"负效率"运行(negative efficiency operation of wind farm,NEOWF)的概念,在此基础上定义了风电场负效率功率(negative efficiency power of wind farm,NEPWF),并建立基于风电场极限穿透功率的NEPWF的惩罚成本模型;2)火电价格方面,在传统火电价格基础上,考虑了火电机组的排污特性,并用名义环境补偿成本来量化其火电环境成本。构建了一个新的清洁经济优化调度模型。基于遗传算法(genetic algorithm,GA)和某含风电的区域电网算例来进行仿真验证,结果表明,所提出的模型为解决风电并网运行提供了一种对策。展开更多
针对风电与规模化电动汽车入网给电力调度带来的挑战,建立了基于动态约束处理的风电与电动汽车协同作用的环境经济模糊决策调度优化模型。该模型包含风电机组和入网的电动汽车(vehicle to grid,V2G),以同时降低燃料成本和减少污染排放...针对风电与规模化电动汽车入网给电力调度带来的挑战,建立了基于动态约束处理的风电与电动汽车协同作用的环境经济模糊决策调度优化模型。该模型包含风电机组和入网的电动汽车(vehicle to grid,V2G),以同时降低燃料成本和减少污染排放量为优化目标,在满足系统功率平衡和车主日常出行需求等约束条件下,通过动态调节电动汽车充放电功率和时间来最大限度地消纳过剩风电,平抑风能出力波动对电力系统的冲击;接着对常规机组进行负荷经济分配,以达到协同优化调度的经济性;同时采用多目标纵横交叉优化算法(multi-objective crisscross optimization algorithm,MOSCO)优化算法求解模型,利用模糊决策机制获得最优折中解;最后以10台机组测试系统为算例,仿真结果验证了模型及方法的有效性与合理性。展开更多
文摘为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。
文摘电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造发电单元实际发电量的模糊变量,以贴近电力系统中发电单元发电量的特点,使得EED问题的模糊化多目标模型更贴近实际,并采用一种改进遗传算法来找出EED问题模糊化多目标模型的优化方案。最后采用一个3发电单元的测试系统进行仿真并与其他方法进行对比,结果证明采用本文模型和方法得到的系统负荷调度方案在系统经济成本与微粒排放量上有明显的改善。
文摘本文建立了充分体现环境保护和风电特性的火电和风电的新的运行价格理论模型:1)在风电价格方面,提出风电场出力可信度基础上的风电备用容量补偿成本及风电场"负效率"运行(negative efficiency operation of wind farm,NEOWF)的概念,在此基础上定义了风电场负效率功率(negative efficiency power of wind farm,NEPWF),并建立基于风电场极限穿透功率的NEPWF的惩罚成本模型;2)火电价格方面,在传统火电价格基础上,考虑了火电机组的排污特性,并用名义环境补偿成本来量化其火电环境成本。构建了一个新的清洁经济优化调度模型。基于遗传算法(genetic algorithm,GA)和某含风电的区域电网算例来进行仿真验证,结果表明,所提出的模型为解决风电并网运行提供了一种对策。
