电力系统中若干优化问题的研究课件.ppt

《电力系统中若干优化问题的研究课件.ppt》由会员分享，可在线阅读，更多相关《电力系统中若干优化问题的研究课件.ppt（51页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电力系统中若干优化问题的研究 答 辩 人:刘 佳 指导教师:高立群 教授 绪 论结 论基于粒子群优化算法的电力系统多目标无功优化 基于人工免疫算法的神经网络短期负荷预测 基于改进鱼群算法制定电力线路检修计划基于物理规划的错峰限电分配Northeastern University绪论电力是国家的支柱能源和经济命脉。根据电力系统的特点和发展趋势，发展和完善现代电力系统优化模型和实用算法是当前电力系统研究和工程实践的重要课题之一。本文以电力系统中的若干问题进行讨论，并提出改进的优化算法对电力系统中的多目标无功优化、短期负荷预测、电力线路检修计划的制定和错峰限电分配四个方面进行研究。Northeast

2、ern University基于粒子群的电力系统多目标无功优化研究背景 电力系统无功优化是指在保证满足运行约束的同时，用尽量少的无功投入（或尽量少的无功补偿设备投资），最大限度地改善电压质量、降低网损。以达到在满足电压质量要求的情况下，网损最小，或能耗最小，或运行费用最小的目的。Northeastern University基于粒子群的电力系统多目标无功优化粒子群优化算法原理 PSO算法采用速度位置搜索模型。在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解Pbest，这个解称为“个体极值”。另一个极值是整个种群目前找到的最优解Gbest，这个极值是“全局极值

3、”。Northeastern University多目标粒子群(MOPSO)算法思想 将粒子群算法运用于优化问题的关键是如何定每个个体的局部和全局最优位置。对于多目标优化问题，由于并无单个的最优解，所以不能直确定这两个量。为了解决这个问题，本文借鉴适应度空间距离这一概念并加以扩展，并结合归档机制提出了一个新的多目标粒子群优化算法（MOPSO）。基于粒子群的电力系统多目标无功优化Northeastern UniversityMOPSO的几个关键问题 归档技术归档技术 算法保存一个容量受限的外部记忆体，该记忆体的个体集合包含从初始代到当前代群体的非劣个体。最优解的选取最优解的选取 提出了适应本文算

4、法的适应值空间距离的定义如下基于粒子群的电力系统多目标无功优化Northeastern University基于粒子群优化算法的多目标无功优化 有功网损有功网损 从经济性方面考虑，经常采用的目标是有功网损最小。电压偏移电压偏移 电压偏移的目标函数就是将各节点的电压偏移总和最小化。系统电压安全稳定裕度系统电压安全稳定裕度 本文将收敛的雅克比矩阵的最小模特征值最大化作为系统无功优化的目标之一。基于粒子群的电力系统多目标无功优化Northeastern University算例分析 本文研究的无功优化问题同时考虑系统的经济性和电压的稳定性，目标函数向量包括系统有功网损、电压偏移和系统电压安全稳定裕度

5、三个子目标。为验证本文所提的算法以及评价多目标函数Pareto最优解优劣方法的可行性，选择IEEE30节点系统和IEEE118节点系统作为测试系统进行多目标无功优化。基于粒子群的电力系统多目标无功优化Northeastern University 表2.1 IEEE30节点系统的平均优化结果指标初始状态EAVEPSOMOPSO有功网损（p.u.）0.05510.05250.05130.0493电压稳定指标0.23610.24170.24390.2455电压偏移0000有功网损下降率（）4.726.9710.53基于粒子群的电力系统多目标无功优化Northeastern University 表

6、2.2 IEEE118节点系统的平均优化结果指标初始状态EAVEPSOMOPSO有功网损（p.u.）0.13380.12970.12670.1219电压稳定指标0.051810.53570.53790.5387电压偏移0000有功网损下降率（）3.055.318.89基于粒子群的电力系统多目标无功优化Northeastern University研究背景 短期负荷预测通常是指日负荷预测和周负荷预测，在于帮助确定燃料供应计划，制订电厂机组出力计划，对发电机组出力变化可事先得以估计，合理地安排本网内各机组的启停等，短期预测的最重要的目的是要尽可能的满足提高预测的精度要求。基于人工免疫的神经网络短期

7、负荷预测Northeastern University人工免疫算法原理 人工免疫算法是模拟生物免疫系统智能行为而提出的仿生算法，它是一种确定性和随机性选择相结合并具有勘测与开采能力的启发式随机搜索算法。其将优化问题的寻优过程与生物免疫系统识别抗原并实现抗体进化的过程对应起来，将生物免疫应答中的进化链抽象为数学上的进化寻优过程，形成智能优化算法。基于人工免疫的神经网络短期负荷预测Northeastern University人工免疫算法流程图基于人工免疫的神经网络短期负荷预测Northeastern University改进人工免疫算法中的几个关键问题 交叉变异操作交叉变异操作 按照激励度的大小

8、将父代种群划分为两个子种群，激励度较大的一半个体划为子种群A；激励度较小的一半个体划分为子种群B。对A、B两个子种群中的个体分别采用不同变异策略。疫苗抽取疫苗抽取 本文算法中采用自适应抽取疫苗方法。即在群体进化过程中从其每代最佳的基因中抽取有效信息，从而制作疫苗。疫苗接种疫苗接种 三种形式：（1）对连续N代没有变化的个体，即停滞个体进行疫苗接种；（2）对浓度过大的个体进行疫苗接种；（3）对适应值过低的个体进行疫苗接种。基于人工免疫的神经网络短期负荷预测Northeastern University 将改进人工免疫算法（DAIA）引入 BPNN模型中，提出了一 种 DAIA-BPNN模型，其基本

9、思想是结合了 DAIA算法的搜索特性和 BPNN模型的优良性能，旨在进一步提高学习能力。将 DAIA和BP神经网络相结合，主要思想是运用DAIA算法保证搜索是在整个解空间进行的，同时寻优过程不依赖于种群初始值的选择，将权值和阈值精确到一个很小的范围，然后用 BP操作保证得到精确的网络权值。基于人工免疫的神经网络短期负荷预测 基于免疫BP神经网络方法的电力系统短期负荷预测Northeastern UniversityDAIA-BPNN算法的流程 种群初始化，；计算适应度，定义适应度函数为 ；利用DAIA算法对种群进行进化；判断终止条件，若满足，则结束寻优；否则，转至步骤；将寻优得到的最优结果，即

10、最优参数向量赋给BPNN模型；用样本数据对BPNN进行训练；利用预测样本进行预测。基于人工免疫的神经网络短期负荷预测Northeastern University算例分析 利用本文所提方法（DAIA-BPNN）和文献91中的方法分别对加州电力市场2004年的历史负荷数据进行分析，其中，将2004年68月的负荷数据作为训练数据，2004年9月1日至2004年9月14日的负荷数据作为测试数据，预测2004年9月15日的电力负荷。基于人工免疫的神经网络短期负荷预测Northeastern University算例分析 由预测结果可知，DAIA-BPNN方法的最大相对误差为2.67%，此结果明显好于B

11、PNN方法和文献91方法的4.59和5.07。DAIA-BPNN方法的平均相对误差和均方根相对误差也要明显的优于另外两种方法，这说明DAIA-BPNN方法在预测短期电力负荷时，预测的精度和预测的稳定性均强于另外两种方法。可见，将本文提出的方法应用于电力系统短期负荷预测中是有效可行的。基于人工免疫的神经网络短期负荷预测Northeastern University基于鱼群的电力线路检修计划的制定研究背景 电网设施检修目的是使电网设备能保持良好的技术状态，减少故障，延长寿命，从而提高电网运行的可靠性与经济性，合理的安排线路检修计划已经成为线路管理部门的一个重要课题。因而针对电力系统电网检修、运行中

12、的不同目标，选择不同的控制变量和约束条件，就构成了不同类型的优化问题。Northeastern University人工鱼群 人工鱼群算法模拟自然界中鱼的集群游弋觅食行为，通过鱼之间的集体协作使群体达到最优选择的目的，算法实现的重点是人工鱼群模型的建立和个体人工鱼群的觅食行为、聚群行为和追尾行为的描述和实现。它通过模拟鱼群的各种行为动作，结合动物自制体模式(Animats)，采用面向对象的算法设计思想，来对问题进行优化。基于鱼群的电力线路检修计划的制定Northeastern University电力线路检修计划图着色模型的建立本文主要考虑了如下约束：本文主要考虑了如下约束：(1)同一电业局不

13、能同时检修两条并列的线路。(2)同一变电所也不能同时检修两条并列的线路。(3)检修的紧急程度。基于鱼群的电力线路检修计划的制定Northeastern University多目标函数的建立 辽宁省电力有限公司线路检修分为春检和秋检两种，春检从3月到7月，秋检从9月到12月，也就是说总的检修时间是固定的。在制定检修计划时，我们首先要求所需时间段要少，其模型是图着色模型。最少时间段数目标函数为 (4.5)基于鱼群的电力线路检修计划的制定Northeastern University多目标函数的建立 然后综合考虑各局期望检修时间和通过成本效益法得到的检修迫切性指标得出综合迫切性指标，当实际安排的检修

14、日期比综合考虑各因素的期望日期推迟时将带来一定的经济损失，所以经济损失也是制定电网检修计划所要考虑的控制目标之一，其目标函数如下 (4.7)基于鱼群的电力线路检修计划的制定Northeastern University多目标函数的建立 除了要考虑以上控制目标外，在安排具体工作时还需要考虑均衡化问题，防止某一时间段工作任务过重或者过轻，其目标函数如下 （4.14)基于鱼群的电力线路检修计划的制定Northeastern University多目标函数的建立 由于目标函数 、相互冲突，不能同时达到最优，因此分别给函数 、赋予不同的权重系数 ，构成统一的目标函数如下 （4.15)基于鱼群的电力线路检

15、修计划的制定Northeastern University仿真分析 针对辽宁省电力有限公司的实际情况提取了100组数据进行仿真实验，本文首先采用了基本蚁群算法和基本鱼群算法对其进行了求解，以便两种智能优化方法相互对比，并得出比较准确的最优值。基于鱼群的电力线路检修计划的制定Northeastern University仿真分析 基本鱼群和基本蚁群的仿真数据比较 方法最优值最差值平均值平均运行时间(s)基本鱼群算法19.1521.5720.17180基本蚁群算法19.0022.2520.89220基于鱼群的电力线路检修计划的制定Northeastern University仿真分析 改进鱼群1和

16、基本鱼群仿真数据比较方法最优值最差值平均值平均运行时间(s)基本鱼群算法19.1521.5720.17180改进鱼群算法119.2121.6820.33110基于鱼群的电力线路检修计划的制定Northeastern University仿真分析 改进鱼群2和基本鱼群仿真数据比较方法最优值最差值平均值平均运行时间(s)基本鱼群算法19.1521.5720.17180改进鱼群算法219.0621.2819.93185基于鱼群的电力线路检修计划的制定Northeastern University仿真分析 改进鱼群(改进1改进2)和基本鱼群的仿真数据比较方法最优值最差值平均值平均运行时间(s)基本鱼群

17、算法19.1521.5720.17180改进鱼群算法119.2121.6820.33110改进鱼群算法219.0621.2819.93185改进鱼群算法19.0721.3320.03135基于鱼群的电力线路检修计划的制定Northeastern University优化结果 综合目标函数寻优基于鱼群的电力线路检修计划的制定Northeastern University优化结果 工作排序流程基于鱼群的电力线路检修计划的制定Northeastern University基于物理规划的错峰限电分配研究意义 利用模糊决策的方法来进行限电时间分配的优化决策，简化了计算过程。在错峰控制限电分配的模糊决策过

18、程中，如何处理和解决专家们对每个决策指标所赋予的权重，以及如何利用专家的知识结构对权重进行调整以及合成，是解决错峰控制限电分配的关键问题。Northeastern University错峰控制限电时间分配的决策指标体系 基于物理规划的错峰限电分配Northeastern University 因为多目标之间量纲的不同，所以需要对决策矩阵M进行规范化，从而获得各个决策指标的相对状态特征值，其规范化公式如下。（aij为第i地区(共有n地区)第j指标(共有r地区)的客观值，受价值、统计误差等因素的影响，它具有模糊性）越大越优型a 越小越优型b 构造各指标的相对隶属度函数基于物理规划的错峰限电分配No

19、rtheastern University 权重向量的合成 专专家家组组的选择的选择 由于每位专家的知识结构是不同的，所以他们对于每个影响因素的合理决策权重是不同的。计算每个计算每个专专家判断矩阵的权重向量家判断矩阵的权重向量 选择有s个专家，n个错峰控制合理分配的影响因素或指标，建立的n个影响因素的重要程度判断矩阵为V基于物理规划的错峰限电分配Northeastern University 模糊决策方法进行限电时间分配 根据上文建立多地区多目标限电时间分配模糊综合决策模型依照上式可以计算各地区的限电分配比例。基于物理规划的错峰限电分配Northeastern University 实例研究

20、2005年夏辽宁省电力有限公司拟对该省所属6个地区进行错峰控制限电分配。经计算，求得各指标的相对隶属度矩阵为 基于物理规划的错峰限电分配Northeastern University 实例研究三位专家对各个指标的赋权向量分别为:V1=(0.0428,0.0231,0.0877,0.0104,0.297,0.083,0.241,0.1363,0.0485,0.0302)TV2=(0.0368,0.0368,0.1049,0.0085,0.098,0.148,0.286,0.1573,0.0779,0.0458)TV3=(0.1801,0.0483,0.1849,0.0217,0.079,0.12

21、73,0.2134,0.0583,0.0544,0.0326)T基于物理规划的错峰限电分配Northeastern University 平均加权合成 按照平均加权方法求得各地区计算限电分配比例为：Z1=7.67%，Z2=24.72%，Z3=1.22%，Z4=27.15%，Z5=20.01%，Z6=19.23%基于物理规划的错峰限电分配Northeastern University 物理规划的相关概念物理规划的相关概念 在工程优化领域，一般不能在满意解和最优解之间进行选择，因为只有有限种寻找最优解的方法，一些基于优化策略理论的假设经常不能得到满足。物理规划是由美国学者Achille Messa

22、c于1996年提出。它是一种解决多属性多指标优化设计问题的方法，其对每一个欲优化的设计目标定义了满意度。物理规划根据各设计目标的满意度构建偏好函数，使用优化方法求解设计变量。物理规划方法贴近设计者的思想，符合工程实际。基于物理规划的错峰限电模型 基于物理规划的错峰限电分配Northeastern University 多地区多目标错峰控制限电模型 本文以多地区错峰控制断电经济损失最小以及居民断电不满意值最小为双目标因素建模 基于物理规划的错峰限电分配Northeastern University 应用物理规划构造居民不满意度函数 在天气气温一定的情况下，居民对于断电的不满意度和断电时间之间的关

23、系可以用S形曲线来描述。其中 集中用电时间段：6:00-8:00；18:00-22:00。非集中用电时间段：00:00-6:00；8:00-18:00；22:00-00:00。基于物理规划的错峰限电分配Northeastern University 多地区错峰控制分配策略 选择m个供电区域，把工业区和居民区各自看作一个整体部分来分析。根据总的预测用电负荷超出最大安全负荷的程度，把问题分为如下的四种情况：基于物理规划的错峰限电分配Northeastern University 实例分析 选择沈阳地区供电系统，该系统下属六个供电地区。工业区断电经济损失近似为线性函数，地区i每小时经济损失Li(万元

24、)居民不满意度函数如下：通过物理规划的偏好函数构造方法，求得集中用电时段的偏好函数系数为：求得非集中用电时段的偏好函数系数为：基于物理规划的错峰限电分配Northeastern University地区地区人口(万人)限电经济损失(万元)地区156.428.7地区223.18.2地区389.134.6地区410.69.5地区526.210.4地区633.59.1 实例分析 各地区的人口总数和每小时限电经济损失 基于物理规划的错峰限电分配Northeastern University 实例分析 基于物理规划的错峰限电分配Northeastern University 实例分析 基于物理规划的错峰限电分配Northeastern University结论提出了一种基于粒子群优化的多目标无功优化算法。提出改进人工免疫的BP神经网络电力系统短期负荷预测模型。建立了电网检修优化模型，提出了改进的人工鱼群算法对其进行优化求解。建立了基于物理规划思想的多地区多目标错峰控制限电模型。Northeastern UniversityNortheastern University