论文部分内容阅读
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度划分的方法,根据各时刻的收敛特性进行粒化,最大程度上减小了解耦对整体计算的影响。详细讨论了粒计算模型的求解过程,通过Grc-DE算法和Grc-PSO算法对5、10、30和100机组的动态经济调度进行研究,减少系统的维度,降低了发电成本,证明了粒计算在求解复杂经济调度问题的优越性。最后,提出一种改进粒计算的电力系统动态经济调度求解方法。在所提粒计算方法的基础上,改进了求解算法,通过结合差分进化(DE)算法的搜索多样性和粒子群(PSO)算法的记忆机制提出了混合算法DE-PSO,采用双种群策略求解。将混合算法应用到粒计算中,采用Grc-DE-PSO算法对含风电场的动态经济调度问题进行求解,并与其它算法进行对比分析,有效降低了发电成本,缩短了计算时间,进一步验证了粒计算求解复杂经济调度问题的优越性。