多不確定信息的電網(wǎng)靈活規(guī)劃模型及算法研究.pdf

1、電網(wǎng)靈活規(guī)劃包括兩個(gè)方面的內(nèi)容：1)建立合理的規(guī)劃模型；2)針對(duì)規(guī)劃模型給出高效的求解算法。本文從算法和模型兩方面研究電網(wǎng)靈活規(guī)劃。針對(duì)大規(guī)模電網(wǎng)靈活規(guī)劃計(jì)算難以全局收斂的難點(diǎn)，提出采用蟻群算法及其改進(jìn)算法進(jìn)行求解；通過(guò)對(duì)規(guī)劃方案經(jīng)濟(jì)性、可靠性和靈活性的綜合考慮，提出計(jì)及電能資源充裕度的多目標(biāo)電網(wǎng)規(guī)劃模型；通過(guò)對(duì)多階段電網(wǎng)規(guī)劃問(wèn)題變量維數(shù)多、計(jì)算量大這一特點(diǎn)的分析，給出基于最小期望悔值的多階段電網(wǎng)規(guī)劃模型。本文主要內(nèi)容如下： 在

2、深入分析當(dāng)前各種主要規(guī)劃求解算法優(yōu)缺點(diǎn)的基礎(chǔ)上，結(jié)合電網(wǎng)規(guī)劃特性，提出應(yīng)用蟻群算法求解電網(wǎng)規(guī)劃問(wèn)題。針對(duì)蟻群算法在求解大規(guī)模優(yōu)化問(wèn)題時(shí)易產(chǎn)生未成熟收斂的缺點(diǎn)，提出多種群并行蟻群算法和基于模式記憶的并行蟻群算法加以改進(jìn)。多種群并行蟻群算法通過(guò)多個(gè)蟻群之間的并行搜索，提高收斂速度，同時(shí)可減少參數(shù)設(shè)置和種群規(guī)模對(duì)算法收斂性的影響；而基于模式記憶的并行蟻群算法則進(jìn)一步通過(guò)模式記憶進(jìn)行解空間分解，從而將問(wèn)題規(guī)模化整為零，并能有效地識(shí)別、記憶和跳出

3、局部最優(yōu)解，最大程度的減少重復(fù)搜索，提高計(jì)算效率。算例表明這兩種改進(jìn)算法具有良好的計(jì)算效率和優(yōu)秀的全局收斂性。 通過(guò)對(duì)電網(wǎng)規(guī)劃中各種不確定信息的分析、歸類與合并，結(jié)合盲數(shù)特性，給出直接影響電網(wǎng)規(guī)劃的3類4種主要不確定信息(節(jié)點(diǎn)注入功率--包括負(fù)荷預(yù)測(cè)和發(fā)電出力、系統(tǒng)潮流、線路投資)的盲數(shù)建模方法，并通過(guò)判斷矩陣分析法確定各盲數(shù)模型的可信度分布。以確定性可用輸電能力(ATC)的直流靈敏度分析法為基礎(chǔ)，提出盲數(shù)ATC的直流靈敏度算法

4、，并給出盲數(shù)運(yùn)算的簡(jiǎn)化處理方法。在此基礎(chǔ)上，提出計(jì)及電能資源充裕度的多目標(biāo)電網(wǎng)規(guī)劃模型，給出盲信息的模糊評(píng)價(jià)方法，通過(guò)模糊綜合評(píng)判法解決多個(gè)目標(biāo)之間的不可公度性和矛盾性。該多目標(biāo)規(guī)劃模型以盲數(shù)ATC、盲數(shù)投資以及柔性“N-1”過(guò)負(fù)荷概率的綜合最優(yōu)為目標(biāo)，實(shí)際算例分析證明該模型能有效考慮電能資源的充裕度，其規(guī)劃方案具有良好的經(jīng)濟(jì)性、可靠性和適應(yīng)性。 通過(guò)分析多階段電網(wǎng)規(guī)劃問(wèn)題的特點(diǎn)和求解難點(diǎn)，指出采用多場(chǎng)景電網(wǎng)規(guī)劃方法處理多階段電