粒子群算法

为有效提高风电入网的经济性和可行性，文中提出一种考虑风电典型场景概率的电热混合储能优化配置方案。首先通过场景分析，利用K-means聚类法将大量风机历史出力数据简化为6个典型出力场景，确定各场景发生的概率，其中聚类数目由肘部曲线法和Dunn指数法综合确定；其次提出电热混合储能系统控制策略，建立适用于多场景的风储联合系统模型；最后，以经济性成本最低与弃风量最小为目标，建立包含电、热负荷综合响应的容量配置优化模型，并将场景概率以权值的形式加入到目标函数中，采用粒子群算法求解模型。通过仿真分析和与其他储能配置场景对比，发现所提配置策略能够提高风电利用率约16.12%，同时减少系统综合成本约43.76%，验证了所提策略的合理性和有效性。

针对锅炉燃烧系统的多目标优化，在所建立的锅炉燃烧系统预测模型的基础上，分别采用加权-粒子群算法和多目标粒子群优化(multi-objective particle swarm optimization，MOPSO)算法优化锅炉系统的可调整运行参数，以实现锅炉高效率低NO x 排放。分析表明，2种优化算法所得的运行参数相近，趋势与燃烧特性分析和燃烧调整试验结果相符合，说明智能算法优化电站锅炉燃烧系统有效可行。但是加权-粒子群优化算法主观依赖性严重，难以选取合适的权值，优化时间长且结果少；而MOPSO算法优化时间远远小于加权-粒子群算法优化时间，并且优化结果更多，优化效率更高，更有利于指导锅炉的实际运行。

为促进新能源消纳，实现虚拟电厂的价值最大化，以风电商、光伏商和储能商为收益主体构建虚拟电厂参与电力交易。首先，构建区块链下的包含蓄电池和超级电容的风、光、储虚拟电厂结构；其次，基于区块链中共享的发电数据、用能数据和运行数据等参数，提出混合储能充放电策略和以混合储能成本最低为目标的容量优化配置方法，并采用粒子群算法求解；再次，以区块链应用程度、风险偏好、合作意愿及参与程度为因素改进Shapley值法，建立收益修正模型，并分析区块链下基于智能合约的收益分配过程；最后，通过算例仿真及结果分析，验证所建模型及方法的可行性与适用性。

在现货市场中，政府授权合约的曲线分解方式对市场不平衡资金规模与市场主体利益具有重要影响，合理分解相关合约问题亟待解决。从电力现货试点实际需要出发，综合考虑不平衡资金规模、政府授权合约分解结果、发电主体报价策略及市场出清结果之间的关联性，构建了基于博弈均衡的双轨制电力现货市场政府授权合约曲线分解优化模型与方法。该方法基于博弈均衡的思想对应建立了以控制不平衡资金规模为目标的政府授权合约分解模型、考虑政府授权合约分解结果的发电商报价决策模型以及市场出清模型，利用3层粒子群算法实现各层模型间的迭代修正，得到均衡市场个体与整体利益的合约分解结果。通过算例仿真分析，验证了在各因素互相作用和博弈均衡下，所提方法对缩小市场不平衡资金规模的作用。

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题，提出一种自适应多目标无功优化控制策略。该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数，目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先，分析海上风电场并网点电压波动与有功、无功输出的关系，建立相应的无功分配模型，并针对风电机组及静止无功发生器(static var generator，SVG)的输入输出特性，建立相应的无功控制模型。此外，考虑海上运行的功率约束、安全运行约束等，采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后，在MATLAB中搭建海上风电场模型进行仿真验证，仿真算例表明：相较于传统固定权重多目标无功优化，自适应多目标无功优化控制策略可以根据电网实时工况，迅速调整各优化目标的优先级，较好地实现有功网损和并网点电压的协调优化。

随着极地科考力度的加大，能源需求迅速增加，以燃油为主的极地用能所带来的环境污染和碳排放问题已不容小觑，亟须构建以清洁可再生能源为主的微电网系统以保证极地科考绿色可持续发展。文中通过分析南极科考站的资源特性，选择风光储微电网结构，建立系统容量优化配置模型。极地环境复杂多样，对储能系统影响较显著，为保证微电网未来运行具有更好的适应能力，在配置阶段详细考虑了储能容量衰减对微电网系统经济效益的影响，分析了温度、充放电倍率、循环次数对电池容量的影响，建立基于自适应灰色关联分析法的多因素耦合的电池容量衰减模型，并将其纳入优化配置模型，使用改进粒子群算法对南极科考站进行算例求解与分析。算例仿真结果表明，考虑储能容量衰减的微电网配置方案可降低电池过充、过放概率，延长电池的使用寿命，更适用于极地。

配电网拓扑成图能够以图形化的方式显示配电网结构，这种可视化有助于操作人员更好地理解和监控网络，从而提高电网可靠性和自动化运营。但现有的拓扑成图技术更多仍依赖于人工绘制，针对高压配电网拓扑成图人工工作量大且布局不合理的问题，该文基于改进粒子群算法设计一种针对高压配电网的拓扑自动成图技术，首先，对数据模型进行抽取，结合布置图框架设计原则和布线规则，确定以线路交叉和线路总长度最小作为复合优化目标；然后，通过对基本粒子群算法的惯性权重和局部粒子的搜索方式进行改进，提升全局寻优水平。实验仿真结果表明，所提方法求解时间短，完成率较高，整体布局更美观合理，可以很好地解决配电网拓扑自动成图问题。

针对因配电网节点数目多但投资成本少造成的同步相量测量单元（phasor measurement unit，PMU）供需不平衡问题，建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型，优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解，保证算法求解全局最优值的能力，其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动，使算法不易陷入局部最优。最后，采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明，与遗传算法和粒子群算法相比，采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

为充分发挥水电的灵活调节作用来应对高比例风电的随机性、间歇性对电力系统调度带来的影响，以促进风电全额消纳、火电运行费用最低、火电机组出力波动量最小作为优化目标，建立风−水−火电力系统多目标优化调度模型，并且综合考虑火电机组启停与低负荷运行、风电有无弃风等多种场景，提出水电利用率、火电运行成本、火电波动量等量化指标，用以评价调度结果的优劣。为保证模型求解效率，设计分层优化求解策略：第一层优化水电机组出力，促进水电调节能力的充分发挥，保证火电机组总波动量最小；第二层优化各台火电机组出力，使得系统运行费用最低；采用粒子群算法对每层优化问题进行求解。通过不同应用场景下的算例测试，进行优化前后的调度结果对比、考虑机组启停的调度结果对比、不同风电装机容量下的调度结果对比，验证了所建模型和分层优化策略的有效性。

随着智能电网系统的研究深入，针对复杂智能电网系统的电压崩溃路径，研究了基于智能电网系统的等效模型。通过AGENT图分析了系统脆性关系，采用一种在脆性发生时崩溃路径优化粒子群算法，给出系统内部的脆性对于系统稳定性的影响，发现脆性激发时崩溃传递路径具有多样性的解，并分析了崩溃路径。基于35 kV智能电网一次系统模型，通过对智能电网脆性电压崩溃路径的预测和控制，有效优化了整个系统性能，对智能电网系统的设计控制具有重要的指导意义。结果表明，智能电网系统节点的崩溃在各子系统层间传递，进而导致整个系统的电压崩溃。