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。

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。

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。

制定合理有效的电价策略和电动汽车充放电策略，可以为电网的经济稳定运行提供保障。文章综合考虑负荷用户、虚拟电厂运营商和上层电网利益，建立了以平抑净负荷功率波动为目标的价格型需求响应实时电价模型，通过引入多种群交互、模拟退火、最优个体扰动等机制对粒子群算法进行改进，并利用算法进行求解得到实时电价方案；然后结合住宅区电动汽车时移特性，在虚拟电厂两日的经济调度时间尺度上，考虑虚拟电厂和电动汽车用户利益建立优化调度模型。算例分析表明所述策略提高了虚拟电厂运行的稳定性、经济性，减少了与上层电网的平均交互电量和峰谷差。

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。

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。

针对目标气象预报数据缺失导致风电预测精度不足的问题，提出一种基于空间相关性和Stacking集成学习的风电功率预测方法。首先，分析目标风电场与相邻气象站点之间的空间相关性，根据相关系数极值点确定延迟时间，构建风速时移数据集；其次，利用Stacking集成方法融合多元算法，从多个数据观测角度预测目标风电场的风电功率，实现不同算法的优势互补，提升整体泛化能力，并采用粒子群优化算法搜索模型超参数，较好地平衡搜索时间与模型效果；最后，采用华东地区某风电场的实测数据验证了文中所提方法的有效性和准确性。结果表明，通过考虑不同位置的信息偏差，从数据输入和预测模型两方面可有效提高数据缺失情况下的风电预测精度。

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。