本文選題：風(fēng)電 + 動態(tài)經(jīng)濟(jì)調(diào)度　； 參考：《南昌航空大學(xué)》2016年碩士論文

【摘要】：電力系統(tǒng)的動態(tài)經(jīng)濟(jì)調(diào)度問題(Dynamic economic dispatch,DED)是電力系統(tǒng)經(jīng)濟(jì)調(diào)度中的重要研究課題,它的非凸、非線性、高維以及多約束使得優(yōu)化起來很艱難。這些年煤炭等資源存量越來越低,各個(gè)國家紛紛重視了新型能源的開發(fā)和利用,風(fēng)電首當(dāng)其沖發(fā)展迅猛。如今,對于含風(fēng)力發(fā)電的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度問題的研究各個(gè)國家才剛剛起步。風(fēng)能是一種無污染的可再生綠色能源,能量來源豐富,取之不盡用之不竭,但同時(shí)具有很強(qiáng)的隨機(jī)性,不能調(diào)度性和波動性,與發(fā)電機(jī)組并網(wǎng)的動態(tài)經(jīng)濟(jì)負(fù)荷調(diào)度問題很難用傳統(tǒng)的數(shù)學(xué)方法來求解。在這種的情況的背景下,DED不再是僅考慮火力發(fā)電的燃煤成本最小化為單一目標(biāo),如今在實(shí)時(shí)控制中并且還要系統(tǒng)安全的前提下充分利用風(fēng)力發(fā)電,減少環(huán)境污染等等的經(jīng)濟(jì)問題。本文的主要研究內(nèi)容如下:1)在已有的粒子群算法,文化算法和文化粒子群算法等眾多研究成果的基礎(chǔ)上,進(jìn)一步探討文化算法的信念空間進(jìn)化機(jī)制,探討粒子群算法慣性權(quán)重的動態(tài)變化,提出一種改進(jìn)的基于動態(tài)改變慣性權(quán)重雙重更新的并行文化粒子群算法。通過測試一些帶有復(fù)雜約束條件的函數(shù),并與其他幾種算法做比較來驗(yàn)證此改進(jìn)算法對于處理非凸非線性多約束的函數(shù)的可行性和有效性。2)從最初始傳統(tǒng)的電力系統(tǒng)模型開始分析,然后引進(jìn)風(fēng)電場并且進(jìn)一步分析研究風(fēng)電并網(wǎng)對電力系統(tǒng)的經(jīng)濟(jì)調(diào)度的影響,根據(jù)以往人們的研究成果上,建立了了基于閥點(diǎn)效應(yīng),正負(fù)旋轉(zhuǎn)備用,風(fēng)速預(yù)測誤差以及負(fù)荷預(yù)測誤差等約束的風(fēng)電并網(wǎng)的動態(tài)經(jīng)濟(jì)調(diào)度模型。3)最后本文提出的改進(jìn)算法對含風(fēng)電并網(wǎng)的動態(tài)經(jīng)濟(jì)負(fù)荷分配調(diào)度問題上進(jìn)行優(yōu)化求解驗(yàn)證了此模型的可行性以及改進(jìn)算法的有效性,并與一些參考文獻(xiàn)的算法應(yīng)用于此模型進(jìn)行求解對比進(jìn)一步驗(yàn)證此算法的優(yōu)越性。
[Abstract]:Dynamic economic dispatch is an important research topic in power system economic dispatch. Its non-convex, nonlinear, high-dimensional and multi-constraint make optimization difficult. In recent years, coal and other resources have become lower and lower. Many countries have attached importance to the development and utilization of new energy sources, and wind power is the first to bear the brunt of the rapid development. Nowadays, the research on dynamic economic dispatch of power system with wind power generation is just beginning. Wind energy is a kind of non-pollution renewable green energy, which is rich in energy sources, inexhaustible, but also has a strong randomness, non-scheduling and volatility. It is difficult to solve the dynamic economic load scheduling problem with the grid connection of generating sets by traditional mathematical methods. In this context, DED is no longer just considering the cost of coal-fired power generation to be minimized as a single objective, but now makes full use of wind power in real-time control and system safety. Reduce environmental pollution and other economic problems. The main contents of this paper are as follows: (1) on the basis of the existing research achievements, such as particle swarm optimization, cultural algorithm and cultural particle swarm optimization, we further explore the belief space evolution mechanism of cultural algorithm. This paper discusses the dynamic change of inertia weight in particle swarm optimization algorithm, and proposes an improved parallel cultural particle swarm optimization algorithm based on the double update of dynamic change inertia weight. By testing some functions with complex constraints, And compared with other algorithms to verify the feasibility and effectiveness of the improved algorithm to deal with non-convex nonlinear multi-constraint functions. 2) starting from the original traditional power system model analysis. Then the wind farm is introduced and the influence of wind power grid connection on the economic dispatch of power system is further analyzed. Based on the previous research results, the valve point effect, positive or negative rotation reserve is established. Wind speed forecasting error and load forecasting error etc. Dynamic economic dispatching model of wind power grid. 3) finally, the improved algorithm proposed in this paper is used to solve the dynamic economic load distribution problem with wind power grid connection. The feasibility of the model and the effectiveness of the improved algorithm are verified. The advantages of this algorithm are further verified by comparison with some reference algorithms applied to this model.
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM73;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價(jià)[J];中國水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報(bào);2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

9 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時(shí)滯動力學(xué)系統(tǒng)的時(shí)滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個(gè)粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 王偉;大型螺紋旋風(fēng)硬銑削數(shù)值模擬及工藝參數(shù)優(yōu)化[D];浙江大學(xué);2016年

7 李玲玉;基于粒子群算法的城市軌道交通列車節(jié)能優(yōu)化研究[D];北京交通大學(xué);2016年

8 苗冬云;基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案研究[D];安徽財(cái)經(jīng)大學(xué);2015年

9 蔣曉\~;粒子群算法在多維優(yōu)化問題中的改進(jìn)研究[D];浙江理工大學(xué);2016年

10 劉角;生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應(yīng)用[D];太原理工大學(xué);2016年

，

本文編號：1933145