关键字 |
| 人工蜂群算法;改善事前准备的电力需求表;节点蚁群优化;并行人工蜂群算法;基于利润的单位承诺和放松管制。 |
介绍 |
| 1996年,联邦能源监管委员会(FERC)美国实现了1992年的《能源政策法案》通过发行订单No.888 No.889。订购888规定所有公共设施的传输文件开放获取非歧视性的传输关税(OATTs)和允许公用事业和传输工具寻求复苏的滞留费用。雷竞技app下载苹果版为了No.888, FERC还建议建立独立系统运营商(iso)监测电力系统的可靠性和协调各个地区的电力供应。顺序No.889启动了开放获取同时信息系统(绿洲)和标雷竞技app下载苹果版准的行为,这就要求电力公司公开信息对他们可用传输容量,价格和访问非歧视性的传输服务。此外,电力系统的历史结构,垂直整合工具,拥有发电厂、高压输电系统和配电线路以及提供所有电气服务是需要改变[13]。词素,所有垂直工具到重组区域需要单独的资产和服务为一代,和零售销售。因此,可以区分一代公司(genco),传播公司(TRANSCOs),发行公司(迪斯科舞厅),和负载服务实体(ls)。电力行业变得更有竞争力,更多的区域化。一些地区是由一个独立系统运营商(ISO)或一个地区传播组织(RTO),建立了FERC No.2000。ISOs的主要角色和RTOs执行传播规划,确保大规模电网可靠性以及平等接入电网,电力需求和供应和经济平衡。 |
| 单位的承诺是一个复杂的优化问题,确定机组的调度在电力系统受到普遍约束[2]。在放松管制的电力系统,单位承诺问题(规定)都有不同的目标比跟单信用证在传统系统。以前,电力公司有义务为顾客服务,所有需求和旋转储备必须完全满足。但这不是必要的重组系统和代公司现在可以考虑安排生产低于预测的负荷需求和储备,但创造最大的利润。这个问题是基于单位称为利润承诺(PBUC)问题。重组环境下,个人的genco运行其单位承诺为了最大化自己的利润[16]。基于单位在这个利润承诺,需求预测,预计市场价格是重要的输入来确定应该提供多大的权力对市场实现最大的利润。 |
| 数学上,PBUC问题是一个混合整数非线性目标和持续优化问题。先前的努力解决PBUC是基于传统的方法如动态规划和LR的方法。最近,GA[4]被用来解决PBUC问题。Chandram等。[5]穆勒提出方法和PBUC IPPD表来解决问题。Raglend等。[17]证明了算法的应用技术genco利润最大化。 |
| 本文的重点是开发一个精确的和以利润为基础的热UC产生可行的方案综合模型单元发电公司的开/关状态。改善事前准备的电力需求(IPPD)表用于加州大学和人工蜂群(ABC)算法用于解决ED奔腾IV,使用MATLAB 3 ghz个人电脑和512 mb的RAM。纸被组织在以下部分中。制定PBUC问题在第二部分介绍。算法的描述给出了解决PBUC问题第三节.Simulation建议的方法的结果在第四部分提出了各种机组。结论终于在最后一节。 |
PBUC问题公式化 |
| 答:命名法 |
| PF: genco利润 |
| genco房车:收入 |
| TC: genco的总成本 |
| 燃料成本函数F (j): i j机组的小时 |
| j Xij:开/关状态的机组在i个小时 |
| j: j发电机组的输出功率i个小时 |
| SPi:现货价格在第i个小时 |
| 圣:启动成本 |
| 的小时数 |
| 护士:机组的数量 |
| PDi:电力需求在第i个小时 |
| 在第i个小时Rij:储备j发电机组 |
| 分钟:最低的j发电机组输出功率i个小时 |
| j马克斯:最大输出功率的j机组i个小时 |
| Tj:最低的j机组在线不断 |
| Tj:最低的j机组不断离线。 |
| Tj: j机组的最小时间 |
| Tj:最低j机组的停机时间 |
| b .目标函数: |
| PBUC的目标函数是电力公司的利润最大化。 |
| 马克斯PF = RV-TC……………………(1) |
 (2) |
 (3) |
| c .约束: |
| 目标函数是受到以下限制: |
| •电力需求约束:PBUC问题,没有必要分配机组来满足电力需求。因此,功率平衡约束修改作为电力需求约束。这里,输出的总和的权力分配机组总是小于预测电力需求。 |
 ……(4) |
| •储备约束 |
 (5) |
| •真正的权力操作限制 |
 (6) |
| •最小上升/下降时间约束 |
 (7) |
 (8) |
解决方法 |
| 解决PBUC问题分解为以下步骤。PBUC问题涉及一个开关决定单位根据电力需求的变化。 |
| 答:IPPD表的形成 |
| 答:IPPD表的形成 |
| 第一步确定最小和最大的λ值对所有机组为每个单位在j最小和j最大两个λ值是可能的。然后安排这些λ值升序排序和索引作为λj (j = 1, 2,…2 n)。 |
| 步骤2计算输出大国{j =[(λj - bi) / 2 ci]}为所有发电机在每个值。结合j最小和j最大如下。 |
| (我)设置的最小输出功率限制 |
 (9) |
 (10) |
| 但是,对于必须运行发电机 |
 (11) |
| (2)设置的最大输出功率限制 |
 (12) |
| 步骤3λ值,输出大国和输出大国的总和(SOP)在每个λ表按升序排列的λ值。这个表被称为改进事前准备的电力需求(IPPD)表。 |
| 下面列出了IPPD表的特征 |
| 1。最低的机组λ值IPPD表的第一行。第一机组最小输出功率和输出可用剩余的权力单位是零在第一行。 |
| 因此,可用的输出功率是发电机组的输出功率最小最少的λ。 |
| 2。从第二行开始,机组IPPD表中添加升序排序的基础上的λ值生成单元。 |
| 3所示。打开或关闭状态的机组可用IPPD表中添加最后一个机组。 |
| b . RIPPD表的形成 |
| 获得的利润只有当预测价格在给定的时间大于给定单元的增量的燃料成本。因此,预测价格作为主要股指选择减少IPPD从IPPD表(RIPPD)表。 |
| 有两个选项可供选择RIPPD表IPPD表。 |
| 选项1:在预测预测价格,两行从IPPD表选择这样预测的预测价格在λ的限制。这里假设相应的行m和m + 1。 |
| 选项2:在电力需求预测,两行从IPPD表选择,预测电力需求在于权力的总和(SOP)的限制。这里假设相应的行n和n + 1。 |
| 因此,减少IPPD表如下: |
| (我)如果m < n,然后基于option1 RIPPD表被选中。在这里,电力需求修改的SOP m + 1行。PBUC问题,电力需求约束放松和没有必要操作发电机组,以满足电力需求。 |
| (2)如果m > n,那么RIPPD表选择选项2。 |
| 一旦发现RIPPD表,关于减少承诺的信息单元(RCU)表是由简单分配+ 1的输出功率单元“我”如果ππ≠0,0 = 0。RCU表将二进制元素指示所有单位的状态。 |
| 现在,“空载整合成本”,“de-commitment单位”和“包含最小时间和最小时间约束”在PBUC问题需要解决。 |
| c .空载整合成本 |
| IPPD表的制定是基于燃料成本增量(λ)。因此,空载IPPD表中不考虑成本。燃料的成本数据,一些机组可能有巨大的空载和更少的燃油成本增量成本。因此,将空载成本需要降低燃料总成本。 |
| 优先级列表可能不完全反映的实际状态中等负荷单元的运营成本,因为这些单位输出功率可能运行在低于其最大输出功率。这方面可能导致更高的运营成本中单位。 |
| 步骤1:计算每兆瓦成本之间的平均输出功率最小和最大输出功率限制。每兆瓦成本作为成本指数,我。 |
 |
| 这个索引完全反映的状态输出功率的媒介单位运营成本低于最大输出功率。 |
| 步骤2:安排所有单位按升序的成本指数,我 |
| 第三步:修改最初的承诺和输入数据的单位按照升序排序成本指数,我。 |
| 步骤4:去年开态单元标识在每个小时。单位的状态改变如下:如果任何单位在左边的最后通路状态单元处于关闭状态,然后它被转换为关闭状态,然后它被转换为一个使用状态。完整的机制将空载成本图1所示。 |
| d . De-commitment单位 |
| 承诺单位可能过度旋转储备由于更大差距RIPPD表中选定的λ值。因此,de-commitment单位有必要获得更多的经济效益。 |
| 当过度旋转储备在小时”,以下步骤用于De-commit单位。 |
| 步骤1:确定承诺单位。 |
| 步骤2:De-commit过去”在“国家单位的单位承诺将空载成本后,检查热备用。如果热备用约束满足de-commitment单位后,然后de-commit单位。 |
| 第三步:重复步骤2和de-commit可能单位在不违反热备用约束。 |
| 大肠的最小时间和最小时间约束 |
| 最小,最小停机时间约束可以满足通过调整单元状态。 |
•最小时间约束 |
| 如果单位的时间小于它的时间,然后,将单位。假设的最小的时间单位是4小时。图2描述了过程将最小时间约束。 |
•最小停机时间约束 |
| 如果单位的关机时间小于最小停机时间,那么单位的状态将在提交单位表。图3提供了程序将最小停机时间约束。 |
f .人工蜂群(ABC)解决经济调度 |
| 人工蜂群(ABC)所定义的一个最近算法总裁Karaboga 2005年,出于蜜蜂的智能行为。非常简单,PSO和DE算法,和只使用常见的控制参数如菌落大小和最大循环数。ABC作为优化工具,提供一个称为食物的以人群为基础的搜索过程中,个人职位由人工蜜蜂修改,时间和蜜蜂的目的是发现花蜜量高的食物来源的地方,最后最高的花蜜。在ABC系统、人工蜜蜂飞在一个多维搜索空间和一些(雇佣和旁观者蜜蜂)根据自己的经验选择食物来源和他们的家奴,并调整他们的位置。一些(侦察)飞和随机选择食物来源不使用经验。如果一个新职位的花蜜量高于上一个在他们的记忆里,他们记住新的位置和忘记前一个。因此,ABC系统结合了局部搜索方法,由雇佣和旁观者蜜蜂,与全球搜索方法,由旁观者和童子军,试图平衡勘探和开发过程。 |
| 模型包括三个组成部分:就业和失业的觅食蜜蜂,食物来源。前两个组件、就业和失业的觅食蜜蜂,寻找丰富的食物来源,这是第三个组件,接近他们的蜂巢。模型还定义了两个主要的行为方式为自组织和集体智慧是必要的:招聘的觅食者丰富的食物来源导致积极的反馈和被抛弃的可怜的来源觅食者造成负面的反馈。 |
| 我食物来源:为了选择一个食物来源,觅食蜜蜂评估等属性与食物来源接近蜂巢,丰富的能量,品味它的花蜜,缓解或提取这种能量的困难。 |
| 二世。采用觅食者:一个使用抢劫者是在一个特定的食物来源,她目前正在开发。她这个特定的信息来源和股票与其他蜜蜂在蜂巢。信息包括距离、方向和食物来源的盈利能力。 |
| 三世。失业的觅食者:蜜蜂觅食,寻找食物来源利用叫做失业。它可以是一个侦察环境随机搜索或一个旁观者,他试图找到一种食物来源的信息的蜜蜂。巡防队员的平均数量约为5 - 10%。算法的主要步骤如下: |
| •初始化阶段 |
| •重复 |
| •采用蜜蜂阶段→地方采用蜜蜂的食物来源 |
| •旁观者蜜蜂阶段→把旁观者蜜蜂的食物来源取决于他们的花蜜 |
| •侦察蜂阶段→发送巡防队员发现食物来源的搜索区域 |
| •记住迄今取得的最佳解决方案 |
| •直到(周期=最大周期数量或最大CPU时间) |
| 一个¯ABC算法的伪代码 |
| 1。初始化的解决方案,我= 1,2,…,SN |
| 2。评估人口 |
| 3所示。周期= 1 |
| 4所示。重复 |
5。产生新的解决方案Vi的蜜蜂通过使用 (14),kA¯{1,2,……。SN}和j一个¯{1,2,……D}是随机选择的索引和 之间的一个随机数[1]。 |
| 6。应用采用蜜蜂的贪婪的选择过程。 |
7所示。计算的概率值 (15) |
| 8。产生新的解决方案Vi习的旁观者解决方案的选择取决于π和评估他们。 |
| 9。应用贪婪的选择过程 |
| 10。确定侦察员的废弃的解决方案,如果存在,代之以一个新的随机习生产解决方案 |
 (16) |
| 11。记住迄今取得的最佳解决方案。 |
| 12。周期=周期+ 1 |
| 13。直到周期= m cn |
测试用例和仿真结果 |
| 该方法已在MATLAB中实现和执行在奔腾IV (3 GHz)个人电脑和512 mb的RAM。该方法测试10机组系统来解决基于利润的单位承诺问题。该算法的仿真结果进行了比较与传统单位的利润承诺TS-IRP算法等方法和启发式方法。 |
| 例如:在这里,被认为是10机组系统。这个系统的燃料成本数据来自[1],在表1中给出。 |
| 最初λ值(λ)计算的最小和最大输出大国的机组,然后λ值至少输出单位的权力按升序排列,最后机组的燃料成本功能基于升序排列的λ值至少输出大国。所有λ值,输出大国制定和评估和IPPD表如表4所示。IPPD表的维度是20 X 12。 |
| 假设预测价格22美元/瓦和750兆瓦的电力需求。在电力需求预测,两行从IPPD表选择,预测需求预测在SOP限制。这个表被称为RIPPD表,如表4所示。 |
| 第一行的RIPPD给承诺单位的初始信息。进一步的承诺单位可以修改如下:如果预测预测价格小于λ在发电机组的最大输出功率,那么相应的单位将。承诺单位获取信息后,使用人工蜂群算法解决了这一问题。表5中给出最终的解决方案。 |
| PBUC获得的利润与传统的加州大学和图7所示。预测和派遣电力需求相比,在图7。获得的利润在fig.8使用提出和已有的方法进行比较。 |
| 从图7,很明显,PBUC genco提供更多的利润相比,传统的加州大学。 |
| 从图7,很明显,预测,因此派出电力需求并不等于满足PBUC约束。 |
| 从fig.8,很明显,使用IPPD表获得的利润和人工蜂群(ABC)(系统)是获得更多使用纳科和PABC(现有系统)算法。 |
结论 |
| 一种新方法使用IPPD表和人工蜂群(ABC)已经提出了解决基于利润的单位承诺(PBUC)。虽然解决PBUC问题,预测价格是已知的信息。PBUC问题解决建议的方法分两个阶段。最初,信息提交的单位通过框架IPPD表最后人工蜂群(ABC)是用于查找非线性规划的经济调度子问题。仿真结果对该方法与现有的方法相比,也与传统的单位承诺。从仿真结果中观察到的,该算法提供了最大的利润与现有的方法相比,因而可以在管制环境所需的实时操作。 |
承认 |
| 作者要感谢那些评论家的建设性的建议,有助于提高这个手稿的质量。 |
表乍一看 |
|
|
数据乍一看 |
|
|
引用 |
- c·克里斯托弗·哥伦布Sishaj p·西蒙,“利润基础单位承诺genco使用并行纳科在分布式集群”,群与进化计算,10卷,p。41-58,2013年。
- 普拉萨德斯瓦米Padhy、“单元一承诺:文献调查”,IEEE电力系统2号,卷。19日,2004年5月。
- PathomAttaviriyanupap, Hiroyuki北城,本片短歌,长谷川,“混合LR-EP解决新的基于利润的加州大学问题undercompetitive环境”,IEEE电力系统卷,18岁。1号,229 - 237页,2003年。
- 查尔斯·w·里希特,杰拉尔德·b·Sheble“基于利润的单位承诺GA竞争环境”,IEEE PowerSystems2号,卷。15日,p . 715 - 721年,2000年。
- k . Chandram n . Subrahmanyam m . Sydulu快餐店“改进电力需求表和穆勒的方法解决基于利润unitcommitment问题”,电气工程与技术》杂志上,4号2卷,p。159 - 167年,2009年。
- C。克里斯托弗·哥伦布,Sishaj p·西蒙,“基于利润的单位承诺:一个平行的ABC方法使用工作站集群”,电脑和电子工程卷,38岁的3 p。724 - 745年,2012年。
- c·克里斯托弗·哥伦布Sishaj p .西蒙•k•钱德拉塞卡兰“节点基于蚁群优化求解利润单位commitmentproblem genco”,应用软计算1号卷。12日,页。145 - 160年,2012年。
- Shahidehpour M。,HatimYamin and Zuyi Li, “Market Operations in Electric Power Systems: Forecasting, Scheduling, and RiskManagement”,电气和电子工程师学会公司,纽约。
- A.J.木头,背面Wollenberg,“发电运行和控制”,第二版,纽约:约翰·威利& Sons Inc ., 1996年。
- m . Shahidehpour和m . Marwali“重组电力系统维护调度”,Kluwer学术出版商,NorwellMassachunetts, 2000年。
- 再见艾伦和医学博士,大型电力系统可靠性的“储备市场”,IEEE反式。,on Power Systems1号卷。15日,页。228 - 233年,2000年。
- DervisKaraboga BahriyeAkay,“人工蜂群算法的比较研究”,应用数学和计算,108 - 132页,2009年。
- k . Bhattacharya M.H.J.博伦和J.E. Daalder,“重组电力系统操作”,Kluwer学术出版商。
- d . Karaboga b . Basturk“人工蜂群优化算法求解约束优化问题”,IFSA 07年12的诉讼th国际模糊系统协会世界大会在模糊逻辑与软计算的基础,p。789 - 798年,2007年。
- p . Shivsankari VikasDubey,“一个实用的方法基于利润的单位承诺在解除管制的电力市场”,InternationalJournal先进的研究在计算机科学和软件工程”,3卷,5号,p . 347 - 352年,2013年。
- m . Bavafa n . Navidi h . Monsef”,一种新方法基于利润的单位承诺使用拉格朗日松弛结合蚁colonysearch算法”,2008年IEEE UPEC学报》上,p . 1196 - 1205。
- c·雅各布Reglend g . Raghuveer RakeshAvinash, N.P. Padhy, D.P. Kothari”PBUC使用粒子群优化的解决方案”,Appl.Softcomputp。4687 - 4699年,2010年。
|
菜单
(2)
(3)
……(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(14),kA¯{1,2,……。SN}和j一个¯{1,2,……D}是随机选择的索引和
之间的一个随机数[1]。
(15)
(16)
