关键字 |
| 跳频序列(FHS),最优潮流(OPF) |
介绍 |
| 在一个实际的电力系统,电厂不位于同一距离负荷中心的燃料成本和他们是不同的。也在正常操作条件下,发电能力超过总负载的需求和损失。因此有很多选项可用于调度的一代。与大型电力网络的互连,世界能源危机和持续上涨的价格,是很重要的减少电能.i.e的运行费用。减少燃料消耗满足特定的需求。在一个相互联系的电力系统,目标是找到每个电厂的真实和无功调度等方法来减少运营成本。这意味着发电机实际和反应能力可以在一定范围内变化,以满足特定的负载需求用最小的燃料成本。这就是所谓的最优潮流(OPF)问题。OPF用于优化大规模电力系统的功率流的解决方案。这是通过选择目标函数最小化。 While maintaining an acceptable system performance in terms of generator capability limits and output of the compensating devices. The objective functions, also known as cost functions may present economic costs, system security or other objectives. Efficient reactive power planning enhances operation as well as system security. |
| 在这个项目中我们的目的是找到最优解的经济调度包括损失和产生限制山顶有几种方法来解决负荷经济调度问题。因此我们认为是传统的方法之一即λ迭代法和人工智能的方法即粒子群优化。λ迭代法是通过考虑一个特定的λ值和协调方程。从这个方程得到一个解决方案中,不等式约束对代每一个植物和平等条件被满足。粒子群优化还用于解决同样的问题。在这种方法中初始化各种步骤、评估等。通过上述过程导出了最优解。结果λ迭代法和粒子群优化方法进行比较,最好的方法是确定为粒子群优化方法。 |
经济调度 |
| 它认为与N移动网络无照节点移动的环境中根据一些随机移动模型。它还假设整个频谱分为数M重叠正交通道有不同的带宽。每个授权的访问通道是由固定的持续时间槽。槽时间被认为是由主系统广播。每个传感器节点,传送的信息之前,这是一个节点的信息,首先选择一个路径节点和频率频道复制消息。路径和通道选择后,传感器节点协商和握手的路径节点路径和声明所选频道频率。这种协调所需的通信被认为是通过一个固定长度的跳频序列(FHS)由K截然不同的授权渠道。在每一个时间段,每个节点连续跳在一个给定的FHS以发送和接收数据包的协调。协调包的目的是由一个节点与信息告知其路径的频率通道决定消息复制。此外,协调包被认为是足够小槽内传播的持续时间。FHS共同控制通道,而是提供了一个多样性能够找到一个空通道可以用来发送和接收数据包的协调。 If a hop of FHS, i.e., a channel, is used by the primary system, the other hops of FHS can be tried to be used to coordinate. This can allow the nodes to use K channels to coordinate with each other rather than a single control channel. Whenever any two nodes are within their communication radius, they are assumed to meet with each other and they are called as contacted. In order to announce its existence, each node periodically broadcasts a beacon message to its contacts using FHS. Whenever a hop of FHS, i.e., a channel, is vacant, each node is assumed to receive the beacon messages from their contacts that are transiently in its communication radius. |
高效的沟通 |
| 电力的使用在现代日常生活是绝对必要的。电能的质量表示恒压、恒频和不间断电源,成本更低。提供不间断电源和返回利润的资本投资,我们需要降低发电的成本。这意味着正确操作是非常重要的。有许多因素参与电力系统的成功操作。系统预计将供电瞬间,不断满足customerA¢s要求在所有操作条件下。也将提供给消费者需要的电压保持在或接近标称额定的值。为此必须遵守适当的操作程序,以避免损坏设备或系统的其他设施。所有这些操作要求必须同时实现以最低的成本生产和分配的权力。经济因素影响操作人员的操作包括发电设备的负荷,尤其是热单位的,单位和燃料成本效率是电力生产成本的主要因素。 Purchase power availability, cost and scheduling of overhaul and/or repairs of equipment all affect operating costs. The cost of generation includes the fixed costs (like salaries and capital cost etc) and Variable costs (like fuel cost, maintenance cost and operation cost etc. An engineer is always concerned with cost of Product and Services. For a power system to return a profit on the capital invested, proper operation is very important. |
2.1开发的经济负荷调度方法 |
| 最优调度的进步远远在1920年初一个¢年代,当工程师们关心的问题的经济分配生成或合适的机组间的负荷。1930年之前,在使用各种方法如:(一)基本负荷方法下最有效的加载单元的最大能力,第二个最有效的加载装置,等等,(b)。“最佳点装货,”单位先后加载耗热率的最低水平点,开始与最有效的单位和工作效率最低的单位,等。它被认为早在1930年,增量法,后来被称为“平等的增量方法,”取得了最大的经济效益。1954年,协调方程是解决开发的经济调度问题。一个突破的数学公式Carpentier经济调度问题是通过1960一个¢以精确的方式对待整个工作。解决CarpentierA¢s配方是一个非线性的优化已的研究虽然现在和实现实时仍然是一个挑战。 |
| 青木,等人提出了一个新的参数二次规划方法来解决经济负载直流负载流型网络安全约束调度问题。 |
| 刚建成时林和基准线Viviani提出一个方法来解决经济实力分段二次成本函数的调度问题。解决方法是分层,它允许分散的计算。 |
| 佩雷拉、经济调度等人描述了一种方法可由主体访问与受安全机制约束的调度系统,可以考虑重新安排能力。也就是本德拉¢的方法是基于一个年代分解原理,使得迭代解决方案基本情况的经济调度和独立的应急分析代延期。 |
| 林等人提出了一个实时经济调度方法通过计算惩罚因素基本情况数据库。该方法假设的基本战略经济调度的基本情况数据库解决方案建立了根据系统运行数据的统计平均的日常需求曲线。 |
| Zi-Xiong梁提出了一个缩放功能应用动态规划方法求解系统的经济调度热机组包括输电线路损失。 |
| 杰拉尔德·b·Sheble等人提出了一个会算法来解决经济调度问题。该算法利用收益信息的角度评估最优的解决方案。 |
| 伙夫黄黄和陈怡如建立了混合遗传和模拟退火方法求解热发电调度问题。发展一种方法编码发生器时间表的混合方法。 |
| t . Yalcinoz和M.J.短提出了神经网络方法为解决传输容量约束经济调度问题。 |
| 艾伦·j·伍德,布鲁斯·f·Wollenberg提出了几个经典的优化技术求解经济负荷调度问题。这些是λ迭代法、梯度法和动态规划(DP)方法,等等。 |
2.2负荷经济调度-热站 |
| 电力系统是一个混合不同类型的代,其中热,水电和核能代积极贡献份额。然而,经济运行方便热或加氢只被认为是通过适当的调度。对于核电站的安全,这些类型的车站只需要运行在其基础负荷和有一个小范围在实践中核电站的计划。经济运行最重要的热站,随着可变成本高得多的比其他类型的代。这可以被认为是通过观察各种成本不同的车站。 |
 |
| 显然燃料的成本的主要部分可变成本和经济运行的目的是减少燃料的成本。这是一个静态优化问题。这个项目涉及的经济负载等热植物。 |
2.3发电机操作成本曲线 |
| 发电机运行费用的主要成分是燃料输入/小时,而维护贡献影响程度很小。燃料成本是有意义的柜内的温度和核电站。但对于水电站能量储存在哪里„显然freeA¢,这样的操作成本是毫无意义的。 |
| 不同的操作成本曲线: |
| 我输入输出曲线。 |
| 二世。增量燃料成本曲线。 |
我输入输出曲线 |
| 一个单元的输入输出曲线可以表示在百万千卡/小时或直接Rs.在千瓦/小时和输出。成本曲线可以确定实验。典型曲线所示(MW)最小的图下面的最小载荷限制是不经济的经营单位和(MW)马克斯的最大输出限制。由合适的多项式拟合表达式操作成本可以写成Fi (Pgi) Rs /人力资源输出(Pgi) |
 |
| 我在哪里后缀代表单位数量。通常足以符合二次多项式。 |
 |
| 意义:它指定使用的燃料效率和成本每小时的发电。 |
二世。增加燃料成本曲线 |
 |
 |
| 它表达的Rs / MWhr。一个典型的情节曲线所示。更好的准确性增加燃料成本可能表达的一些短的线段(分段线性化)或者我们可以适应一个合适的程度代表IC曲线的多项式逆方程形式。 |
 |
| 意义:曲线代表的增加成本率每增加一个百万瓦特输出。 |
2.6负荷经济调度问题 |
2.6.1经济调度 |
| 发电的经济负荷调度的目标是计划提交机组输出以满足负载的需求在最低营运成本,同时满足所有单位和操作约束的电力系统。 |
| 经济调度问题是一个约束优化问题,在数学上可以表达如下: |
 |
2.6.4网络损失 |
| 自从发电站通常是地理上分散时,传输网络的损失必须考虑实现真正的经济调度。网损是一个功能单位的一代。两种方法来计算网络损失,一般使用。一个是惩罚因子法,另一种是B系数法。 |
| 后者是常用的电力行业。在B系数法、网络损失表示为一个二次函数: |
| PL = PmBmnPn |
| ,Bmn常数称为B系数或损失系数。 |
经济负荷调度使用λ迭代法 |
| 详细的使用lambda算法求解经济负荷调度问题的迭代方法如下所示 |
 |
流程图 |
 |
 |
粒子群优化 |
 |
| 第十步:生成最新的个人gb是每个单元的最优generatiopower代总成本最小。 |
 |
MATLAB |
使用LAMBDA迭代方法%纯经济调度问题
清除所有
clc
消息= fopen (' lamb_eco.doc ', ' w + ');
no_units = 6;
Pd = 1450;
一个= (0.0070 0.0095 0.0090 0.0090 0.0080 - 0.0075);
b = [7 10 8.5 11 10.5 12);
c = (240 200 300 150 200 120);
Pmax = (500 200 300 150 200 120);
Pmin = [100 50 80 50 50 50]; |
B = [0.000017 0.000012 0.000007 -0.000001 -0.000005 -0.000002
0.000012 0.000014 0.000009 0.000001 -0.000006 -0.000001
0.000007 0.000009 0.000031 0.000000 -0.000010 -0.000006
-0.000001 0.000001 0.000000 0.000024 -0.000006 -0.000008
-0.000005 -0.000006 -0.000010 -0.000006 0.000129 -0.000002
-0.000002 -0.000001 -0.000006 -0.000008 -0.000002 - 0.000150); |
itermax = 1000;
ε= 0.1;
α= 2 *;
clc
Pg = 0 (no_units, 1);
del_lambda = 0.010;
抽搐,deltaP = 10, iter = 0;
环保署= Pd / no_units;
而abs (deltaP) >ε& & iter < itermax
iter = iter + 1;
因为我= 1:no_units
σ= B(我,:)* Pg-B(我)* Pg(我);
Pg (i) = (1 - (b) (i) /λ)-(2 *σ))/(α(我)/λ+ 2 * b(我));
如果Pg (i) < Pmin(我)
Pg (i) = Pmin(我);
结束
如果Pg(我)> Pmax(我)
Pg (i) = Pmax(我);
结束
结束
P_loss = Pg ' * B * Pg;
Pt =总和(Pg);
deltaP = Pt-Pd-P_loss;
错误(iter) = deltaP;
如果deltaP > 0
λ= lambda-del_lambda;
结束
如果deltaP < 0
λ=λ+ del_lambda;
结束 |
消息,' \ n优λ= % g \ n ',λ);
因为我= 1:no_units
流(消息,' \ n Pgen (% d) = % g MW ',我,Pg(我));
结束
流(消息,' \ n总发电,P_total = % g MW \ n ', Pt);
流(消息,' \ n总电力需求= % g MW ', Pd);
流(消息,' \ n总功率损失= % g MW ', P_loss);
流(消息,' \ n \ n错误= % g \ n ', deltaP);
英尺= 0.0;
因为我= 1:no_units
F (i) = c(我)+ b (i) * Pg(我)+ (i) * Pg (i) * Pg(我);
流(消息,' \ n燃料成本将军(% d) = % g Rs /人力资源的,我,F (i));
英尺=英尺+ F(我);
结束
流(消息,' \ n燃料总成本= % g Rs /人力资源\ n ',英尺);
运行时= toc;
流(消息,' \ n CPU时间= % g交会。\ n \ n ',运行时);
文件关闭(所有的)
5.1粒子群优化代码
%粒子群优化
清除所有;
clc;
消息= fopen (' pso_eco.doc ', ' w + ');
no_units = 6;
Pd = 1200;
一个= (240 200 300 150 200 120);
b = [7 10 8.5 11 10.5 12);
c = (0.0070 0.0095 0.0090 0.0090 0.0080 - 0.0075);
pmax = (500 200 300 150 200 120);
pmin = [100 50 80 50 50 50];
B = [0.000017 0.000012 0.000007 -0.000001 -0.000005 -0.000002
0.000012 0.000014 0.000009 0.000001 -0.000006 -0.000001
0.000007 0.000009 0.000031 0.000000 -0.000010 -0.000006
-0.000001 0.000001 0.000000 0.000024 -0.000006 -0.000008
-0.000005 -0.000006 -0.000010 -0.000006 0.000129 -0.000002
-0.000002 -0.000001 -0.000006 -0.000008 -0.000002 - 0.000150);
no_part = 60;
itermax = 1000;
α= b;
β= 2 * c;
因为我= 1:no_units
Lambda_min (i) =α(我)+β(我)* pmin(我); |
Lambda_max (i) =α(我)+β(我)* pmax(我);
结束
lambda_min = min (lambda_min);
lambda_max = max (lambda_max);
lambda_min = lambda_min ';
lambda_max = lambda_max ';
因为我= 1:no_part
(我)= unifrnd一部分(lambda_min lambda_max);
结束
pb = 0 (1、no_part);
vel_max = (lambda_max-lambda_min) / 10;
因为我= 1:no_part
韦尔(i) = unifrnd (-vel_max vel_max);
结束
c1 = 2;
c2 = 2;
ψ= c1 + c2;
K = 2 / abs (2-psi-sqrt(ψ* psi-4 *ψ));
gb = 0.0;
P = 0 (no_part no_units);
抽搐;
iter = 1: itermax
因为我= 1:no_part
k = 1: no_units
temp = 0;
j = 1: no_units
如果j ~ = k
temp = temp + B (k, j) * P (i, j);
结束
结束
结束
temp = 2 *温度;
j = 1: no_units
Nr (j) = 1 -(α(j) / (i)部分)温度;
博士(j) =(β(j) / (i)部分)+ (2 * B (j, j));
如果P (i, j) > pmax (j)
P (i, j) = pmax (j);
结束
如果P (i, j) < pmin (j)
P (i, j) = pmin (j);
结束
结束
P_loss = 0;
k = 1: no_units
j = 1: no_units
P_loss = P_loss + (P (i (k) * B (k, j) * P (i, j));
结束
结束
Pgen (i) = 0.0;
j = 1: no_units
Pgen (i) = Pgen (i) + P (i, j);
结束 |
错误(我)= Pgen -Pd-P_loss;
适合(i) = 1.0 / (100.0 + abs(错误(i)) / Pd);
如果pb(我)<适合(我)
pb (i) =适合(我);
Pbest_part (i) = (i)部分;
结束
如果gb < pb(我)
gb = pb(我);
Gbest_part = Pbest_part(我);
结束
Wmin = 0.4;
Wmax = 0.9;
W = Wmax - ((Wmax-Wmin) * iter / itermax);
韦尔(i) = K * (W *韦尔(我)+ c1 * rand () * (Pbest_part (i) -(我))+ c2 * rand () * (Gbest_part-part(我)));
如果abs(韦尔(我))> vel_max
如果韦尔(我)< 0.0
韦尔(i) = -vel_max;
结束
如果韦尔(我)> 0.0
韦尔(i) = vel_max;
结束
结束
tpart =(我)+一部分韦尔(我);
k = 1: no_units
ttemp = 0;
j = 1: no_units
如果j ~ = k
ttemp = ttemp + B (k, j) * P (i, j);
结束
结束
结束
ttemp = 2 * ttemp;
j = 1: no_units
Nr (j) = 1 -(α(j) / tpart) -ttemp;
博士(j) =(β(j) / tpart) + 2 * B (j, j);
如果tp (j) > pmax (j)
tp (j) = pmax (j);
结束
如果tp (j) < pmin (j)
tp (j) = pmin (j);
结束
结束
tP_loss = 0;
k = 1: no_units
j = 1: no_units
tP_loss = tP_loss + (tp (k) * B (k, j) * tp (j));
结束
结束
tpgen = 0.0;
j = 1: no_units, tpgen = tpgen + tp (j);
结束
恐怖= tpgen-Pd-tP_loss; |
错误(iter) =恐怖;
tfit = 1.0 / (1.0 + abs(恐怖)/ Pd);
如果tfit >适合(我)
(我)= tpart一部分;
pb (i) = tfit;
Pbest_part (i) = (i)部分;
结束
如果gb < pb(我)
gb = pb(我);
Gbest_part = Pbest_part(我);
结束
结束
如果abs(恐怖)< 0.01
打破;
结束
结束
运行时= toc;
流(消息,“经济调度使用PSO \ n \ n”);
流(消息,' \ n \ n问题聚集在% d迭代”,iter);
流(消息,' \ n优λ= % g \ n ', Gbest_part);
j = 1: no_units
流(消息,' \ n Pgen (% d) = % g MW ', j, tp (j));
结束
总发电流(消息,' \ n = % g MW \ n ',总和(tp));
流(消息,' \ n总电力需求= % g MW ', Pd);
流(消息,' \ n总功率损失= % g MW \ n ', tP_loss);
流(opf的错误= % g \ n \ n,恐怖);
total_cost = 0.0;
j = 1: no_units
Fuel_cost (j) = (j) + b (j) * tp (j) + c (j) * tp (j) * tp (j);total_cost = total_cost + Fuel_cost (j);
结束
j = 1: no_unitsfprintf(消息,' \ n燃料成本将军(% d) = % g Rs /人力资源”,j, Fuel_cost (j));
结束
流(消息,' \ n燃料总成本= % g Rs /人力资源\ n ', total_cost);
流(消息,' \ n cpu时间= % g交会。',运行时);
文件关闭(所有的); |
| 使用可靠的算法定义一个阈值SUs克服PUE攻击。它使CRNetworks节点,从而高效地利用可用的光谱通道。节点,可以很容易的找到各种授权频道没有干扰主系统增加的机会。这表明,它有一个潜在的能够将各种网络条件转换为提高性能。 |
结果 |
| 测试了该方法的有效性与六个机组系统。有两种方法用于解决经济负载等。首先问题是解决传统λ迭代法。然后提出了PSO方法应用于解决这个问题。合理的电力系统网络损耗系数矩阵是用来绘制输电线路损失和满足传输容量约束。这个项目是在MATLAB软件编写的。发电机成本系数;一代限制和B - 6单元系统的系数矩阵取自[4]。这些参数如附件一所示。six-unit系统经济负荷调度解决方案解决了使用传统技术(lambda-iteration)和算法技术,然后比较结果。经济负荷调度的结果使用传统方法和算法如表1所示。和表2所示。 for 500MW, 700MW, 1000MW, 1200 MW, 1350MW and 1450MW |
 |
 |
结论和未来的范围 |
| 通过经济调度方式,找到植物中不同单元的生成,因此燃料总成本最低,同时总需求和总损失必须满足在任何即时的一代。经典的连续函数的优化考虑。总成本等各种因素最优调度,输出功率的增量成本,整个系统损失,损失系数的绝对值以及真正的功率不匹配是一个简单的评估系统手工计算。MATLAB程序开发解决负荷经济调度问题的一个单位n工厂通过λ迭代法和粒子群优化。结果对个人方法列表在前一节中。从结果可以得出结论,λ迭代方法严重依赖于初始值的选择。如果初始猜测值是实际值,我花很多时间t提供融合的解决方案。有时候,解决方案可能不收敛。换句话说,λ的收敛迭代法取决于初始猜测λ。而PSO方法总是提供了融合解决方案不需要初始值λ。 In this work, the ramp rate constraints are not included. Also the concept of prohibited zones is not incorporated. In future work, this can be extended by incorporating prohibited zones along with ramp rate constraints |
引用 |
- 林,齐罗,Jun-yong Liu栓长,“一种改进的粒子群优化算法”,IEEE国际会议OnGranular计算,486 - 490年,2008页。
- 伊曼努尔身边,会员,IEEE, k . Thanushkodi”一种新的粒子群优化解决凸经济MDispatch问题”,IEEE电力系统,22卷,没有。1、42-51页。2007年2月。
- t . o .叮,学生会员,IEEE, m . v . c . Rao和c k .厕所,会员,IEEE,“单位承诺问题的新方法通过成效的混合粒子群优化”,IEEE电力系统,21卷,没有。1页。411 - 418年,FEBRUARY2006。
- Zwe-Lee遗传算法,粒子群优化解决EconomicDispatch考虑发电机的约束”,IEEE反式。OnPower系统,研究概述,第三,第1195 - 1187页,2003年8月。
- p . Venkatesh r . Gnanadass,行长Narayana Prasad Padhy”进化的比较和应用编程技术combinedeconomic排放调度线流约束”,IEEE反式,电力系统。2号,卷。18日,2003年5月,页688 - 697。
- Hirotaka吉田,Kawata贤Yoshikazu福山,会员,IEEE、Shinichi高山和Yosuke录像,会员,IEEE”,AParticle群优化无功功率和电压控制考虑电压安全评估”,IEEE TRANSACTIONSON电力系统15卷,没有。4,第1239 - 1232页,2000年11月。
- 安吉莉,p . j .“使用选择改进粒子群优化”,学报IEEE国会在1998年进化计算锚固,阿拉斯加,美国,1998 b。
- h·t·杨,杨p . c, c . l .黄”进化编程基础经济调度与模型的单位燃料成本函数”,IEEE反式。在电力系统,卷。11日,1号,第118 - 112页,1996年2月。
- j·肯尼迪进行r·c·埃伯哈特,“粒子群优化,“学报IEEE国际会议上神经网络(ICNN ? 95),卷。第四,页1942 - 1948,珀斯,澳大利亚,1995年。
- Chowdhury B H和S•拉赫曼“回顾一下最近的经济调度的进步”,IEEE电力系统,5卷,4号,pp.1248 - 1259, 1990。
- D W金罗斯和年代,“一代”的动态经济调度,IEEE电力设备和系统,页。2060年11月/ December1980。
- 没说完,H。H,“最优电力调度”,IEEE反式。,不是- 93,820 - 830年,1974页。
- 式样Bechert和H.G. Kwatny,“真正的权力的最优动态调度”,IEEE电力设备和系统,pp.889, 1972年5月/ 6月。
- I.J. Nagrath D.P. Kothari,现代电力系统分析》第二版,塔塔麦格劳-希尔公司,1989年版。
- 中一段Wadhwa,“电力系统”,新时代国际(P)有限公司出版商,新德里,印度,2001。
|
菜单
