目錄
前言
第1章 緒論 1
1.1 現(xiàn)代電力系統(tǒng)調(diào)度的發(fā)展歷程 1
1.2 智能電網(wǎng)優(yōu)化調(diào)度的特征 4
1.3 智能電網(wǎng)調(diào)度面臨的問題 6
參考文獻(xiàn) 8
第2章 電網(wǎng)的短期負(fù)荷智能預(yù)測 10
2.1 概述 10
2.2 短期負(fù)荷預(yù)測相似日選取方法 11
2.2.1 算法設(shè)計思路 11
2.2.2 主要影響因素相似度計算方式 13
2.2.3 算法的參數(shù)自適應(yīng)性 16
2.2.4 算例分析 17
2.3 基于解耦機(jī)制的短期負(fù)荷智能預(yù)測 18
2.3.1 小地區(qū)負(fù)荷預(yù)測的特點(diǎn) 18
2.3.2 解耦機(jī)制的基本模型 18
2.3.3 標(biāo)幺曲線預(yù)測方法 21
2.3.4 基準(zhǔn)值預(yù)測方法 22
2.3.5 應(yīng)用情況介紹 24
2.4 基于解耦決策樹的短期負(fù)荷智能預(yù)測 24
2.4.1 解耦決策樹算法的基本原理 24
2.4.2 生成決策樹的方法 25
2.4.3 應(yīng)用情況介紹 28
2.5 本章小結(jié) 33
參考文獻(xiàn) 34
第3章 現(xiàn)代電力系統(tǒng)發(fā)電側(cè)節(jié)能調(diào)度 36
3.1 概述 36
3.2 面向節(jié)能發(fā)電調(diào)度的日前機(jī)組組合智能優(yōu)化 37
3.2.1 機(jī)組組合模型的完善 37
3.2.2 擴(kuò)展貪婪因子的機(jī)組開機(jī)排序 39
3.2.3 機(jī)組組合優(yōu)化方法過程描述 41
3.2.4 算例分析 44
3.3 基于綜合煤耗微增率的機(jī)組出力優(yōu)化分配 46
3.3.1 火電機(jī)組綜合煤耗微增率 47
3.3.2 出力分配的最優(yōu)性條件與優(yōu)化算法 48
3.3.3 算例分析 52
3.4 集中調(diào)度與發(fā)電企業(yè)自主調(diào)度相協(xié)調(diào)的節(jié)能調(diào)度 54
3.4.1 基本設(shè)計 54
3.4.2 初始發(fā)電計劃協(xié)調(diào) 54
3.4.3 發(fā)電計劃調(diào)整的協(xié)調(diào)過程 56
3.4.4 算例分析 58
3.5 低碳調(diào)度與節(jié)能調(diào)度的一致性評估 60
3.5.1 調(diào)度優(yōu)化數(shù)學(xué)模型 61
3.5.2 多目標(biāo)優(yōu)化的一致性評估方法 62
3.5.3 電力調(diào)度典型條件下的一致性分析 64
3.5.4 算例分析 67
3.6 本章小結(jié) 71
參考文獻(xiàn) 71
第4章 現(xiàn)代電力系統(tǒng)負(fù)荷側(cè)優(yōu)化調(diào)度 74
4.1 概述 74
4.2 可中斷負(fù)荷參與節(jié)能調(diào)度 75
4.2.1 可中斷負(fù)荷調(diào)度的節(jié)能效益評估 76
4.2.2 可中斷負(fù)荷參與的節(jié)能調(diào)度計劃制定 86
4.2.3 考慮低碳效益的可中斷負(fù)荷調(diào)度 96
4.2.4 算例分析 102
4.3 管制電力市場中的居民用電階梯式電價優(yōu)化 106
4.3.1 階梯電價優(yōu)化模型 106
4.3.2 居民用電需求分析 109
4.3.3 算例分析 113
4.4 基于高維目標(biāo)優(yōu)化的多家庭協(xié)調(diào)需求響應(yīng) 114
4.4.1 配電變壓器負(fù)荷管理模型 115
4.4.2 家庭側(cè)協(xié)調(diào)用電優(yōu)化模型 117
4.4.3 EMOHP 算法框架 122
4.4.4 算例分析 126
4.5 本章小結(jié) 136
參考文獻(xiàn) 137
第5章 智能電網(wǎng)互動式優(yōu)化調(diào)度 140
5.1 概述 140
5.2 互動式節(jié)能優(yōu)化調(diào)度理論框架 142
5.2.1 智能電網(wǎng)互動式調(diào)度理論框架 142
5.2.2 基于尖峰負(fù)荷導(dǎo)致的邊際能耗測算 152
5.2.3 用戶側(cè)互動節(jié)能優(yōu)化調(diào)度 158
5.2.4 算例分析 172
5.3 考慮電動汽車充放電的互動式優(yōu)化調(diào)度 175
5.3.1 電動汽車對電網(wǎng)影響評估 175
5.3.2 考慮分時電價和SOC 曲線的電動汽車充電優(yōu)化 186
5.3.3 考慮風(fēng)電出力波動的電動汽車充放電策略 193
5.4 考慮低碳效益的互動式節(jié)能優(yōu)化調(diào)度 208
5.4.1 考慮低碳效益的節(jié)能發(fā)電調(diào)度分析 208
5.4.2 考慮低碳效益的互動式優(yōu)化調(diào)度模型 210
5.4.3 算例分析 213
5.5 本章小結(jié) 217
參考文獻(xiàn) 217
第6章 新能源接入的有功與無功潮流優(yōu)化調(diào)度 220
6.1 概述 220
6.2 考慮新能源接入的配電網(wǎng)有功調(diào)度 221
6.2.1 考慮風(fēng)險的配電網(wǎng)兩階段隨機(jī)風(fēng)電調(diào)度模型 222
6.2.2 考慮電壓與功率越限的配網(wǎng)運(yùn)行風(fēng)險描述方法 224
6.2.3 基于兩點(diǎn)估計法和粒子群算法的求解方法 227
6.2.4 算例分析 229
6.3 考慮新能源接入的電力系統(tǒng)無功調(diào)度 234
6.3.1 區(qū)間無功優(yōu)化模型 234
6.3.2 基于改進(jìn)遺傳算法的區(qū)間無功優(yōu)化 238
6.3.3 算例分析 244
6.4 本章小結(jié) 253
參考文獻(xiàn) 254
第7章 智能優(yōu)化算法在電力系統(tǒng)調(diào)度中的應(yīng)用 256
7.1 概述 256
7.2 改進(jìn)的群集智能優(yōu)化算法 257
7.2.1 克隆選擇算法 257
7.2.2 改進(jìn)免疫算法及其收斂性分析 259
7.2.3 粒子群優(yōu)化算法 267
7.2.4 改進(jìn)粒子群優(yōu)化算法及其收斂性分析 271
7.3 群集智能優(yōu)化算法在電力系統(tǒng)優(yōu)化運(yùn)行中的應(yīng)用 276
7.3.1 改進(jìn)免疫算法在最優(yōu)潮流中的應(yīng)用 277
7.3.2 改進(jìn)粒子群優(yōu)化算法在機(jī)組組合中的應(yīng)用 283
7.4 多智能體系統(tǒng)在電力系統(tǒng)無功優(yōu)化中的應(yīng)用 288
7.4.1 無功優(yōu)化的數(shù)學(xué)模型 289
7.4.2 基于粒子群優(yōu)化算法的多智能體系統(tǒng) 290
7.4.3 多智能體系統(tǒng)在無功優(yōu)化中的應(yīng)用 294
7.5 本章小結(jié) 301
參考文獻(xiàn) 302
第8章 虛擬發(fā)電廠與微電網(wǎng)能源管理系統(tǒng)設(shè)計 305
8.1 概述 305
8.2 虛擬發(fā)電廠兩階段隨機(jī)優(yōu)化調(diào)度 306
8.2.1 虛擬發(fā)電廠的結(jié)構(gòu)與運(yùn)營模式 306
8.2.2 基于循環(huán)周期數(shù)法的電池壽命損耗模型 308
8.2.3 計及電池壽命損耗成本的兩階段隨機(jī)優(yōu)化調(diào)度 311
8.2.4 算例分析 316
8.3 微電網(wǎng)能源管理系統(tǒng)設(shè)計 326
8.3.1 微電網(wǎng)數(shù)據(jù)采集與監(jiān)控的特點(diǎn) 326
8.3.2 海島微電網(wǎng)SCADA/EMS 架構(gòu) 327
8.3.3 EMS基本框架 328
8.3.4 調(diào)度計劃模塊 331
8.4 基于云計算技術(shù)的優(yōu)化調(diào)度系統(tǒng)設(shè)計 333
8.4.1 基于云技術(shù)的優(yōu)化調(diào)度計算能力分析 333
8.4.2 基于云技術(shù)的智能電網(wǎng)計算平臺架構(gòu)設(shè)計 335
8.4.3 基于云平臺的智能電網(wǎng)協(xié)同優(yōu)化調(diào)度架構(gòu) 338
8.5 本章小結(jié) 340
參考文獻(xiàn) 341