一、改进遗传算法在电站经济运行中的应用（论文文献综述）
刘彦辉[1]（2021）在《含光伏发电的电力系统功率预测和动态环境经济调度研究》文中进行了进一步梳理目前人类面临着能源危机和环境污染等诸多问题,采用可再生能源代替传统化石能源是解决这些问题的必要途径和发展趋势。随着可再生能源利用技术的逐渐成熟,我国可再生能源经历了快速的发展,光伏发电在电网中占比逐年提高。与常规能源相比,光伏发电具有清洁、便利、安全可靠,建设周期短,易大规模产业化等优点,目前已经成为能源与生态环境可持续发展的重要组成部分。但是,气象等自然因素对光伏发电具有较大程度的影响,导致光伏发电具有随机性和波动性,光伏发电易产生不确定性因素,这些不确定性因素对电力系统运行和电网调度产生极大的挑战。负荷预测和光伏发电功率预测是电力系统优化调度的前提和基础,通过合理有效的预测技术提高电力负荷和光伏发电功率的预测精度和效果,在获得电力负荷和光伏发电功率预测数据的基础上,对煤炭和太阳能资源丰富的地区进行含光伏发电并网的“光—火”联合发电系统进行环境经济调度,对于充分利用太阳能,提高光伏发电利用率,降低光伏发电并网对电力系统的冲击和影响,构建生态环境友好型社会具有极其重要的意义和作用。在此背景下,本文针对含光伏发电并网的“光—火”联合发电系统进行短期负荷预测和光伏发电功率预测,以精准的电力负荷和光伏发电功率预测数据作为基础,深入研究电力系统环境经济调度问题,主要工作和创新成果如下:（1）提出了一种基于量子烟花算法优化支持向量机（QFAW-SVM）的短期负荷预测模型。首先,分析了支持向量机（SVM）在电力系统短期负荷预测过程中参数不易合理优化,导致负荷预测结果不够精确的问题。针对此问题,本文建立了量子烟花算法优化SVM的电力系统短期负荷预测模型,采用量子烟花算法对SVM模型参数进行优化,建立了QFAW-SVM预测模型对“光—火”联合发电系统优化调度时段的负荷进行预测。实际负荷算例验证了本文所提模型的合理性和有效性。本文所提方法较好地避免了SVM模型参数优化不合理导致预测结果不够理想的问题,有效地提高了SVM模型短期负荷的预测效果,为短期负荷的精准预测提供了新的方法,同时为后续“光—火”联合发电系统环境经济调度提供了负荷数据依据。（2）针对光伏发电波动性和随机性影响光伏发电功率精准预测的问题,以及基于传统机器学习算法的预测模型在光伏发电功率方面存在预测方法单一、预测精度不够理想的问题,本文提出一种改进自适应噪声完备集合经验模态分解算法（ICEEMDAN）结合支持向量机（SVM）的复合预测模型（ICEEMDAN-IF-MPSO-SVM）。首先,采用ICEEMDAN算法将原始光伏发电功率分解为一系列的本征模态函数IMF,IMF自适应地划分为相应的群组。其次,采用改进粒子群算法（MPSO）优化SVM模型参数,建立了MPSO-SVM预测模型对相应归类的IMF群组表示的光伏发电功率波动分量进行预测,最后叠加重构各波动分量的预测结果,得到最终的预测结果。通过实际算例验证了本文所提预测模型的通用性和优越性。本文所提出模型将波动的光伏发电功率信号合理分解,降低了光伏发电功率信号中波动分量对功率预测精度的影响,较好地平抑了光伏发电的不确定性,有效提高了光伏发电功率的预测效果和预测精度。（3）针对光伏发电功率预测过程中,基于传统机器学习算法的预测模型忽视学习过程,不能很好地挖掘光伏发电功率与其影响因素相关性的问题,提出了基于优化的变分模态分解算法（OVMD）结合长短期记忆网络（LSTM）的复合预测模型（OVMD-IPSO-LSTM）。首先,采用基于特征频率和互信息最大值的参数优化方法,对传统变分模态分解算法（VMD）的模态数量和惩罚因子进行优化,采用改进后的算法（OVMD）将光伏发电功率分解为一系列的本征模态函数IMF。其次,建立了改进惯性权重的粒子群算法（IPSO）优化LSTM模型参数,建立了IPSO-SVM预测模型对每个IMF表示的光伏发电波动分量进行预测,叠加重构每个波动分量的预测结果,得到最终的预测结果。通过实际算例验证了本文所提模型的有效性。本文所提方法较好地挖掘了光伏发电功率及气象等影响因素的关联信息,有效解决了光伏发电功率数据信号的噪声问题,对光伏发电信号进行了平稳化处理,减少了波动分量对光伏发电功率预测的干扰,较好地抑制了光伏发电不确定性对功率预测的影响,实现了光伏发电功率的精准预测。（4）提出了一种基于熵值法的光伏发电功率组合预测模型,分别采用遗传算法优化小波神经网络（GA-WNN）、ICEEMDAN-IF-MPSO-SVM和OVMD-IPSO-LSTM三种单项预测模型,对实际光伏电站发电功率分别进行预测,再通过熵值法合理确定各单项预测模型的加权系数,建立了包含上述三个单项预测模型的基于熵值法的组合预测模型。实际算例预测结果表明,本文所提组合预测模型在第3、4章ICEEMDAN-IF-MPSO-SVM和OVMD-IPSO-LSTM预测模型基础上,光伏发电功率预测精度和预测效果进一步得到提高,为光伏发电组合预测提供了新的思路,同时为后续“光—火”联合发电系统环境经济调度提供了光伏发电数据依据。（5）提出了一种含光伏发电的电力系统动态环境经济优化调度模型。结合前期负荷和光伏发电功率预测技术和预测数据,针对含光伏发电并网的“光—火”联合发电系统经济运行和环境保护问题,建立了“光—火”联合发电系统动态环境经济调度模型,以联合发电系统发电成本和费用最低,污染气体排放量最小为双重优化目标,采用带精英策略的快速非支配排序遗传算法混合改进粒子群算法（NSGA-II-PSO）对优化调度模型进行求解,得到联合发电系统优化调度的多目标帕累托最优解集,并通过最大满意度原则得到最优折中解,最终在“光—火”联合发电系统动态调度中,实现了环境指标和经济指标的综合最优。
田立霞[2]（2021）在《高铁新能源微电网规划定容及调度优化研究》文中研究说明面对全球气候变暖,我国提出了“碳达峰、碳中和”发展目标。交通系统作为用能大户,为加速实现“双碳”目标,近年来,相关部门制定出台了一系列能源、交通融合发展的战略与政策。高铁作为中长途运输中的主力军,近年来发展十分迅速。在高铁用电构成中,牵引用电占比最大,是碳减排的重点领域之一。高铁运营部门为积极响应国家号召,实现深度绿色交通,在保障牵引供电安全的前提下,开展了一系列新能源发电并入牵引供电系统的研究,以优化高铁用能结构,提升能源综合利用效率。高铁牵引负荷不同于生活、工业用电负荷,具有分布广、冲击性强、随机不稳定、功率大、时段特征显着、安全要求高等特征,大大地增加了新能源牵引供电理论研究与实际应用的难度。在前期各学者研究的基础上,本文根据高铁牵引负荷的特征、新能源发电出力特征及高铁沿线新能源分布情况等因素,在高铁沿线分段构建基于能源互联网技术的高铁新能源微电网,使之与沿线大电网一同为高铁牵引供电系统供电。在保障牵引供电安全的前提下,对高铁新能源微电网的规划、容量配置以及后期运行调度展开研究,最后对高铁微电网的构建及运行进行了综合效益评价。本文主要创新点包括以下几点:（1）高铁新能源牵引供电安全性测度方法研究安全是高铁运行的前提条件。牵引供电系统作为高铁运行的唯一动力来源,在高铁安全稳定运行中起着至关重要的作用。本部分中,首先介绍了高铁新能源牵引供电安全性测度的重要性;其次,分别从高铁牵引供电风险分析和新能源发电并网影响的角度出发,确定高铁新能源牵引供电风险因子;然后,结合风险因子、高铁牵引供电和新能源发电相关技术条例,建立了高铁新能源牵引供电安全测评体系;最后,根据安全测评体系,提出高铁新能源牵引供电安全系数,为后续高铁新能源微电网的构建及运行优化研究奠定基础。（2）高铁新能源微电网规划方法研究首先,通过对比分析高铁牵引功率、新能源出力及储能系统的特征,确定新能源发电采用高铁新能源微电网AT所的方式并入牵引供电系统。其次,综合高铁牵引网络分布特性及沿线风光分布情况,基于能源互联网技术,给出了“局部微电网、全国高铁微电网互联、区块链技术做监督、大电网做安全保障”的高铁新能源微电网的构建原则和基本框架,解决了传统微电网供电范围与高铁路网分布广的冲突。互联高铁新能源微电网间电能互传互济,有效平抑不稳定新能源带来的冲击,提高新能源利用率。高铁新能源微电网与沿线大电网相联,实现“自发自用、余电上网”,可保障高铁牵引供电安全,提高能源综合利用率。（3）基于安全约束的高铁新能源微电网定容模型研究首先,基于能源互联网技术,将牵引供电安全作为微电网定容模型的约束条件之一,采用多目标均衡优化理论,建立以牵引供电安全系数最大、成本最低、碳排放最少为目标的高铁新能源微电网定容模型。通过有效整合高铁线可用空闲土地面积、风光分布情况及相联高铁新能源微电网装机等资源,实现互联新能源微电网新能源装机及储能容量的优化配置,提高能源利用率,降低投资成本。其次,采用改进型量子遗传算法（IQGA）对模型求解,结果发现高铁牵引供电系统具有较好的新能源消纳潜力。（4）基于安全约束的高铁新能源微电网调度模型研究首先,以牵引供电安全、优先消纳新能源电力为指导,提出了高铁新能源微电网安全调度的基本原则;其次,根据牵引负荷特征,在牵引供电安全的约束下,对互联高铁新能源微电网牵引供电系统进行“源-网-车-储”多环节互动调节,采用多目标优化理论,建立以牵引供电安全系数最大、成本最低、碳排放最少为目标的高铁新能源微电网调度模型,可提高互联微电网各环节能量综合利用率、牵引供电质量和安全可靠性;最后,采用IQGA对模型进行求解,发现互联高铁新能源微电网的运行成本低于不互联模式。
龚芝瑞[3]（2021）在《雅砻江下游梯级水电站多尺度联合优化调度》文中认为水电是一种清洁低碳、运行灵活、兼具多重综合利用效益的可再生能源,其开发与利用对我国能源发展起到十分重要的作用。水电能源的科学统筹规划是推进能源供给侧结构性改革,建设安全高效的能源体系的关键措施。因此,本文以雅砻江流域下游梯级电站为研究对象,围绕各时间尺度优化调度开展研究,同时考虑不同时间尺度调度的嵌套耦合关系,研究不同时间尺度下水库调度的控制互馈机制。主要研究工作及成果如下:（1）为提高电力系统的供电可靠性,统筹协调梯级水电站的发电与容量效益,分别建立了梯级发电量最大和电量-容量综合效益最大的中长期发电优化调度模型。结果显示,多目标模型中梯级电站的两年平均发电量为806.18亿kWh,较单目标模型（807.73亿kWh）减少了 0.19%;但其时段最小出力为560.99万kW,较单目标模型（511.55万kW）增加了 9.66%。研究表明,多目标模型能够在保证梯级发电量的基础上,提高枯水期的最小出力,从而增加水电系统运行的安全性与可靠性。（2）为充分发挥水电机组的调峰能力,围绕雅砻江下游梯级电站短期调峰计划编制问题,采用“以水定电”模式与梯级水库同步调峰策略,分别构建了考虑滞时影响的总发电量最大、基于负荷趋势的电网余荷波动最小和电量-调峰综合效益最大模型。结果表明,电量效益模型仅追求发电量效益,未能起到填谷削峰的作用,不能充分发挥水电站的调峰优势;调峰模型的标准差与电量效益模型相比,在各典型日下降幅分别达到63.00%、72.15%和64.43%,峰谷差的降幅分别达到61.56%、70.47%和62.15%,同时其梯级发电量也相应降低1.04%、1.06%和15.07%,虽然调峰模型能够更好的跟踪电网负荷曲线的趋势,但其发电效益减少,不利于水资源的充分利用;多目标模型在各典型日下的电网余荷标准差分别为1760MW、962MW和1764MW,余荷峰谷差分别为5456MW、2955MW和4078MW,梯级电站发电量分别为123739MWh、109157MWh和133746MWh,研究表明该模型的电量效益和调峰效益均介于两个单目标模型之间,模型在一定程度上保证了梯级电站的发电量,同时能够较好地跟踪电网负荷趋势,平滑电网余荷波动过程,更利于日后风光等新能源的并网运行。（3）为解决各时间尺度调度模型间相互脱节、无法进行有效的信息交互等问题,对多时间尺度的嵌套耦合关系进行了解析,提出了逐级约束机制和引入PID控制原理的逐级反馈机制,并基于该控制反馈机制建立了多时间尺度嵌套发电优化调度模型。根据上级模型的调度方案生成下级模型的边界约束,再将实时调度与调度计划的偏差信息通过反馈机制传递给上级模型,从而构成各时间尺度调度的控制互馈系统。应用TOPMODEL模型的模拟结果作为输入数据,并将该嵌套模型应用于雅砻江下游梯级水库群。研究结果表明,在短时间尺度调度中嵌套模型的运行过程更加接近实际调度过程;在中时间尺度调度中,无反馈模型代表月余留期锦屏一级电站及二滩电站指导水位与实际水位的绝对值偏差之和为17.99m和5.70m,考虑反馈机制的嵌套模型中各电站绝对值偏差之和为3.56m和2.71m,降幅较无反馈模型分别达到80.21%和52.46%;在长时间尺度调度中,嵌套模型余留期的梯级电站总发电量为1154.48亿kWh,比无反馈模型（1152.93亿kWh）增加了1.55亿kWh,增幅为1.34‰,嵌套调度的结果也更符合实际最优决策。综上所述,嵌套模型能够在把握全局调度合理性的同时实时反馈调度信息,从而达到对余留期效益的动态控制,使得修正后的调度决策更加贴合实际运行过程,能够在水库调度方案的制定中发挥更实际的指导作用。
王悦[4]（2021）在《基于支持向量机的光伏阵列阴影遮挡智能检测方法研究》文中研究表明在光伏发电过程中,阵列受到阴影遮挡的现象不可避免,该现象将导致光伏阵列的输出功率不匹配,严重时会出现“热斑”,使光伏发电效率降低的同时为电站带来了安全隐患。对阵列在不同程度的阴影遮挡下输出特性进行研究,一方面可优化阴影遮蔽下的最大功率极值点跟踪方法,提高发电系统的输出效率;另一方面,根据输出特性曲线实时检测阵列自身是否处于阴影遮挡环境中,对于减少光伏系统的功率损失,维护电站的安全运行具有一定的现实意义。论文主要内容包括:（1）针对影响光伏阵列的输出功率因素——太阳辐照度与温度,使用Simulink仿真平台搭建阵列模型,分别对二者作用下的阵列输出特性进行分析对比。（2）针对阴影遮挡下,传统最大功率点跟踪方法在运行时易出现震荡、搜索精度不佳等问题,提出一种滚动式输出电压与反向寻压策略,并结合变步长扰动观察法,以改善阵列输出特性震荡明显的问题。（3）针对传统神经网络方法对阵列阴影遮挡检测时准确率不高、易出现过拟合等问题,基于改进的最大功率极值点跟踪算法获取数据集,提出一种具备较高准确率的线性判别-人工蜂群-支持向量机（Linear Discriminant Analysis-Artificial Bee Colony-Support Vector Machine,LDA-ABC-SVM）阴影遮挡检测方法。经仿真验证,（1）在固定辐照度与变化辐照度两种条件下,改进后的最大功率极值点跟踪方法均具备较好的跟踪精确度,有效地避免了在使用传统闭环扰动跟踪方法中存在的震荡问题。（2）采用LDA-ABC-SVM方法对不同程度的阴影遮挡进行检测时,不但能够对高维度的输入数据进行降维,还降低了检测算法的时间复杂度,提升了阵列处于不同程度阴影遮挡时的检测准确率,有效解决了常用的神经网络方法在检测时易出现的训练时间久等问题。
金文婷[5]（2021）在《黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究》文中研究表明黄河是中华民族的母亲河。目前,黄河正面临严峻的生态环境和水资源利用挑战。一方面,近四十年来,黄河流域经济社会快速发展,水资源需求不断增加,黄河水沙情势发生改变,呈现出水资源严重短缺、水生态环境受损、河道泥沙淤积等突出问题,制约着黄河流域的生态保护和可持续发展。另一方面,受气候变化和人类活动影响,近年来黄河径流量呈减少趋势,使得缺水及生态问题进一步突出。梯级水库群在防洪、生态、供水、发电、输沙等方面发挥着显着作用,承担着支撑社会经济发展和保障河流生态健康的重要使命。为了推进黄河流域生态保护和高质量发展,亟需研究径流减少背景下黄河梯级水库群“水-沙-电-生态”多维协同控制与均衡调控,重点保障水资源多目标利用的关键利益,为黄河梯级水库群调度下供水、发电、输沙、生态多目标形成协同有序、利益均衡提供理论依据。本文以黄河梯级水库群为研究对象,从水资源高效利用的角度出发,以水文学、水资源学、系统工程学、计算机科学、协同学以及混沌理论为指导,系统地提出一套梯级水库群“水-沙-电-生态”多维协同控制与均衡调控、调度系统混沌特征识别与引导的理论与方法体系,以期为径流减少背景下存在多目标激烈竞争关系的梯级水库群优化调度提供理论支撑和技术指导。主要研究内容和成果如下:（1）基于协同学提出了梯级水库群“水-沙-电-生态”多维协同控制理论,确定了梯级水库群“水-沙-电-生态”多维协同控制的总体原则,即在保障各目标关键利益的基础上,通过统筹协调、甚至必要时适度牺牲非关键利益来实现水库群“水-沙-电-生态”多维协同控制;识别了黄河上游及中下游供水、发电、输沙、生态各目标的关键利益与非关键利益,选取了相应的序参量,确定了序参量阈值,为构建梯级水库群“水-沙-电-生态”多维协同控制模型奠定了理论基础。（2）构建了黄河梯级水库群“水-沙-电-生态”多维协同控制模型（协同模型）及传统的梯级水库群多目标调度模型（传统模型）,采用层次分析法确定协同模型的序参量权重,运用粒子群优化算法对两种模型进行求解。验证算例的协同模型与传统模型结果对比表明:协同模型以较小牺牲4.35%的非关键发电利益换取了多目标利益（尤其是关键利益）较传统模型的全面提高,验证了协同模型的有效性与合理性。协同模型更加符合缺水流域在多目标竞争激烈背景下的水资源高效利用要求,为梯级水库群调度下“水-沙-电-生态”多目标在时段间形成协同有序提供了技术支撑。（3）提出了基于满意边界的时段内多目标均衡调控方法,以促使协同模型结果在逐时段内达到多目标利益均衡。引入满意度概念以衡量时段内单目标的利益满足程度,由时段单目标满意度的最大、最小值所构成的区间作为“满意边界”,通过合理的方法获取各目标的满意边界;以满意边界为依据对协同模型结果进行逐时段多目标利益均衡检验,对时段内满意边界遭到破坏的目标进行调控,以确保时段内多目标利益均在满意边界内;为梯级水库群调度下“水-沙-电-生态”多目标在时段内实现利益均衡提供了科学支撑。（4）提出了梯级水库群多目标调度系统混沌特征识别与引导方法。引入混沌理论及相关概念,论证了梯级水库群多目标调度系统为非线性动态系统,具有混沌特征;提出了以梯级水库群逐时段“水-沙-电-生态”多目标满意度闭合面积时间序列作为表征水库群调度系统运行状态的混沌时间序列,用于提取混沌特征指标（关联维数及Kolmogorov熵）;评价多目标利益均衡调控是否有利于降低梯级水库群调度系统的混沌特征,引导水库群调度系统向减小混沌程度与复杂程度的方向演进;为选取混沌特征较小的梯级水库群运行方案提供了科学的理论依据。（5）以黄河上游径流变异点（1990年）为分界,对1960～1989年及1990～2015年两个径流序列的黄河上、中下游梯级水库群“水-沙-电-生态”多维协同控制与均衡调控最终方案进行分析,量化了径流减少对黄河梯级水库群“水-沙-电-生态”多目标利益的影响;在梯级水库群“水-沙-电-生态”多维协同控制与均衡调控的指导下,各目标关键利益受损程度明显小于非关键利益的受损程度,体现了所提理论与方法在径流减少的背景下以各目标关键利益为保障重点的战略优势。（6）设置了 2030水平年现有水利工程条件及有古贤水库两种情景;通过对1990～2015年径流序列的黄河上、中下游梯级水库群“水-沙-电-生态”多维协同控制与均衡调控最终方案分析,量化了河道外综合需水增加及古贤水库生效对黄河梯级水库群“水-沙-电-生态”多目标利益的影响,分析了古贤水库参与联合运行后黄河中下游梯级水库群运行方式的变化。
孔波[6]（2021）在《大型跨流域调水工程泵站-水库-电站群多目标优化调配研究》文中进行了进一步梳理引汉济渭工程的修建是为了缓解随着社会经济快速发展,陕西关中地区面临的严重的缺水问题,工程将汉江水跨流域调至渭河关中平原,届时将形成外调水、当地地表水和地下水多水源联合调配的格局。其中,跨流域多水源的径流规律分析、水资源优化调配是该工程亟待解决的关键问题。因此,本论研究了引汉济渭跨流域调水的径流规律、水资源优化调度与合理配置模型,取得的主要研究成果如下:（1）阐明了汉江和渭河主要水库、水文站的多年平均径流量的周期性、趋势性、变异性特征,揭示了研究区的径流演变规律,结果表明:两个流域的径流都存在周期性变化,都呈现减小趋势,都存在变异;（2）采用Copula联合分布函数,揭示了汉江、渭河流域径流的丰枯遭遇规律,结果表明:两个流域丰枯同步的概率皆大于丰枯异步的概率,不利于调水,经过一致性修正,发现变异后两个流域丰枯同步的概率减小,丰枯异步的概率增大,径流变异对调水有利;基于层次交集、最小平方逼近和权重平均等综合方法,选取了跨流域典型年,选取的丰水年、偏丰水年、平水年、偏枯水年、枯水年分别为:1983年、1992年、2008年、1997 年、1971 年;（3）建立了泵站-水库-电站群多目标优化调度模型,采用自迭代法和改进布谷鸟算法求解模型,获得了调水量、发电量、耗电量多目标的最优解集曲线和非劣解集,揭示了调水、发电与泵站耗能之间博弈关系,结果表明:总调水量满足多年平均调水量15亿m3的要求,电站的多年平均发电量大于泵站的多年平均耗电量;（4）考虑多水源、多用户建立并求解了引汉济渭水资源优化配置模型,破解了跨流域调水过程中多水源、多用户的配置难题,结果表明:调水工程建成后,受水区的生活用水和生态用水基本满足,但二产、三产缺水程度相对较大,尤其是三产,中水回用可以有效的满足生态用水。
陈婧[7]（2021）在《含光热电站的热电联供型微网鲁棒经济调度研究》文中指出近年来,我国大力推动新能源发展,然而风电等清洁能源的出力不稳定性,增加了微电网的调度难度。因此,如何安全、经济地运行含新能源的微电网系统成为研究热点。而光热发电（Concentrated solar power,CSP）是一种大规模利用太阳能的相对可控的发电形式,可实现光-热-电之间的能量转化。其具有储热装置能够在太阳下山后依然将光能转换成电能,可以输出比较稳定的电功率,有效缓解光能的不确定性。且在光热电站、风电站和常规机组组成联合系统发电时,能够通过光热电站的储热装置调节光热电站的出力,在风电出力高峰期,光热电站的储热装置将部分热能储存起来,以提高风电利用率;在风电出力低谷期,储热装置可以释放热量,增加出力,缓解切负荷现象,提高系统稳定性。所以在风、光等联合供电系统中,科学配置光热电站,能够提高可再生能源电力渗透率、减小系统峰谷差、降低系统投资运行成本。除此之外,CSP电站还可直接供热以满足微电网热负荷需求。因此,提出在热电联供型微电网中引入光热电站,并结合风电站、常规发电机组、蓄电池装置、电加热器等能量转换装置构建一种含光热电站热电联供型微网（Concentrated solar power-combined heating and power microgrid,CSP-CHPMG）具有非常重要的研究意义。本文首先对国内外开展的光热电站、鲁棒优化、高斯混合模型、多目标优化算法等方面的研究进行了分析和总结。介绍了目前在多能源联合发电系统中对风电和负荷需求的不确定性问题处理的不足,并在此基础上提出了基于机会约束高斯混合模型描述不确定性集合的含光热电站热电联供型微网鲁棒经济调度的优化方案。其次,梳理了含光热电站热电联供型微网结构,详细介绍了光热电站的内部结构和工作原理,以及电加热器、余热回收装置、蓄电池装置和风电站的数学模型,并说明了光热电站对光能出力不确定性问题的改善作用。接着,说明了机会约束不确定性集合的构建方法及高斯混合模型的应用原理,并以风电功率预测误差为例,验证了高斯混合模型拟合得到的风电功率预测误差的概率密度分布曲线的准确性,求得了风电功率预测误差的不确定性集合和负荷预测误差的不确定性集合。然后,提出了以微电网系统成本最小化与鲁棒度最大化为目标,建立了含光热电站热电联供型微网鲁棒经济调度模型,综合考虑了系统的经济性和鲁棒性并对电负荷进行需求响应处理。而且介绍了多目标分子微分进化算法的寻优原理及计算流程。最后,设定了五种不同的调度模式,并对比分析了不同的调度模式下的微电网运行情况。验证了本文所提出的基于机会约束高斯混合模型的含光热电站热电联供型微网鲁棒经济调度方法的有效性。
甄皓[8]（2021）在《多源互补微电网能量智能预测及优化管理》文中研究表明
刘战伟[9]（2021）在《考虑气象信息径流预报的巨型梯级水电短期优化调度研究》文中提出近些年来,随着澜沧江小湾、糯扎渡,红水河龙滩、天一、天二等巨型水电站的陆续投产,我国西南地区水电装机规模经历了迅猛增长,装机容量大、跟踪负荷快、调节灵活等特点使巨型梯级成为电网调峰的主要电源。然而,径流预报精度不足、灵敏的水力联系及复杂的电力联系使得巨型梯级水电站群在短期优化调度过程中面临弃水和调峰两大难题。以西南巨型梯级电站为研究对象,本文从考虑气象信息的径流预报、共享隧洞的巨型电站短期调度及考虑水流滞时精确建模的“一库多级”式巨型梯级调峰三方面开展研究,力求获得满足实际要求的巨型梯级电站精细化短期调度方法,以减少水电弃水,改善梯级水电调峰效果。主要工作及取得的成果如下:（1）提出耦合气象信息和梯度提升回归树的多步日径流预报框架。所提框架以气象数据和地面站点监测数据作为输入,应用基于最大互信息系数的方法进行输入选择和基于梯度提升回归树的预报模型进行径流预报,使用六个常用的指标进行预报结果评估。以澜沧江小湾电站为例进行1-10天的多步日径流预报,结果显示所提出日径流预报框架可以改善多步预见期的径流预报精度,这种改善对于较长的预见期尤为显着。（2）提出多机组共享隧洞巨型水电站短期优化调度方法。针对存在多机组共享隧洞的巨型水电站短期调度问题,建立了一个混合整数线性规划模型（mixed-integer linear programming,MILP）,并提出了一个基于毛水头的迭代求解方法进行求解。该模型不仅考虑了水头变化、多机组共享隧洞水头损失、机组启停耗水,还考虑了穿越振动区耗水,耦合了一种新的通用的穿越振动区的建模方法。南盘江天生桥二级水电站实例结果表明,本文方法可以有效解决多机组共享隧洞巨型电站短期调度和穿越振动区难题,是一种切实可行的求解方法。（3）提出耦合水流滞时精确建模方法的巨型水电站梯级调峰模型。针对巨型水电站梯级的水流滞时建模精度不足的问题,提出了水流滞时精确建模方法及其参数确定流程,并将其耦合到调峰调度模型中。同时,提出了非线性约束的聚合、线性化区域的选择和周期性假设等三个模型改进策略提升求解模型的速度,降低了求解误差。红水河龙滩电站为首的一库六梯级实例结果表明,所提水流滞时建模方法可充分考虑水流演进动态特性,降低调峰调度偏差,所提调峰调度模型充分发挥了水电调峰作用,调峰效果明显。最后,对全文研究工作进行总结,并对需要进一步进行研究的方向进行了展望。
刘懿[10]（2021）在《含电加热装置和光热电站的多源发电系统优化调度研究》文中认为近年来,环境污染和能源危机等问题日益突出。为此大力发展新能源发电技术能在一定程度上缓解这些问题,特别是风力发电在能源结构中发挥着越来越重要的作用。但是,风电出力的波动性给电力系统调度增加了难度;此外,风电和直接光照强度（direct normal irradiance,DNI）预测精准性与调度前瞻性之间的矛盾愈发突出,可能使得系统产生风险。在此背景下,研究风电与其他可再生能源进行互补协调调度来提高系统经济性和风电消纳能力,具有重要意义;此外,为准确量化风电并网带来的影响,制定综合考虑经济性和安全性的调度策略也是一个值得研究的课题。论文的主要研究内容如下:首先,本文简明地介绍了太阳能光热发电（concentrating solar power,CSP）的优点,以及分别介绍了光热发电调度、光热-风电联合调度中的不确定性和优化算法的研究现状,为后文模型建立和问题求解作了准备;其次,分别介绍了风机、电加热装置（electric heater,EH）以及含储热光热电站的结构和工作原理,结合含储热CSP电站良好的调节能力和EH的风电消纳能力,构建了风电与EH-CSP电站联合运行模型,该模型能有效平抑风电出力的波动性以及弥补风光预测误差较大的不足;然后,采用了多场景分析的方法考虑系统中风电和DNI的不确定性,并在此基础上,引用条件风险价值来度量调度成本不确定性风险;接着,建立了由火电厂、CSP电站、EH和风电场组成的多源发电系统运行框架,以多个场景集下的综合成本最低为目标,充分考虑多源发电系统中各设备的运行约束条件,构建了计及条件风险成本的含EH-CSP电站多源发电系统优化调度模型;最后,为了实现对复杂场景、非线性、多约束的多源发电系统优化调度模型求解,本文引入精英存档策略和多核并行运算技术,提出了一种含精英存档的并行微分进化鲸鱼优化算法对该模型进行求解。在改进的IEEE-30节点系统进行算例仿真。表明了本文所提模型能有效地提高风电消纳能力和CSP电站的调度灵活性,实现系统综合成本最小化;通过设置不同的置信度能反映不确定性引起的系统风险水平,为调度人员提供决策依据。同时,也验证了所提算法的有效性和优越性。
二、改进遗传算法在电站经济运行中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、改进遗传算法在电站经济运行中的应用（论文提纲范文）
（1）含光伏发电的电力系统功率预测和动态环境经济调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要公式符号字母对照表 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 光伏发电预测研究现状 |
| 1.2.1 光伏发电预测系统研究现状 |
| 1.2.2 光伏发电预测技术研究现状 |
| 1.3 电力系统环境经济调度研究现状 |
| 1.4 论文研究内容 |
| 2 基于QFWA-SVM模型的短期电力负荷预测 |
| 2.1 短期电力负荷预测方法概述 |
| 2.2 支持向量机 |
| 2.3 烟花算法 |
| 2.4 量子烟花算法优化支持向量机模型 |
| 2.4.1 量子烟花算法 |
| 2.4.2 QFWA-SVM模型 |
| 2.5 算例分析 |
| 2.6 本章小结 |
| 3 基于ICEEMDAN-IF-MPSO-SVM模型的短期光伏发电功率预测 |
| 3.1 SVM模型在光伏发电功率预测中存在的问题 |
| 3.2 CEEMDAN算法 |
| 3.3 PSO算法 |
| 3.4 ICEEMDAN-IF-MPSO-SVM模型 |
| 3.4.1 光伏发电功率分解 |
| 3.4.2 IMF的识别与分组 |
| 3.4.3 MPSO-SVM预测模型 |
| 3.4.4 光伏发电功率最终预测模型 |
| 3.4.5 预测结果评价 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 4 基于OVMD-IPSO-LSTM模型的短期光伏发电功率预测 |
| 4.1 LSTM模型在光伏发电功率预测中存在的问题 |
| 4.2 VMD算法 |
| 4.3 互信息 |
| 4.4 长短期记忆网络 |
| 4.5 OVMD-IPSO-LSTM模型 |
| 4.5.1 模态数量优化 |
| 4.5.2 惩罚因子优化 |
| 4.5.3 IPSO-LSTM预测模型 |
| 4.5.4 光伏发电功率最终预测模型 |
| 4.5.5 预测结果评价 |
| 4.6 算例分析 |
| 4.7 本章小结 |
| 5 基于组合模型的短期光伏发电功率预测 |
| 5.1 遗传算法优化小波神经网络模型 |
| 5.1.1 小波分析 |
| 5.1.2 小波神经网络 |
| 5.1.3 遗传算法 |
| 5.1.4 GA-WNN预测模型 |
| 5.2 基于熵值法的组合模型 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 6 基于多目标优化的含光伏发电的电力系统动态环境经济调度 |
| 6.1 多目标优化问题 |
| 6.2 NSGA-Ⅱ算法 |
| 6.3 改进PSO算法 |
| 6.4 NSGA-Ⅱ-PSO算法 |
| 6.5 含光伏发电的电力系统动态环境经济调度模型 |
| 6.5.1 动态多目标优化问题 |
| 6.5.2 优化目标函数 |
| 6.5.3 约束条件 |
| 6.5.4 动态多目标优化调度建模及求解 |
| 6.6 算例分析 |
| 6.7 本章小结 |
| 7 结论 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
（2）高铁新能源微电网规划定容及调度优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实际意义 |
| 1.3 国内外研究现状 |
| 1.3.1 高铁供电安全研究现状 |
| 1.3.2 新能源发电并入牵引供电系统研究现状 |
| 1.3.3 基于能源互联网的微电网定容研究现状 |
| 1.3.4 基于能源互联网的微电网调度研究现状 |
| 1.4 研究思路及主要研究内容 |
| 1.4.1 研究思路 |
| 1.4.2 主要研究内容 |
| 1.5 创新点 |
| 第2章 高铁新能源微电网及相关基础理论 |
| 2.1 高铁供电理论 |
| 2.1.1 高铁供电系统基本架构 |
| 2.1.2 牵引供电原理 |
| 2.2 高铁新能源微电网牵引供电 |
| 2.2.1 可行性及必要性 |
| 2.2.2 高铁新能源微电网牵引供电的特殊性 |
| 2.2.3 重点研究内容 |
| 2.3 相关理论基础 |
| 2.3.1 牵引供电安全理论 |
| 2.3.2 定容优化理论 |
| 2.3.3 调度优化理论 |
| 2.3.4 多目标优化理论 |
| 2.4 本章小结 |
| 第3章 高铁新能源牵引供电安全性测度方法研究 |
| 3.1 高铁新能源牵引供电安全性测度的重要性 |
| 3.2 风险识别 |
| 3.2.1 历史电力机车故障分析 |
| 3.2.2 新能源发电并网的影响 |
| 3.2.3 风险因子 |
| 3.3 高铁新能源牵引供电安全性测度 |
| 3.3.1 高铁新能源牵引供电安全测评体系 |
| 3.3.2 高铁新能源牵引供电安全系数 |
| 3.4 本章小结 |
| 第4章 高铁新能源微电网规划方法研究 |
| 4.1 新能源发电并入牵引供电系统的并入方式 |
| 4.1.1 特征分析 |
| 4.1.2 并入方式的选取 |
| 4.2 高铁新能源微电网的构建原则 |
| 4.3 高铁新能源微电网的基本架构 |
| 4.4 建立高铁新能源微电网的核心技术 |
| 4.4.1 能源互联网技术 |
| 4.4.2 区块链技术 |
| 4.5 本章小结 |
| 第5章 基于安全约束的高铁新能源微电网定容模型研究 |
| 5.1 高铁新能源微电网定容主要相关因素分析 |
| 5.1.1 新能源发电预测 |
| 5.1.2 牵引负荷预测 |
| 5.2 “源-源-储”互动调节机制 |
| 5.3 基于安全约束的高铁新能源微电网定容模型 |
| 5.3.1 MOPEC模型框架 |
| 5.3.2 目标函数 |
| 5.3.3 约束条件 |
| 5.4 基于改进型量子遗传算法求解 |
| 5.4.1 量子遗传算法基本原理 |
| 5.4.2 改进型量子遗传算法基本原理 |
| 5.4.3 改进型量子遗传算法流程 |
| 5.5 算例仿真 |
| 5.5.1 输入数据 |
| 5.5.2 参数设置 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 第6章 基于安全约束的高铁新能源微电网调度模型研究 |
| 6.1 高铁新能源微电网调度的基本原则 |
| 6.1.1 高铁“源-网-车-储”多环节互动机制 |
| 6.1.2 情景分析 |
| 6.2 基于安全约束的高铁新能源微电网调度模型 |
| 6.2.1 目标函数 |
| 6.2.2 约束条件 |
| 6.2.3 模型求解 |
| 6.3 算例仿真 |
| 6.4 本章小结 |
| 第7章 高铁新能源微电网综合效益评价模型研究 |
| 7.1 高铁新能源微电网综合效益评价指标体系 |
| 7.1.1 评价指标体系构建原则 |
| 7.1.2 评价指标体系的构建 |
| 7.2 高铁新能源微电网综合效益评价模型基本理论 |
| 7.2.1 模糊神经网络 |
| 7.2.2 模糊神经网络原理 |
| 7.3 高铁新能源微电网综合效益评价模型 |
| 7.3.1 模型的构建 |
| 7.3.2 模型评价过程 |
| 7.4 算例仿真 |
| 7.4.1 数据预处理 |
| 7.4.2 模型求解 |
| 7.4.3 结果分析 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结果与结论 |
| 8.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）雅砻江下游梯级水电站多尺度联合优化调度（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展及存在的问题 |
| 1.2.1 中长期水库调度 |
| 1.2.2 短期水库调度 |
| 1.2.3 多时间尺度耦合的水库调度 |
| 1.2.4 梯级水库群优化调度求解方法 |
| 1.2.5 存在问题 |
| 1.3 研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 研究区域概况及基本资料 |
| 2.1 雅砻江流域概况 |
| 2.2 水库电站基本资料 |
| 2.3 本章小结 |
| 3 雅砻江下游梯级电站中长期发电优化调度研究 |
| 3.1 梯级水电站中长期优化调度模型的构建 |
| 3.1.1 长时间尺度多目标优化调度模型 |
| 3.1.2 中时间尺度发电优化调度模型 |
| 3.2 模型求解算法 |
| 3.2.1 权重法求解多目标模型 |
| 3.2.2 遗传算法 |
| 3.3 模型优化结果分析 |
| 3.3.1 长时间尺度优化调度结果分析 |
| 3.3.2 中时间尺度优化调度结果分析 |
| 3.4 本章小结 |
| 4 考虑滞时影响的梯级电站短期调峰优化调度研究 |
| 4.1 滞时影响 |
| 4.2 同步调峰策略 |
| 4.3 短时间尺度调峰优化调度模型的构建 |
| 4.3.1 电量效益最大模型 |
| 4.3.2 电网余荷波动最小模型 |
| 4.3.3 电量-调峰综合效益最大模型 |
| 4.4 模型优化结果分析 |
| 4.4.1 电量效益最大模型优化调度结果分析 |
| 4.4.2 调峰效益最大模型优化调度结果分析 |
| 4.4.3 电量-调峰综合效益最大模型优化调度结果分析 |
| 4.5 本章小结 |
| 5 梯级水电站多时间尺度嵌套调度研究 |
| 5.1 多时间尺度嵌套耦合关系 |
| 5.1.1 上级模型对下级模型的逐级约束关系 |
| 5.1.2 下级模型对上级模型的逐级反馈关系 |
| 5.1.3 多时间尺度嵌套耦合调度的实现 |
| 5.2 多时间尺度嵌套耦合模型建模求解 |
| 5.2.1 基于TOPMODEL模型的径流模拟 |
| 5.2.2 发电优化调度模型及PID模型的构建 |
| 5.2.3 PID模型参数率定方法 |
| 5.3 多时间尺度嵌套耦合调度研究实例 |
| 5.3.1 TOPMODEL模型模拟结果分析 |
| 5.3.2 多时间尺度逐级约束调度 |
| 5.3.3 多时间尺度逐级反馈调度 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（4）基于支持向量机的光伏阵列阴影遮挡智能检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遮阴现象及其应对方法研究现状 |
| 1.2.2 阵列阴影遮挡检测方法研究现状 |
| 1.3 本文研究工作 |
| 1.4 本文结构安排 |
| 1.5 本章小结 |
| 2 阵列的数学模型及其输出特性曲线 |
| 2.1 光伏系统组构成及常用拓扑结构 |
| 2.1.1 光伏系统的构成 |
| 2.1.2 光伏组件连接拓扑研究 |
| 2.2 不同辐照度下光伏阵列的数学模型 |
| 2.2.1 正常辐照度下光伏电池的数学模型 |
| 2.2.2 阴影遮挡下光伏阵列的数学模型 |
| 2.3 不同辐照度下光伏阵列的输出特性 |
| 2.3.1 无阴影遮挡下阵列的输出特性 |
| 2.3.2 轻度阴影遮挡下阵列的输出特性 |
| 2.3.3 中度阴影遮挡下阵列的输出特性 |
| 2.3.4 重度阴影遮挡下阵列的输出特性 |
| 2.4 不同温度状况下阵列的输出特性研究 |
| 2.4.1 温度升高时光伏阵列的输出特性 |
| 2.4.2 温度下降时光伏阵列的输出特性 |
| 2.5 本章小结 |
| 3 阴影遮挡下最大功率极值点跟踪算法的研究 |
| 3.1 光伏发电系统最大功率跟踪原理 |
| 3.2 传统的最大功率点跟踪方法 |
| 3.2.1 开环MPPT方法 |
| 3.2.2 闭环MPPT方法 |
| 3.2.3 智能MPPT方法 |
| 3.3 改进型MPPT算法 |
| 3.3.1 确定搜索策略 |
| 3.3.2 滚动式电压平均策略 |
| 3.3.3 反向寻压策略 |
| 3.3.4 自适应变步长策略 |
| 3.4 系统仿真及结果分析 |
| 3.4.1 固定辐照度下的跟踪结果 |
| 3.4.2 变化辐照度下的跟踪结果 |
| 3.5 本章小结 |
| 4 基于功率极值点跟踪的光伏阵列阴影遮挡检测方法研究 |
| 4.1 阴影遮挡检测方法简介 |
| 4.2 光伏阵列阴影遮挡检测方法设计 |
| 4.2.1 SVM算法 |
| 4.2.2 LDA算法 |
| 4.2.3 人工蜂群算法 |
| 4.2.4 ABC-SVM模型的建立 |
| 4.3 阴影遮挡检测仿真验证 |
| 4.3.1 数据的获取 |
| 4.3.2 特征量的提取 |
| 4.3.3 ABC优化支持向量机 |
| 4.3.4 仿真实验分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（5）黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究（论文提纲范文）
| Abstract |
| 1.绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 水库群多目标优化调度研究进展 |
| 1.2.2 协同学在水资源领域研究进展 |
| 1.2.3 混沌理论在水文水资源领域研究进展 |
| 1.3 存在的问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 2.研究区域概况及资料 |
| 2.1 黄河流域概况 |
| 2.1.1 地形地貌与气候特征 |
| 2.1.2 河流水系及河段概况 |
| 2.1.3 水资源利用概况 |
| 2.1.4 泥沙与生态状况 |
| 2.2 数据资料分析 |
| 2.2.1 径流资料 |
| 2.2.2 综合需水资料 |
| 2.3 黄河干流梯级水库群概况 |
| 2.4 小结 |
| 3.基于协同学的梯级水库群“水-沙-电-生态”多维协同控制理论 |
| 3.1 协同学及其用于研究梯级水库群多目标调度系统可行性分析 |
| 3.1.1 协同学概述 |
| 3.1.2 基于协同学研究梯级水库群多目标调度系统的可行性分析 |
| 3.2 梯级水库群“水-沙-电-生态”多维协同控制理论 |
| 3.2.1 梯级水库群“水-沙-电-生态”多维协同控制原则 |
| 3.2.2 关键利益与非关键利益识别及序参量选取 |
| 3.2.3 序参量阈值确定 |
| 3.3 小结 |
| 4.梯级水库群“水-沙-电-生态”多维协同控制模型构建及验证 |
| 4.1 梯级水库群“水-沙-电-生态”多维协同控制模型构建 |
| 4.1.1 序参量有序度量化 |
| 4.1.2 子系统有序度量化 |
| 4.1.3 多维协同控制模型构建 |
| 4.1.4 序参量权重确定方法 |
| 4.2 粒子群优化算法模型求解 |
| 4.3 传统梯级水库群多目标优化调度模型构建 |
| 4.4 多维协同控制模型有效性验证 |
| 4.4.1 模型验证算例选取 |
| 4.4.2 协同模型验证算例的有序度分析 |
| 4.4.3 协同模型与传统模型的结果对比分析 |
| 4.5 小结 |
| 5.基于满意边界的利益均衡调控及调度系统混沌特征识别与引导 |
| 5.1 基于满意边界的时段内多目标利益均衡调控 |
| 5.1.1 满意边界获取 |
| 5.1.2 时段内多目标利益均衡调控 |
| 5.2 混沌理论及混沌特征识别方法 |
| 5.2.1 混沌的定义与概念 |
| 5.2.2 相空间重构 |
| 5.2.3 关联维数 |
| 5.2.4 Kolmogorov熵 |
| 5.3 梯级水库群多目标调度系统混沌特征识别 |
| 5.4 多目标利益均衡调控与系统混沌特征引导流程 |
| 5.5 小结 |
| 6.径流减少对黄河梯级水库“水-沙-电-生态”多目标利益的影响 |
| 6.1 1960~1989、1990~2015 径流序列水文改变度分析 |
| 6.2 1960~1989 序列调控结果分析 |
| 6.2.1 上游“水-沙-电-生态”多维协同控制与均衡调控结果 |
| 6.2.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
| 6.3 1990~2015 序列调控结果分析 |
| 6.3.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
| 6.3.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
| 6.4 径流减少影响分析 |
| 6.4.1 对上游多目标利用影响分析 |
| 6.4.2 对中下游多目标利用影响分析 |
| 6.5 小结 |
| 7.2030水平年黄河梯级水库群多目标协同控制与均衡调控 |
| 7.1 现有水利工程情景 |
| 7.1.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
| 7.1.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
| 7.2 有古贤水库情景 |
| 7.2.1 上游“水-沙-电-生态”协同控制与均衡调控结果 |
| 7.2.2 中下游“水-沙-电-生态”协同控制与均衡调控结果 |
| 7.3 小结 |
| 8.结论与展望 |
| 8.1 结论 |
| 8.2 主要创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）大型跨流域调水工程泵站-水库-电站群多目标优化调配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 水库优化调度研究进展 |
| 1.2.2 水资源配置研究进展 |
| 1.2.3 跨流域水资源调配研究面临的问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 研究区概况 |
| 2.1 汉江流域概况 |
| 2.1.1 地形地貌 |
| 2.1.2 河流水系 |
| 2.1.3 水资源量 |
| 2.1.4 降水蒸发 |
| 2.2 渭河流域概况 |
| 2.2.1 地形地貌 |
| 2.2.2 河流水系 |
| 2.2.3 水资源量 |
| 2.2.4 降水蒸发 |
| 2.3 调水工程基本资料 |
| 3 跨流域径流演变特征及丰枯遭遇分析 |
| 3.1 研究方法 |
| 3.1.1 径流特征分析方法法 |
| 3.1.2 丰枯遭遇分析方法 |
| 3.2 径流演变特征分析 |
| 3.2.1 汉江径流的演变特征分析 |
| 3.2.2 渭河径流的演变特征分析 |
| 3.3 径流丰枯遭遇分析 |
| 3.3.1 汉江流域径流丰枯遭遇分析 |
| 3.3.2 渭河流域径流丰枯遭遇分析 |
| 3.3.3 渭河与汉江流域径流丰枯遭遇分析 |
| 3.4 本章小结 |
| 4 跨流域典型年选择研究 |
| 4.1 典型年选择方法 |
| 4.1.1 层次交集法 |
| 4.1.2 最小平方逼近法 |
| 4.1.3 基于熵权的权重平均法 |
| 4.2 层次交集法选择典型年 |
| 4.3 最小平方逼近法选择典型年 |
| 4.4 基于熵权的权重平均法选择典型年 |
| 4.5 推荐典型年 |
| 4.6 本章小结 |
| 5 泵站-水库-电站群多目标优化调度研究 |
| 5.1 研究思路 |
| 5.2 模拟调度 |
| 5.2.1 调度节点图 |
| 5.2.2 模拟调度模型 |
| 5.2.3 模型求解方法 |
| 5.2.4 调度结果分析 |
| 5.2.5 典型年的调水结果分析 |
| 5.3 泵站-水库-电站群联合调度 |
| 5.3.1 多目标优化调度模型 |
| 5.3.2 模型求解方法 |
| 5.3.3 调度结果分析 |
| 5.3.4 典型年的调水结果分析 |
| 5.4 本章小结 |
| 6 受水区水资源的多目标优化配置研究 |
| 6.1 供需水预测 |
| 6.1.1 需水预测 |
| 6.1.2 供水预测 |
| 6.1.3 供需平衡分析 |
| 6.2 多目标优化配置模型 |
| 6.2.1 模型构建思路 |
| 6.2.2 单水源配置模型 |
| 6.2.3 单水源配置模型求解 |
| 6.2.4 多水源配置模型 |
| 6.2.5 多水源配置模型求解 |
| 6.3 水资源合理配置成果分析 |
| 6.3.1 配置成果 |
| 6.3.2 配置结果分析 |
| 6.4 本章小结 |
| 7 多目标优化调配方案评价研究 |
| 7.1 评价方法 |
| 7.1.1 单层次模糊优选模型 |
| 7.1.2 多层次模糊优选模型 |
| 7.1.3 层次分析法确定权重 |
| 7.2 调度方案评价 |
| 7.2.1 评价指标体系构建 |
| 7.2.2 调度方案评价 |
| 7.3 配置方案评价 |
| 7.3.1 评价指标体系构建 |
| 7.3.2 水量配置方案评价 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）含光热电站的热电联供型微网鲁棒经济调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 前言 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 光热电站的研究现状 |
| 1.3.2 鲁棒优化方法的研究现状 |
| 1.3.3 高斯混合模型的研究现状 |
| 1.3.4 CSP-CHPMG鲁棒经济调度分析 |
| 1.3.5 多目标优化算法的研究现状 |
| 1.4 解决方案与关键技术 |
| 1.5 本文主要工作 |
| 第二章 含光热电站热电联供型微网模型 |
| 2.1 光热电站模型 |
| 2.2 电加热器模型 |
| 2.3 余热回收装置模型 |
| 2.4 蓄电池装置模型 |
| 2.5 风电站模型 |
| 第三章 CSP-CHPMG内不确定性问题的研究 |
| 3.1 鲁棒优化方法 |
| 3.2 高斯混合模型 |
| 3.3 机会约束不确定性集合 |
| 3.4 风电功率预测误差的不确定性集合 |
| 3.5 负荷预测误差的不确定性集合 |
| 3.6 本章小结 |
| 第四章 CSP-CHPMG鲁棒经济调度模型 |
| 4.1 需求响应 |
| 4.2 优化目标 |
| 4.3 约束条件 |
| 4.4 模型的确定性转化 |
| 4.5 求解算法 |
| 4.5.1 微分进化算法 |
| 4.5.2 分子微分进化算法 |
| 4.5.3 多目标分子微分进化算法 |
| 4.6 本章小结 |
| 第五章 CSP-CHPMG鲁棒经济调度结果分析 |
| 5.1 模型的参数设置 |
| 5.2 对比方案的构建 |
| 5.3 优化结果的对比分析 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（9）考虑气象信息径流预报的巨型梯级水电短期优化调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 面临的关键问题 |
| 1.2.1 考虑多步预见期的日径流预报问题 |
| 1.2.2 多机组共享隧洞的水电站短期调度问题 |
| 1.2.3 耦合复杂水流滞时的水电调峰调度问题 |
| 1.3 国内外研究进展 |
| 1.3.1 问题解析与概述 |
| 1.3.2 日径流预测输入选择研究 |
| 1.3.3 共享隧洞巨型电站短期调度研究 |
| 1.3.4 巨型水电梯级滞时建模研究 |
| 1.4 主要研究内容及框架 |
| 2 耦合气象信息和梯度提升回归树的多步日径流预报 |
| 2.1 本章引论 |
| 2.2 研究区域 |
| 2.3 气象数据集处理 |
| 2.4 径流预报框架 |
| 2.4.1 基于最大互信息系数的输入选择方法 |
| 2.4.2 梯度提升回归树 |
| 2.4.2.1 决策树 |
| 2.4.2.2 Boosting算法 |
| 2.4.3 模型的评估准则 |
| 2.4.4 总体框架 |
| 2.5 结果和讨论 |
| 2.5.1 输入选择结果 |
| 2.5.2 超参数优化 |
| 2.5.3 输入比较 |
| 2.5.4 模型比较 |
| 2.5.5 特征重要性 |
| 2.6 本章小节 |
| 3 多机组共享隧洞巨型水电站短期优化调度 |
| 3.1 本章引论 |
| 3.2 数学模型 |
| 3.2.1 目标函数 |
| 3.2.2 约束条件 |
| 3.3 模型求解 |
| 3.3.1 区间流量输入 |
| 3.3.2 共享隧洞的处理 |
| 3.3.3 振动区穿越的建模 |
| 3.3.4 基于毛水头的迭代求解方法 |
| 3.3.5 求解流程 |
| 3.4 工程示例 |
| 3.4.1 工程背景 |
| 3.4.2 参数选择 |
| 3.4.3 耗水结果及水头过程分析 |
| 3.4.4 机组出力过程分析 |
| 3.4.5 穿越振动区结果分析 |
| 3.4.6 算法稳定性分析 |
| 3.5 本章小节 |
| 4 一库多级式巨型水电站群日调峰调度 |
| 4.1 本章引论 |
| 4.2 数学模型 |
| 4.2.1 目标函数 |
| 4.2.2 约束条件 |
| 4.3 模型求解 |
| 4.3.1 汇流系数法 |
| 4.3.2 周期性假设 |
| 4.3.3 非线性约束的聚合 |
| 4.3.4 线性化区域的选择 |
| 4.3.5 分段线性近似 |
| 4.3.6 求解流程 |
| 4.4 工程示例 |
| 4.4.1 工程背景 |
| 4.4.2 入库流量模拟结果比较 |
| 4.4.3 日调峰调度模型输入条件 |
| 4.4.4 重新计算出力误差比较 |
| 4.4.5 调峰效果比较 |
| 4.4.6 入库径流重新计算结果比较 |
| 4.5 本章小节 |
| 5 结论和展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间科研项目及科研成果 |
| 致谢 |
（10）含电加热装置和光热电站的多源发电系统优化调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 光热发电调度研究现状 |
| 1.3 光热-风电联合调度中的不确定性研究现状 |
| 1.4 优化算法研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 风电与EH-CSP电站联合运行机理分析 |
| 2.1 风力发电机 |
| 2.1.1 风力发电机结构 |
| 2.1.2 风力发电原理分析 |
| 2.2 电加热装置原理分析 |
| 2.3 光热电站运行原理分析 |
| 2.3.1 光热电站分类介绍 |
| 2.3.2 塔式光热电站原理及基本组成 |
| 2.4 风电与EH-CSP电站联合运行机理 |
| 2.5 本章小结 |
| 第三章 概率场景下基于CVaR的风险度量 |
| 3.1 场景生成与缩减方法 |
| 3.1.1 风电和DNI预测误差概率分布模型 |
| 3.1.2 场景生成 |
| 3.1.3 场景缩减 |
| 3.2 条件风险价值的定义 |
| 3.3 概率场景下基于CVaR的风险度量 |
| 3.4 本章小结 |
| 第四章 计及条件风险成本的含EH-CSP电站多源发电系统优化调度模型 |
| 4.1 多源发电系统运行框架 |
| 4.2 计及条件风险成本的含 EH-CSP 电站多源发电系统优化调度模型 |
| 4.3 约束条件 |
| 4.4 本章小结 |
| 第五章 多源发电系统优化调度算法研究 |
| 5.1 微分进化算法 |
| 5.2 含精英存档策略的微分进化鲸鱼算法 |
| 5.3 并行计算 |
| 5.3.1 Matlab并行计算 |
| 5.3.2 任务分解策略 |
| 5.3.3 并行分配策略 |
| 5.3.4 同步通讯策略 |
| 5.4 含精英存档的并行微分进化鲸鱼算法流程 |
| 5.5 本章小结 |
| 第六章 计及条件风险成本的含EH-CSP电站多源发电系统优化调度算例分析 |
| 6.1 算例参数 |
| 6.2 方案对比及分析 |
| 6.3 调度结果分析 |
| 6.4 置信水平影响分析 |
| 6.5 本章小结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
四、改进遗传算法在电站经济运行中的应用（论文参考文献）
- [1]含光伏发电的电力系统功率预测和动态环境经济调度研究[D]. 刘彦辉. 东北农业大学, 2021
- [2]高铁新能源微电网规划定容及调度优化研究[D]. 田立霞. 华北电力大学(北京), 2021(01)
- [3]雅砻江下游梯级水电站多尺度联合优化调度[D]. 龚芝瑞. 西安理工大学, 2021(01)
- [4]基于支持向量机的光伏阵列阴影遮挡智能检测方法研究[D]. 王悦. 西安理工大学, 2021(01)
- [5]黄河梯级水库群“水-沙-电-生态”多维协同控制与与均衡调控研究[D]. 金文婷. 西安理工大学, 2021
- [6]大型跨流域调水工程泵站-水库-电站群多目标优化调配研究[D]. 孔波. 西安理工大学, 2021(01)
- [7]含光热电站的热电联供型微网鲁棒经济调度研究[D]. 陈婧. 华东交通大学, 2021(01)
- [8]多源互补微电网能量智能预测及优化管理[D]. 甄皓. 华北电力大学(北京), 2021
- [9]考虑气象信息径流预报的巨型梯级水电短期优化调度研究[D]. 刘战伟. 大连理工大学, 2021(01)
- [10]含电加热装置和光热电站的多源发电系统优化调度研究[D]. 刘懿. 华东交通大学, 2021(01)
标签：新能源论文; 光伏发电论文; 太阳能光伏发电系统论文; 光伏发电原理论文; 新能源技术论文;