导读:本文包含了机组调配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:机组,算法,算子,粒子,混沌,节能,模型。
机组调配论文文献综述
周永灿,吴英俊[1]（2019）在《节能发电调度模式下的AGC机组调配策略研究》一文中研究指出AGC(自动发电控制)机组的调配是辅助服务中的一项重要内容。由于AGC服务与有功电力之间具有较强的耦合性,节能发电调度下如何协调AGC和有功电力是一个值得研究的问题。利用层次分析法对AGC机组的各方面要素进行量化,并通过算例与发电序位表对所提两种方案进行对比分析,为节能发电调度模式下AGC机组的调配提供参考。(本文来源于《浙江电力》期刊2019年05期）
黄伟峰[2]（2015）在《自动发电控制策略及其机组经济性调配研究》一文中研究指出随着电网规模的不断扩大,区域系统间联系愈发紧密,结构越来越复杂,不确定性扰动明显增多,如何保障互联电网的安全稳定运行日益成为备受关注的重要课题。维持电网频率及区域系统间联络线功率的稳定,是保障电网安全稳定运行的重要方面。自动发电控制(Autom Generation Control,AGC)的重要功能就是维持电网频率在额定值附近,并控制联络线功率在计划值附近。本文针对AGC的研究工作包括两方面:(1)自动发电控制策略的研究,即AGC控制器的设计;(2)AGC机组经济性调配的研究。(1)提出将基于数据驱动的无模型自适应控制算法应用于AGC控制器的设计,仅利用闭环被控AGC系统的输入、输出及影响量量测数据来实现AGC控制器的设计,无需事先掌握被控系统模型的任何内部结构和参数信息。将被控系统所有可能复杂行为特征,如非线性、时变参数、时变结构等,都融入压缩到伪偏导数这一新变量,只需在线调整这一唯一变量,即可实现无模型自适应控制。无模型自适应控制算法包括紧格式、偏格式、全格式叁种控制方式,本文为充分挖掘输入、输出及影响量量测数据的隐含信息,采用全格式无模型自适应控制算法。通过算例对比分析,验证了该算法具有较好的非线性适应性、较强的鲁棒性及良好的控制性能评价标准(Control Perf-ormance Standard,CPS)指标。(2)利用机组选择0-1变量符合遗传算法二进制编码特性,提出将遗传算子引入到模拟植物生长算法中,在算法迭代过程通过采用保留最优组合以及保留最差组合交叉后组合的策略,可在提高算法收敛速度的同时,扩大寻优范围,抑制算法过于早熟,防止陷入局部最优。采用K-means聚类算法对机组进行分类,并且同类机组选取差异较大的变异概率,可进一步扩大寻优范围。采用线性规划法求解当前组合下的最优功率分配值,可实现相同机组调节功率均匀分配。对于多个最优解的存在,可直接算术平均,实现机组调配的公平性。通过算例对比分析,验证了该算法的有效性及优越性。(本文来源于《湖南大学》期刊2015-04-20）
黄伟峰,姚建刚,韦亦龙,刘苏,汤成艳[3]（2015）在《带遗传算子模拟植物生长算法在AGC机组调配经济性中的应用》一文中研究指出建立AGC机组调配调节费用的数学模型,采用一种带遗传算子模拟植物生长算法(Plant Growth Simulation Algorithm,PGSA),应用于机组调配经济性研究。为解决完整模拟植物生长过程全局搜索可能速度过慢的问题,采用最优保留和最差杂交后保留的策略,可在加速计算速度的同时抑制早熟,防止陷入局部最优。此外,为防止新生长点过于聚集,采用K-means聚类算法对机组进行分类,并在长出新生长点时,同类机组选择差异性较大的变异方式。对于存在多个最优解,采用多解平均法,确保机组调配的公平性。通过计算结果对比验证了该算法的合理性及有效性。(本文来源于《电力系统保护与控制》期刊2015年06期）
刘佳青[4]（2014）在《粒子群优化算法在AGC机组调配中的应用》一文中研究指出自动发电控制(AGC)是能量管理系统(EMS)最重要的控制功能，也是电力市场辅助服务的一项重要内容。在计划经济模式下，AGC参与频率和联络线功率调整只是为了确保电力系统运行的稳定性，而没有从经济角度去考虑，电网调度中心根据系统需求和机组性能以行政命令的方式分配调整任务，发电公司的收入只与发电量有关，而与其提供的AGC辅助服务无关。随着电力运营机制改革的深入和电力市场的形成，AGC参与系统调频不再只是简单的运行调度问题，行政和经济隶属关系的变化、利益主体的多元化使得传统AGC面临着许多新的更为复杂的问题。这些问题的解决，是AGC在电力市场下得以进一步发展的前提。目前，电力市场AGC辅助服务问题已经成为众多学者和电力公司的研究热点。本论文对发电侧电力市场AGC机组调配问题进行了研究。文章首先对包括AGC在内的电力市场辅助服务的定义、分类、模式作了概述，分析了电力市场建立后AGC辅助服务的变化以及我国电力市场AGC辅助服务的现状和发展趋势。然后针对现阶段我国发电侧电力市场的特点，建立了发电市场AGC辅助服务的基本框架，阐述了该框架下的AGC机组控制策略，提出了通过对机组历史发电数据进行统计分析以确定系统AGC调节容量和调节速率需求的方法，并通过分析传统AGC软件机组响应测试方法存在的问题，提出了结合机组实际运行过程实时获取调节速率的计算方法。系统AGC调节容量和调节速率需求确定后，即可进行AGC机组的选择。本文提出了基于改进粒子群优化算法的AGC机组调配方案。对利用粒子群优化算法(PSO)求解AGC机组调配问题进行了研究，并对粒子群算法做出了相应改进。最后对系统AGC机组的模拟调配算例表明，本论文所提出的方案算法简单，可操作性强，计算精度较高，能够在满足电力市场AGC运行的安全约束下，降低AGC运行的总费用，从而提高了电网公司、发电公司的经济效益。(本文来源于《华北电力大学》期刊2014-06-01）
王建国,丛聪,韩娜,吴林峰[5]（2013）在《AGC机组调配经济性的改进免疫算法研究》一文中研究指出对于电力市场的买卖双方,成交电量及价格直接关系到厂网的经济效益。采用考虑机组调节容量和调节速度约束条件的机组数学模型,提出了一种解决电力系统AGC(自动发电控制)机组调配问题的改进免疫算法。采用启发式方法产生初始解,对参调机组与参调容量进行双层优化,使优化调度问题的收敛速度和效率有了显着的提高。通过实际系统的算例分析以及与常用算法的效果比较,验证了本算法在优化机组调配经济性方面应用的优越性及有效性。(本文来源于《电力系统保护与控制》期刊2013年18期）
雷啸鹏,江岳文,温步瀛,陈浩珲[6]（2013）在《一种用于AGC机组调配的混沌多Agent双重粒子群算法》一文中研究指出AGC机组调配问题是一个含连续和离散变量的混合非线性优化问题,提出了一种基于混沌多Agent的双重粒子群算法。该算法以混沌和粒子群优化算法以及多Agent技术为基础,利用混沌映射提高初始种群的质量,引入临界算子增强Agent的多样性。在算法迭代中,每一个Agent通过与其随机配置的邻居竞争、合作,并且吸收了粒子群优化算法的进化机制,可以更稳定、快速地收敛到全局最优解。通过算例仿真结果表明,所提出的算法具有质量高的解、稳定性好的收敛特征和快的寻优速度。(本文来源于《电网与清洁能源》期刊2013年06期）
范开明,徐瑞宇,刘永波[7]（2012）在《混合PSO算法在AGC机组调配中的应用》一文中研究指出针对自动发电控制(AGC)机组的调配问题,提出将基本粒子群算法与离散粒子群算法相结合混合建模来求解,从而将电力系统机组调配组合这一整数规划问题分解为具有连续变量和离散变量的2个优化子问题。该方法兼顾了AGC机组的性能和价格因素,具有收敛速度快求解精度高等特点。通过对12机系统的算例分析和与其他算法的结果对比,验证了该方法的可行性和有效性。(本文来源于《陕西电力》期刊2012年06期）
周永灿,李扬,王蓓蓓[8]（2010）在《电力市场环境下2种调度方法对AGC机组调配的影响》一文中研究指出电力市场下自动发电控制(automatic generation control,AGC)机组的调配问题是辅助服务中的一项重要研究内容。由于AGC服务与有功电能具有较强的耦合性,电力市场下如何考虑AGC和有功功率的协调运作是一个值得研究的问题。分别建立了AGC和有功市场联合调度的模型、AGC和有功市场序列调度模型,使购买AGC服务和有功的费用最小。采用遗传算法在对2个模型进行求解,比较了2种调度方法的异同,并考虑了发电商报价策略对2种调度方法的影响,为我国AGC服务的调度模式的选择提供了参考。(本文来源于《电网技术》期刊2010年07期）
孙毅,秦毓毅[9]（2010）在《节能发电调度下AGC机组的优化调配研究》一文中研究指出节能发电调度对AGC机组优化调配提出了新的要求,在新的调度模式下,AGC机组调配应以能耗最低作为目标。首先建立了节能发电调度下AGC机组的优化调配模型,考虑了系统网络约束对调配过程的影响,并采用混沌遗传算法对AGC机组的优化调配问题进行求解。该方法利用混沌扰动抑制遗传算法的早熟,加快了收敛速度,降低了计算时间。优化计算结果同时包含机组组合和负荷分配方案,增强了方法的实用性。(本文来源于《华北电力大学学报(自然科学版)》期刊2010年03期）
白晓磊[10]（2009）在《风力发电功率预测及AGC机组调配的研究》一文中研究指出随着煤、石油、天然气储量的日益减少和二氧化碳等温室气体的不断增加。新能源的利用越来越受到人们的重视,风能作为一种干净的、储量极为丰富的可再生能源,是新能源领域中最重要、开发前景最好的能源之一。由于风能的随机性,风力发电使电力系统中不确定因素增加,对电力系统的安全运行提出了新的挑战。如果能对风电场风速和发电功率进行比较准确的预测,则有利于电力系统调度部门必要时提前调整调度计划,有效的降低风电对电网安全的影响。本文采用支持向量机和改进灰色模型对风速和风力发电功率进行预测比较,并基于风力发电功率预测结果进行AGC机组负荷调配,在满足电网安全的前提下实现电网的经济运行。首先,采用支持向量机方法,使用基于支持向量机的回归估计算法建立了回归估计函数表达式,给出了支持向量机网络结构。考虑风速的高速非线性,将历史数据筛选与预测点相关的数据构成训练样本,并对目标函数进行求解。其次,本文选用了灰色模型对风速进行短期预测,由于灰色GM(1,1)模型的局限性,所得预测结果与实际值误差较大。针对灰色GM(1,1)模型用于风速预测不能有效反映风速周期性变化及精度不高的问题,将GM(1,1)模型推广为GM(1,1,λ)模型,采用差分进化算法求解模型最优解。将两种预测方法得到的预测值对比,选取误差较小的结果进行风力发电功率的预测计算。再次,将风速预测结果结合具体风力发电机功率特性曲线进行风力发电功率预测计算,将所得结果用于风电场输出功率建模,为后文的AGC机组调配提供数据支持。最后,本文对AGC机组的负荷分配进行了讨论,在风电场输出功率预测值的基础上,计算电力系统所需的AGC调节容量。建立以调节费用最低为目标的函数模型,采用遗传算法对模型进行求解,得到AGC机组的机组起停、负荷分配和AGC最低调配费用。此外,本文采用Matlab语言,实现了基于风电功率下的AGC机组调配方案设计。(本文来源于《北京交通大学》期刊2009-06-16）
机组调配论文开题报告
（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：
随着电网规模的不断扩大,区域系统间联系愈发紧密,结构越来越复杂,不确定性扰动明显增多,如何保障互联电网的安全稳定运行日益成为备受关注的重要课题。维持电网频率及区域系统间联络线功率的稳定,是保障电网安全稳定运行的重要方面。自动发电控制(Autom Generation Control,AGC)的重要功能就是维持电网频率在额定值附近,并控制联络线功率在计划值附近。本文针对AGC的研究工作包括两方面:(1)自动发电控制策略的研究,即AGC控制器的设计;(2)AGC机组经济性调配的研究。(1)提出将基于数据驱动的无模型自适应控制算法应用于AGC控制器的设计,仅利用闭环被控AGC系统的输入、输出及影响量量测数据来实现AGC控制器的设计,无需事先掌握被控系统模型的任何内部结构和参数信息。将被控系统所有可能复杂行为特征,如非线性、时变参数、时变结构等,都融入压缩到伪偏导数这一新变量,只需在线调整这一唯一变量,即可实现无模型自适应控制。无模型自适应控制算法包括紧格式、偏格式、全格式叁种控制方式,本文为充分挖掘输入、输出及影响量量测数据的隐含信息,采用全格式无模型自适应控制算法。通过算例对比分析,验证了该算法具有较好的非线性适应性、较强的鲁棒性及良好的控制性能评价标准(Control Perf-ormance Standard,CPS)指标。(2)利用机组选择0-1变量符合遗传算法二进制编码特性,提出将遗传算子引入到模拟植物生长算法中,在算法迭代过程通过采用保留最优组合以及保留最差组合交叉后组合的策略,可在提高算法收敛速度的同时,扩大寻优范围,抑制算法过于早熟,防止陷入局部最优。采用K-means聚类算法对机组进行分类,并且同类机组选取差异较大的变异概率,可进一步扩大寻优范围。采用线性规划法求解当前组合下的最优功率分配值,可实现相同机组调节功率均匀分配。对于多个最优解的存在,可直接算术平均,实现机组调配的公平性。通过算例对比分析,验证了该算法的有效性及优越性。
（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。
机组调配论文参考文献
[1].周永灿,吴英俊.节能发电调度模式下的AGC机组调配策略研究[J].浙江电力.2019
[2].黄伟峰.自动发电控制策略及其机组经济性调配研究[D].湖南大学.2015
[3].黄伟峰,姚建刚,韦亦龙,刘苏,汤成艳.带遗传算子模拟植物生长算法在AGC机组调配经济性中的应用[J].电力系统保护与控制.2015
[4].刘佳青.粒子群优化算法在AGC机组调配中的应用[D].华北电力大学.2014
[5].王建国,丛聪,韩娜,吴林峰.AGC机组调配经济性的改进免疫算法研究[J].电力系统保护与控制.2013
[6].雷啸鹏,江岳文,温步瀛,陈浩珲.一种用于AGC机组调配的混沌多Agent双重粒子群算法[J].电网与清洁能源.2013
[7].范开明,徐瑞宇,刘永波.混合PSO算法在AGC机组调配中的应用[J].陕西电力.2012
[8].周永灿,李扬,王蓓蓓.电力市场环境下2种调度方法对AGC机组调配的影响[J].电网技术.2010
[9].孙毅,秦毓毅.节能发电调度下AGC机组的优化调配研究[J].华北电力大学学报(自然科学版).2010
[10].白晓磊.风力发电功率预测及AGC机组调配的研究[D].北京交通大学.2009
论文知识图
