[01586228]电力系统多约束多目标智能优化调度理论与方法研究

近年来，智能计算理论已成为解决各类复杂工程优化问题的有效方法和研究热点。智能计算理论包括神经网络、模糊系统和模拟社会学、生物学和自然现象等思想提出的各类进化计算方法，其中以粒子群和膜系统为代表的进化计算方法被广泛应用于函数优化、电力系统、故障诊断等领域。该项目针对电力系统智能优化调度和串行脉冲神经模系统通用计算模型开展了一些研究工作，主要研究内容及创新点如下： 1.针对常规火电机组组成的电力系统，提出了存在多重约束情况下的电力系统多目标优化调度模型。 模型当中体现了经济成本、阀点效应、多种燃料特性以及污染排放成本等多个目标，同时考虑了功率平衡、出力约束、禁止运行区约束、爬坡率限制等多重约束条件，使得建立的模型尽可能接近反映实际系统的运行情况。 2.针对风电功率的随机性和间歇性特征，其接入电网会影响到电力系统的安全运行和优化调度，提出了含不确定风电功率的电力系统多目标优化调度模型。 模型依据风速双参数威布尔概率模型推导出风电功率的概率模型，进而考虑风电功率的直接成本、风电功率高估旋转容量成本和低估惩罚成本，从而克服了风电功率不确定性对并网电力系统的优化调度影响，为实现风电并入电网的全局优化运行提供基础。 3.围绕电力系统调度优化问题的智能求解，提出了基于学习模式和改进策略的多目标混合粒子群算法。 引入最优信息共享和混沌发散两种机制，设计了串并行两种混合学习模式，提出了两类重力粒子群混合优化求解算法。基于线性系统理论分析了所提算法参数的收敛轨迹，得出了算法收敛的充分条件，运用随机过程理论对所提算法证明了它们的全局收敛性。最后将该算法用于电力系统多目标优化调度模型的求解，验证了所提算法的可靠性和先进性。 4.围绕脉冲神经膜系统的生物计算模型，提出了基于最大/最小脉冲数的串行脉冲神经膜系统。 考虑相同的规则集合和时间间隔编码方式，证明了作为数的产生装置和接受装置，提出了基于最大脉冲数的带权均质脉冲神经膜系统和基于最小脉冲数的不带时延脉冲神经膜系统，使得提出的神经膜系统结构简单、形式统一、相互合作，表现出较强的计算能力。 5.围绕模拟电路状态故障诊断与预测问题，提出了基于特征向量的智能状态监测方法。 通过提取输出电压为特征参量，生成模拟电路的健康度数据，用于模拟电路故障预测；利用核熵成分分析方法优选小波分形维的特征维数，采取支持向量机和粒子群等多种智能优化算法进行故障诊断模型的建立。 上述研究成果主要发表在International Journal of Electrical Power & Energy Systems(IF：3.432)、Applied Soft Computing(IF：2.679)、Nonlinear Dynamics(IF：3.009)和Theoretical Computer Sciences(IF：0.665)等国际重要期刊上，得到了国内外同行专家的积极评价和认可。根据检索报告结论可知，8篇代表性论文SCI总被引频次达到63次，SCI他引频次达到58次，他引期刊包括Applied Energy、Energy、Information　Sciences和Energy Conversion and Management等国际著名二区以上的期刊，这说明课题组的工作得到了同行们的重要肯定。