电力系统风险调度的智能优化方法研究

《电力系统风险调度的智能优化方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文电力系统风险调度的智能优化方法研究作者姓名韩传家工程领域电气工程校内指导教师华栋讲师、余涛教授校外指导教师李正佳所在学院电力学院论文提交日期2017年11月IntelligentOptimizationMethodforPowerSystemRisk-basedEconomicdispatchADissertationSubmittedfortheDegreeofMasterCandidate：HanChuanjiaSupervisor:HuaDongYuTaoSouthChinaUniversityofTe

2、chnologyGuangzhou,China分类号：TM711学校代号：10561学号：201521011845华南理工大学硕士学位论文电力系统风险调度的智能优化方法研究作者姓名：韩传家指导教师姓名、职称：华栋讲师、余涛教授申请学位级别：工程硕士工程领域名称：电气工程论文形式：□产品研发□工程设计□应用研究□工程/项目管理□调研报告研究方向：电力系统风险调度；可靠性评估论文提交日期：2017年11月26日论文答辩日期：2018年3月18日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：孟安波委员：余涛、

3、刘前进、华栋、汪涓娟华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：2017年11月22日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门

4、或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：□保密，在年解密后适用本授权书。不保密,同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。(请在以上相应方框内打“√”)作者签名：日期：2017年11月22日

5、指导教师签名：日期：2017年11月22日作者联系电话：电子邮箱：联系地址(含邮编)摘要针对电力系统运行过程中负荷及故障的不确定性，在经济调度中引入风险评估原理，建立了风险经济调度的数学模型。采用概率性的风险模型，采用效用函数描述故障后的节点电压越限风险与支路过载风险。为了提高风险调度求解的质量与效率，提出了一种全新的基于知识迁移的细菌觅食强化学习优化算法。该算法将细菌觅食算法的寻优模式与Q学习算法的试错迭代机制结合，利用多主体协同合作来更新共有的知识矩阵，并以基于知识延伸的维度缩减方式避免了“维数灾难”。在预学习获得最优知

6、识矩阵后，利用知识迁移加速在线学习进程。IEEERTS-79测试系统的仿真结果表明：所提算法在保证获得高质量最优解的同时，寻优速度可达经典智能算法的9~20倍，非常适合求解大规模复杂电网的风险调度快速优化。为保证电力系统能在风电、光伏出力以及负荷波动等不因素的影响下仍能安全稳定运行，提出了一种全新的风险鲁棒调度的数学模型。模型采用非序贯蒙特卡洛模拟法对供需系统的电量不足期望进行计算，并采用模糊机会约束的优化方法保证发电策略满足鲁棒性的要求。为保证多目标问题求解的质量，采用帕累托部落进化算法进行求解，算法可以动态地将帕累托前沿

7、分段并赋予不同的个体以不同的地位，以实现精细化的局部搜索和个体间的协同搜索。通过10机系统的仿真验证了风险鲁棒调度与帕累托部落算法的效果与实用意义。关键字：风险调度，知识迁移，风险鲁棒调度，帕累托优化IAbstractFortheuncertaintyoftheloadandfaultduringtheoperationofpowersystem,theriskassessmenttheoryisintroducedintoeconomicdispatch.Moreover,thispaperproposesanovelkn

8、owledgetransferbacteriaforagingoptimization(TBFO)forrisk-basedeconomicdispatch,whichisdevelopedbycombiningbacteriaforagingoptimization(BFO)andthe