一、电力系统最优潮流的分布式并行算法（论文文献综述）
刘懿[1]（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》文中指出近年来,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。
陈哲[2]（2021）在《含高比例风电的电力系统备用优化与分布式调度研究》文中进行了进一步梳理含高比例风电的电力系统是未来智能电网发展的重要特征,也是促进能源低碳转型的重要途径。然而由于风电出力本质上具有很强的波动性、间歇性与不确定性,高比例风电并网对系统的调峰能力和备用能力提出了新的要求,也给系统调度运行带来了新的挑战。为了提升系统风电消纳能力,保障全网用电安全,需要优化配置系统的运行备用容量。目前相关研究大都针对单一调度主体的发电机组备用进行优化,未能对当前系统风电消纳能力进行合理的评估,也未能综合考虑多个调度主体与多种调控资源的协同优化对提升系统运行灵活性的作用。在此背景下,本文从“多场景”、“多资源”、“多层级”与“多区域”四个角度对含高比例风电的电力系统备用优化问题开展了理论研究,并提出了分布式调度框架对多主体协同调度问题进行求解,主要总结如下:1)在“多场景”方面,首先提出了最优风电消纳比的概念以评估系统的风电消纳能力,并保证多种可能的风电出力场景下系统的风电消纳水平。随后基于这一概念,进一步建立了两阶段联合机会约束备用优化模型,协同优化日前机组组合方式与备用容量,通过调节机会约束的置信度可实现系统运行经济性与安全性的平衡。该模型同时计及了电池储能装置对提升系统运行灵活性的作用。最后,为了避免多场景协同求解造成优化问题规模过大的缺陷,同时提升算法的收敛性,提出了一种仅检验最优性的双线性Benders分解法。算例分析表明,该方法较原求解方法计算效率可提高一个数量级以上。2)在“多资源”方面,首先通过对风电场备用、激励型需求侧响应与价格型需求侧响应等多种备用资源进行建模,充分发挥了各类备用资源对提升系统运行灵活性的潜力。随后,进一步基于两阶段自适应鲁棒优化,建立了一种多备用资源协同的鲁棒优化模型。该模型采用不确定集刻画了风电出力的不确定性,保证了最恶劣运行场景下系统的安全运行,并可以通过调整不确定集的大小实现系统运行经济性与安全性的平衡。最后,采用目前最先进的列约束生成算法对所提模型进行了求解,并通过算例验证进一步分析得到了各种备用资源的适用场景以及对系统风电消纳能力的影响。3)在“多层级”方面,为充分利用主动配电网中的资源,首先构建了一种输配耦合电力系统协同鲁棒备用优化模型。该模型不仅确定了预调度阶段输配电网边界功率,也优化了风电出力偏离预测值时的边界功率调整区间,以促进多层级协同应对风电出力的不确定性。同时该模型基于鲁棒优化刻画了输配电网中风电不确定性以及配电网等效负荷不确定性,保证了边界功率的平衡。随后,基于交替方向乘子法建立了输配耦合电网区域分解机制,并证明了其可行性。进一步建立了一种分布式调度框架,保障了区域内的信息私密性,降低了层级间的通信压力。最后,提出了一种双层迭代求解策略,提升了算法的收敛性,算例分析也验证了该方法获得的调度方案满足工程应用要求。4)在“多区域”方面,建立了一种基于风险的多区互联电力系统鲁棒备用优化模型。首先通过对联络线功率及可调区间进行优化,协同配置了多区域发电资源,促进了区域间备用共享,提升了系统运行经济性与风电消纳能力。随后,通过将风电出力概率分布函数引入到两阶段鲁棒模型中,评估了系统运行风险,优化了所考虑不确定集的大小,获得了合理的可消纳风电域,实现了系统运行经济性与安全性的平衡。最后,基于交替方向乘子法建立了多区互联电力系统的分布式调度架构,并采用了动态乘子更新策略,以解决对偶类分布式算法参数选择的难题并提升算法的收敛性,算例验证了所获得调度方案的最优性。
王涛[3]（2021）在《基于快速自适应解析式的电力系统分布式多目标最优潮流优化算法》文中研究说明在开放电力市场的形势下,各区域电网之间出现了合作与竞争共存的现象,各区域电网之间联系日益密切,保证各区域信息私密性问题显得尤为关键。在大数据信息化时代背景下,由于大规模互联电力系统运行调度过程中对数据计算、储存和信息传递等方面的要求日益增长,集中式处理方法已无法满足需求。因此,利用分布式优化方法解决电力系统优化调度问题显得尤为关键。另外,电网当前运行需要从经济性、可靠性和环保性等方面来考虑,即电力系统优化问题不只是单目标优化问题,更要考虑其发电成本和二氧化碳排放量等多种因素的影响。为解决上述问题,本文提出了一种基于快速自适应解析式的电力系统分布式多目标最优潮流优化算法,该算法仅需要交换少量边界信息,就能够解决分布式多目标潮流优化问题,同时满足区域之间信息私密性的需求。本文将该算法应用于复杂互联电力系统多目标潮流优化模型中,通过仿真结果对算法的收敛性、稳定性和快速性等特点进行了探讨和分析,具体研究内容和成果如下:首先,本文选择将电力系统运行过程中产生的发电成本和二氧化碳排放量作为目标函数进行优化。所提算法利用模糊优化方法,将多目标优化问题变为求解最大化最小隶属度函数的单目标优化问题,通过对比最大满意度函数值来评价所求折中解的优劣性。其次,推导交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）和辅助问题原则法（Auxiliary Problem Principle,APP）的数学模型,在这两种算法的基础上,提出了两种改进的分布式多目标潮流优化算法,即基于ADMM算法的自适应交换目标值分布式多目标优化算法（Adaptive interchange objective value based on alternating direction method of multipliers method,AIOV-ADMM）和基于APP算法的自适应交换目标值分布式多目标潮流优化算法（Adaptive interchange objective value based on auxiliary problem principle method,AIOV-APP）。改进后的算法可以达到自适应更新迭代步长的效果,这样可以提高算法的收敛速度,取得更符合要求的满意度函数值。最后,本文通过母线撕裂和构建虚拟联络线的方式,搭建复杂仿真模型共计五个,其中,两区域仿真模型有IEEE118节点、IEEE300节点和1472节点电力系统,三区域仿真模型有IEEE118节点、418节点电力系统。将所提算法应用于构建的仿真模型中,通过分析仿真结果,验证了所提算法在解决分布式多目标潮流优化问题时,具有收敛性、快速性和稳定性等特点。所提算法相比较于原始算法能够取得更好的优化效果,同时,证明了所提算法在电力系统分布式多目标潮流优化中的可行性。
颜融[4]（2021）在《基于数据驱动的电力系统暂态稳定评估》文中认为随着近年来新能源发电、智能数字电网、特高压输电互联等新兴技术的高速发展,电力系统面临着全网耦合性强、源荷随机性大以及动态复杂性高等挑战,这对电力系统安全稳定运行带来了较大影响。本文借助于以人工智能为代表的数据驱动等使能技术,针对电力系统暂态稳定评估问题展开了深入的研究工作,旨在提高暂态稳定评估模型精度和计算效率。主要研究工作总结如下:首先,本文提出了暂态稳定快速批量评估算法框架,通过构建的级联式卷积神经网络为待评估样本自适应选择仿真时间窗口,在保证评估结论准确的前提下尽早终止时域仿真,以减轻批量评估任务的整体计算负担。该算法从已有稳定性结论的样本中“学习”,并基于所设计的反馈学习机制不断针对模型进行自适应更新,以进一步提升模型针对不同运行方式的泛化能力。此外,本文进一步设计了基于信息熵的优先评估策略,在分析待评估样本所含信息量的基础上,动态调度评估任务队列,以加速模型性能提升。该算法在保证评估结论准确的前提下降低了批量评估计算负担,使得在有限时间内获取足够用于在线评估模型构建的暂态稳定样本成为可能。其次,为了应对配电网络日益广泛接入的分布式电源等新型设备对输电网络稳态及暂态特性之影响,弥补传统负荷模型的不足,实现输配电系统联合分析等目的,本文进一步提出了基于不对称图学习的生成对抗网络模型,该模型可借助少量真实配网数据,在不泄露关键信息的前提下捕获真实配电网络的拓扑和电气特性,进而生成三相不对称配电网络。此外,所提出的方法还可以有效地生成时序负荷数据并合理配置各类电网元件,使得生成的配电网络兼具真实性与实用性。再次,为了满足在线稳定评估实时获取系统故障信息的需求,本文提出了混联输电线路单端故障定位算法,构建了“云端滚动训练,边缘实时推断”的电力系统嵌入式人工智能应用范式。该范式将云端训练或更新的故障定位深度学习模型分布式的部署于数据侧嵌入式人工智能模块中,借助本地电压和电流等高密度流式数据进行故障定位。该框架有效解决了因量测数据高采样率特性而导致的定位时延高等问题,可满足后续在线稳定评估与监测任务的应用需求。本文最后提出了基于数据驱动的暂态稳定边界生成与在线稳定评估算法框架。借助于所构建的暂态稳定指标及其伴随灵敏度,加速了关键暂态稳定样本（重）采样进程,以在稳定边界附近的高信息熵区域加速生成足够的关键暂态样本,为生成稳定边界提供了数据基础。此外,为解决稳定边界构建问题所面临的“维数灾”、“组合爆炸”等挑战,本文提出了关键运行及扰动场景筛选机制,进一步减少了电力系统边界生成任务的搜索空间与计算规模。借助该算法框架,稳定边界可根据系统当前及预测运行点在线自适应更新,进而由此构建出一套暂态稳定在线评估与监测框架。
张田[5]（2021）在《基于混合智能算法的小水电配电网无功优化研究》文中研究说明小水电作为一种发展潜力巨大的新型清洁能源,它具有技术完善、经济效益好等优势。但是,现阶段的小水电发电还多见于边缘地区的供电系统,通常情况下会与10k V等母线进行直接并网操作。另一方面,小水电电网除了会随着季节以及地域等因素而发生变化以外,还存在供电半径长、导线截面积小等问题。综上,大量接入小水电会引起正常电网电压性能的稳定性下降。此外,小水电电网持续发电能力上的缺陷也势必加大电压输出稳定性控制的难度,导致电网系统的经济效益减少,因此,如何提高小水电电网系统的无功优化控制,从而稳定系统电压、降低网损,具有非常大的研究价值和应用价值。本文从小水电的发展状况以及国内外无功优化现状入手,介绍了目前主流的传统优化算法和人工智能算法的原理和优缺点。着重分析了小水电接入配电网带来的电压越限、无功分布不合理和线路损耗增加问题,提出构建基于小水电配电网的多目标无功优化数学模型,以网损最小为目标函数,电压偏移量与无功补偿量为罚函数。将包括发电机端电压在内的多个配电网参数作为控制变量,并介绍了配电网潮流计算方法。针对传统算法在求解小水电配电网无功优化、多目标问题上耗时长等问题,提出混合智能算法。重点阐述了遗传算法、多智能体算法的理论基础及主要特点,提出了基于多智能体和伪并行遗传算法的智能混合型求解算法。根据遗传算法的内在并行性和小水电站的特点,提出伪并行遗传算法。研究多智能体协同配合机制,针对多智能体自主、反应、社会等特点,将多智能体协作机制和网格环境引入到伪并行遗传算法中,增加了遗传算法跳出局部最优解的概率,在改进遗传算子的基础上引入了自学习算子,可使得系统传输数据量减小,增强系统多样性,从而能以较快速度收敛于全局最优解。本文基于MATLAB平台实现了算法的程序设计工作,分别采用辐射状IEEE 13标准节点和环状IEEE 30标准节点对含有小水电接入的配电网进行了仿真运算,将运算结果与传统的遗传算法以及多智能体遗传算法进行对比分析,结果表明本文所提出的算法在降低系统网损、提高电网电压质量等方面具有显着优势,而且大幅地提高了运算速度,具有更强的全局寻优能力。
商俊杰[6]（2021）在《基于并行海鸥算法的电力系统无功功率优化》文中指出无功优化（Reactive Power Optimization）是实现电网的安全、经济、可靠运行目标的至关重要的途径之一,同时也是提升电能质量,降低线路损耗的重要手段。通过无功优化,合理配置无功功率,不仅可以降低电网运行过程中的有功功率损耗,而且可以稳定系统电压,保证电力系统合理运行。本文采用并行海鸥算法（Parallel Seagull Optimization Algorithm,PSOA）对无功优化问题进行求解,以提升电网的运行效率。本文的工作内容主要分为以下四点:（1）分析了海鸥算法（Seagull Optimization Algorithm,SOA）的运行原理,SOA算法是属于元启发类进化算法,其关键特征是模拟海鸥种群“迁徙”和“攻击”行为。SOA算法具有收敛速度快,寻优能力强、收敛精度高等优点,但是在求解一些复杂的高维度优化问题时,原始SOA算法会出现早熟,陷入局部最优解现象,最终导致算法无法收敛到全局最优解。为了进一步提高SOA算法的寻优能力,引入并行更新策略以及自适应螺旋形状参数,提出了PSOA算法。（2）电网的复杂性导致无功优化问题包含了很多等式约束条件、不等式约束条件。在处理状态变量的不等式约束条件时,引入可行域原则,通过统计状态变量越界次数,判断解的可用性,避免传统罚函数法中繁琐的惩罚因子选取,极大提高算法运行效率。（3）电力系统无功优化是建立在潮流计算基础上的,常用的潮流计算方法有:牛顿-拉夫逊法和P-Q分解法。根据不同系统运行需求,无功优化问题数学模型是不同的。对于单目标无功优化问题,从经济方面考虑,考虑有功网络损耗最小作为目标函数;对于多目标无功优化问题,先考虑电网运行的经济性和稳定性,以电网网损最小和静态电压稳定裕度最大这两个目标函数,通过归一化处理,并使用加权法对其转换。（4）对PSOA算法进行性能测试验证以及电力系统无功优化验证,在MATLAB 2018b的环境下,对IEEE-14节点系统和IEEE-30节点系统分别进行单目标和多目标的无功优化仿真实验,并与SOA算法、PSO算法和MVO算法进行对比,结果表明PSOA算法具有更好的全局收敛能力和寻优性能,能够有效地降低网络损耗,同时还能提高电力系统电压稳定性,保证现代电网运行安全可靠。
张辰毓[7]（2021）在《多能流网络模型与区域综合能源系统优化调度研究》文中研究表明新一轮能源革命的背景下,世界能源发展方向逐渐由扩能保供,转向至如何调整能源系统结构,优化能源系统运行,提高能源发展的质量和效益。多能耦合与综合能源系统是推动能源革命有力进行的重要技术手段与应用支撑。该文围绕区域综合能源系统（district-level integrated energy system,DIES）优化调度从三个维度展开分析:DIES多能耦合模型基础、量化系统多元不确定因素的通用场景分析方法以及基于能源-信息系统融合的优化调度方式。本文重点工作内容及创新点如下:（1）梳理分析了 DIES的基础物理模型,从能量站的角度,抽象出描述多能流转换与平衡关系的能量枢纽模型及其拓展模型,并从局部精细化建模角度,详细分析了能量枢纽的各细分单元;从能源网络的角度,为降低DIES计算分析的复杂性,论述了基于异质能流形式统一的建模方法,定量描述了能量传输的物理特性,完成了稳态与动态的多能流状态评估分析。（2）提出了多源耦合通用的动态场景分析,从多时空角度有效量化不确定因素给系统造成的影响,为多维度协同运行与决策提供有力模型与场景支撑。首先由预测误差驱动拟合多源功率预测误差概率分布,全面反映随机功率出力信息,提高模型泛化性;以时序相关范围参数为数据驱动关联变量,高效动态控制波动强度;最终场景生成利用逆变换映射思想保证置信度。然后针对典型场景提取,提出一种综合递归聚类思想的多段嵌套削减算法,结合改进Wasserstein概率距离指标,兼具准确、时效、稳定方面的优势。最后由对比实验论证该方法的前沿有效性。（3）针对能量-信息系统融合的优化调度问题,基于信息-物理系统（cyber-physical system,CPS）框架,考虑到能量流与信息流存在跨学科优化问题,为保证各系统优化的自主性及交互优化的一致性,引入多学科设计优化的全局优化策略,具体采用改进并行子空间算法（concurrent subspace optimization,CSSO）完成对DIES能量-信息系统一体化优化建模与求解。该模型首先对能源系统与信息系统从各自学科角度进行独立系统分析,再引入径向基函数神经网络搭建双系统之间的多学科响应面关系,即建立了双向耦合关系,最终在一体化系统级完成全局性优化。总体上利用“分解与协调”的思想实现了在CPS框架下能源-信息系统互联互动的DIES全局性优化调度,并由对比实验论证该方法的经济性优势。
林咨良[8]（2021）在《基于交替方向乘子法的综合能源系统配置与运行优化研究》文中研究说明随着各类能源转换及耦合技术的不断发展,以电为中心的综合能源系统近年来有着快速发展。与此同时,信息通信技术正在不断完善,其与能源系统的结合既带来了便利的优势,也增加了联合系统的复杂度,为信息能源系统的研究带来了新的挑战。本文针对电力、天然气为主体的综合能源系统,采用交替方向乘子法（Alternative Direction Multiplier Method,ADMM）为优化求解方法,对多场景配置问题及信息耦合下的优化运行问题展开了研究。本文的主要研究内容及贡献如下:（1）针对于电-气混联系统长期多场景的配置优化问题,构建了考虑天然气动态特性、可再生能源不确定性及储能寿命特性的问题模型,并基于ADMM构建了一种解耦求解框架,将原问题解耦为了配置子问题与各个场景下的子问题,相互迭代获得最优解。算例仿真中表明,该框架在长期多场景问题中,有效避免了集中式求解中问题复杂度较高的问题,具有较好的可扩展性。此外,本文还在配置过程中考虑了配网运行灵活性的问题,通过灵敏性分析研究了天然气网络在系统灵活性提升方面的积极作用。（2）对于信息物理系统下的电-气综合能源系统韧性问题,本文首先对信息网络层与能源物理层在信息传递、能源供应及线路结构上的关联约束进行构建。然后基于差分化的天然气动态潮流模型,考虑了网络结构在信息连通性与物理重构上的联系,提出了一种灾后网络拓扑重构下的信息物理耦合系统韧性优化模型。进一步,采用一种韧性-经济性两步优化策略,第一步以失负荷量最小为目的进行配网网络重构,进而在确定的网络基础上采用改进ADMM进行了分布式求解。最后在算例仿真的基础上,验证了所提模型策略的有效性。（3）针对于信息交互丢包环境下采用ADMM优化的信息耦合能源系统,本文从多种信息交互模式的交替方向乘子法入手,研究了高斯-赛德尔型交替方向乘子法（Gauss-Seidel Alternative Direction Multiplier Method,GS-ADMM）、雅克比型交替方向乘子法（Jacobian Alternative Direction Multiplier Method,J-ADMM）及近似雅克比型交替方向乘子法（Proximal Jacobian Alternative Direction Multiplier Method,PJ-ADMM）的信息交互模式并通过电-气混联系统经济性优化算例比较了差异性。同时,展开了信息交互丢包较高情况下ADMM优化分析,采用跳过、前值迭代、预测补偿等策略提高了算法在丢包环境下的优化性能,并通过算例仿真验证了所提应对策略的有效性。
田越[9]（2021）在《微电网潮流计算以及最优潮流方法的研究》文中研究说明随着可再生能源在电力系统中的渗透率不断提高,国内外对微电网的研究和应用迎来新的发展。分布式发电在电能质量、节能减排、能源利用率和供电可靠性方面的有着显着的优势。但是分布式电源的增加改变了电力系统的运行规范,并且可能会对电力系统产生负面影响,例如逆向潮流、多电源环网和多节点类型等问题,这些问题是传统潮流分析方案无法解决的。传统潮流计算方法已经不能满足微电网的需求,研究精确并且高效的微电网潮流计算以及最优潮流分析算法具有理论意义和实际价值。本课题主要研究内容如下:（1）微电网并网潮流分析是潮流计算的基础。首先建立风力发电系统、光伏发电系统、燃料电池发电系统和微型燃气轮机发电系统的数学模型,并针对前推回代潮流算法只能处理PQ类型节点的不足进行改进,提出了基于前推回代法微电网并网潮流计算。并在33节点微电网系统中进行潮流计算,实现了分布式电源的并网潮流分析。（2）提出了一种基于改进前推回代法的孤岛微电网的潮流计算。该算法的参考节点的电压和系统频率成为潮流分析中的附加变量,采用改进之后的前推回代方程来更新各节点的电压,每次迭代结束时更新参考节点电压和系统频率。与PSCAD仿真相比,提出的改进前推回代法可以真实地反映孤岛微电网运行情况。（3）为实现微电网最优潮流的高效计算,提出一种基于平方松弛内点法的微电网最优潮流分析算法,该方法针对内点法计算时需要加入惩罚函数,并且为了保证计算时算法的收敛性,将内点法中松弛变量改为平方项。最后,通过仿真实验,验证了算法的有效性,并且可以提高了最优潮流的计算效率。
张晨[10]（2020）在《多区域互联的电力系统安全约束机组组合分布式优化调度研究》文中指出多区域互联电力系统通常由多个区域子系统通过联络线相互连接组成,比如,中国的南方电网和西北电网这样的由多个省级电网组成的多区域互联电力系统。这种多区域互联系统在保证电力系统安全稳定运行和可靠供电的前提下,减少单位电能生产中能耗和污染物排放。多区域互联电力系统与单区域电力系统的本质区别在于,互联电力系统通常由多个独立的系统运营商联合运营,而每个运营商需在自己运营区域内独立经济地使用内部资源。传统集中式调度难以实现运营商的隐私保护和互联系统的大规模计算。因此,研究多区域互联电力系统的分布式优化方法,具有显着现实意义。本学位论文重点研究多区域互联的动态最优潮流、机组组合以及安全约束机组组合的分布式优化调度方法,主要研究成果如下:首先,结合正则化技术（RT）与原始对偶内点法（PDIPM）,设计正则化原始对偶内点法（R-PDIPM）,实现多区域互联的交流动态最优潮流（MI-AC-DOPF）的高效分布式计算。首先,通过复制各区域的耦合节点,将MI-AC-DOPF转化为块角结构问题,实现电网的多区域解耦。另外,针对分布式内点法的块牛顿系统矩阵容易病态这一情况,将正则项引入PDIPM使得块牛顿系统矩阵为一个强可分的拟定矩阵,增强PDIPM的鲁棒性。最后,3012和3074节点系统的仿真结果表明R-PDIPM比PDIPM具有更强的分布式鲁棒性,适合大规模MI-AC-DOPF的分布式计算。其次,利用投影和重构技术,提出一种求解机组组合（UC）问题的紧且简洁的混合整数二次规划模型。将机组出力水平投影到区间[0,1],并使用重构技术获得2-bin UC模型。证明了2-bin UC模型比1-bin UC模型和3-bin UC模型更加简洁。此外,2-bin UC模型的目标函数比1-bin和3-bin UC模型更紧,而其约束也比1-bin UC模型更紧。最后,43个测试系统的仿真结果表明2-bin UC模型是最简洁、最紧的,CPLEX求解器能以较少时间获得高质量解。再次,提出一种分层交替方向乘子法（H-ADMM）,并将其应用于多区域互联的机组组合（MI-UC）问题的完全分布式求解。将2-bin UC模型整理为两分块问题模型,并使用交替方向乘子法（ADMM）对其进行分布式求解。对含有系统约束的更新步骤子问题,基于Lagrangian对偶理论与协同ADMM实现更新步中各机组的完全解耦,从而使得在整个ADMM迭代步骤中各机组完全解耦,实现了机组隐私信息的保护。仿真结果表明,H-ADMM能够在合理的时间内获得高质量的解,适用于大规模MI-UC问题的分布式求解。最后,基于ADMM与R-PDIPM提出ADMM-R-PDIPM分布式方法求解多区域互联的交流安全约束机组组合（MI-AC-SCUC）问题。首先,通过复制机组出力变量的方式,重构MI-AC-SCUC模型,并利用ADMM分布式求解重构的MI-AC-SCUC问题,得到类似于AC-DOPF与机组完全解耦的MI-UC更新步子问题。然后,基于R-PDIPM实现AC-DOPF子问题的分布式求解,从而实现MI-AC-SCUC的分布式优化调度。此外,改进的ADMM-R-PDIPM算法有效减少了算法的迭代次数和运行时间。最后,IEEE38和118节点系统的仿真结果表明ADMM-R-PDIPM方法适用于MI-AC-SCUC的分布式优化计算。
二、电力系统最优潮流的分布式并行算法（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、电力系统最优潮流的分布式并行算法（论文提纲范文）
（1）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 |
（2）含高比例风电的电力系统备用优化与分布式调度研究（论文提纲范文）
| 致谢 |
| 项目致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电出力不确定性建模研究现状 |
| 1.2.2 含风电的电力系统调度运行与备用优化研究现状 |
| 1.2.3 多区互联电力系统分布式协同优化运行研究现状 |
| 1.2.4 输配耦合电力系统分布式协同优化运行研究现状 |
| 1.3 现有研究存在的问题 |
| 1.4 本文工作与章节安排 |
| 第2章 基于最优风电消纳比的含储电力系统机会约束备用优化 |
| 2.1 引言 |
| 2.2 最优风电消纳比 |
| 2.3 两阶段联合机会约束备用优化模型 |
| 2.3.1 两阶段模型简介 |
| 2.3.2 目标函数 |
| 2.3.3 第一阶段约束条件 |
| 2.3.4 第二阶段约束条件 |
| 2.3.5 对比模型说明 |
| 2.4 模型求解算法 |
| 2.4.1 采样平均近似算法 |
| 2.4.2 固定二进制变量的双线性Benders分解法 |
| 2.4.3 仅检验最优性的双线性Benders分解法 |
| 2.5 算例与分析 |
| 2.5.1 测试系统 |
| 2.5.2 电池储能装置的作用 |
| 2.5.3 电池储能装置建模的有效性 |
| 2.5.4 最优风电消纳比的有效性 |
| 2.5.5 算法的有效性 |
| 2.6 本章小结 |
| 第3章 计及风电备用能力与需求侧响应的多备用资源鲁棒优化 |
| 3.1 引言 |
| 3.2 多备用资源建模 |
| 3.2.1 传统发电机备用建模 |
| 3.2.2 风电场备用建模 |
| 3.2.3 需求侧响应建模 |
| 3.3 两阶段多备用资源鲁棒优化模型 |
| 3.3.1 第一阶段模型 |
| 3.3.2 不确定集建模 |
| 3.3.3 第二阶段模型 |
| 3.3.4 对比模型说明 |
| 3.4 模型求解算法 |
| 3.5 算例与分析 |
| 3.5.1 测试系统 |
| 3.5.2 两种需求侧响应的对比 |
| 3.5.3 风电场备用的作用与适用性 |
| 3.5.4 鲁棒建模的作用与不确定集的影响 |
| 3.5.5 列约束生成算法的有效性 |
| 3.6 本章小结 |
| 第4章 基于分布式调度框架的输配耦合电力系统鲁棒备用优化 |
| 4.1 引言 |
| 4.2 输配耦合电力系统分解调度策略 |
| 4.3 输配耦合电力系统协同鲁棒备用优化模型 |
| 4.3.1 输电网两阶段鲁棒优化模型 |
| 4.3.2 配电网两阶段鲁棒优化模型 |
| 4.4 模型求解算法 |
| 4.4.1 基于ADMM的分布式调度框架 |
| 4.4.2 区域模型求解算法 |
| 4.4.3 双层迭代方法 |
| 4.5 算例与分析 |
| 4.5.1 测试系统 |
| 4.5.2 输配电网协同调度与孤立调度的比较 |
| 4.5.3 鲁棒优化模型与确定性调度的比较 |
| 4.5.4 配电网潮流模型的准确性 |
| 4.5.5 双层迭代方法的有效性 |
| 4.6 本章小结 |
| 第5章 计及运行风险的多区互联电力系统分布式鲁棒备用优化 |
| 5.1 引言 |
| 5.2 可消纳风电域与系统运行风险 |
| 5.3 基于风险的多区互联电网备用优化模型 |
| 5.3.1 多区互联电力系统分解调度策略 |
| 5.3.2 基于风险的两阶段鲁棒优化模型 |
| 5.4 模型求解算法 |
| 5.4.1 运行风险线性化 |
| 5.4.2 分布式调度框架与动态乘子更新策略 |
| 5.4.3 区域模型求解算法 |
| 5.5 算例与分析 |
| 5.5.1 测试系统 |
| 5.5.2 不同联络线优化模式的比较 |
| 5.5.3 基于风险的模型与传统鲁棒模型的比较 |
| 5.5.4 可消纳风电域的有效性 |
| 5.5.5 动态乘子更新策略的有效性 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
（3）基于快速自适应解析式的电力系统分布式多目标最优潮流优化算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力系统多目标优化研究现状 |
| 1.2.2 电力系统分布式优化研究现状 |
| 1.3 本文主要内容与结构安排 |
| 第二章 电力系统多目标优化算法 |
| 2.1 引言 |
| 2.2 电力系统多目标优化模型 |
| 2.2.1 目标函数 |
| 2.2.2 约束条件 |
| 2.3 基于模糊优化的多目标优化算法 |
| 2.4 本章小结 |
| 第三章 电力系统分布式多目标潮流优化算法 |
| 3.1 引言 |
| 3.2 电力系统分布式仿真模型 |
| 3.3 分布式优化算法 |
| 3.3.1 交替方向乘子法(ADMM) |
| 3.3.2 辅助问题原则法(APP) |
| 3.4 基于ADMM算法的自适应分布式多目标潮流优化 |
| 3.4.1 基于AIOV-ADMM算法的两区域优化模型 |
| 3.4.2 基于AIOV-ADMM算法的三区域优化模型 |
| 3.5 基于APP算法的自适应分布式多目标潮流优化 |
| 3.5.1 基于AIOV-APP算法的两区域优化模型 |
| 3.5.2 基于AIOV-APP算法的三区域优化模型 |
| 3.6 本章小结 |
| 第四章 分布式多目标最优潮流仿真分析 |
| 4.1 引言 |
| 4.2 集中式算法 |
| 4.3 基于AIOV-ADMM算法的最优潮流仿真分析 |
| 4.3.1 ADMM算法和AIOV-ADMM算法两区域仿真结果对比 |
| 4.3.2 ADMM算法和AIOV-ADMM算法三区域仿真结果对比 |
| 4.4 基于AIOV-APP算法的最优潮流仿真分析 |
| 4.4.1 APP算法和AIOV-APP算法两区域仿真结果对比 |
| 4.4.2 APP算法和AIOV-APP算法三区域仿真结果对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文情况 |
（4）基于数据驱动的电力系统暂态稳定评估（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景 |
| 1.2 电力系统暂态稳定评估及其经典算法 |
| 1.2.1 暂态稳定评估数学模型 |
| 1.2.2 暂态稳定评估经典算法 |
| 1.3 数据驱动技术综述 |
| 1.3.1 算法 |
| 1.3.2 数据 |
| 1.3.3 算力 |
| 1.3.4 框架 |
| 1.4 数据驱动技术在暂态稳定评估中的应用综述 |
| 1.4.1 数据驱动评估模型构建框架 |
| 1.4.2 数据驱动评估模型构建算法 |
| 1.4.3 数据驱动评估模型应用挑战 |
| 1.5 本文研究工作概述 |
| 1.5.1 拟解决的问题与研究思路 |
| 1.5.2 后续章节内容安排 |
| 第二章 基于级联式卷积神经网络的暂态稳定批量评估算法 |
| 2.1 引言 |
| 2.2 暂态稳定批量评估问题阐述 |
| 2.3 基于卷积神经网络的暂态稳定评估 |
| 2.3.1 卷积神经网络 |
| 2.3.2 基于单个卷积神经网络的暂态稳定评估模型 |
| 2.3.3 输入数据仿真及预处理 |
| 2.3.4 稳定性结论及其可信度评估 |
| 2.4 快速暂态稳定批量评估算法框架 |
| 2.4.1 级联式卷积神经网络评估框架 |
| 2.4.2 基于误判场景的模型训练策略 |
| 2.4.3 基于反馈学习的模型更新策略 |
| 2.4.4 性能评价指标 |
| 2.5 数值实验与分析 |
| 2.5.1 算法性能评测:以IEEE-39 节点测试系统为例 |
| 2.5.2 算法可拓展性评测:以Polish-2383 节点系统为例 |
| 2.6 本章小结 |
| 第三章 基于信息熵优先策略的暂态稳定批量评估算法 |
| 3.1 引言 |
| 3.2 基于信息熵优先策略的批量稳定评估算法 |
| 3.2.1 基于信息熵的优先评估策略指标 |
| 3.2.2 基于信息熵优先策略的任务队列与模型更新机制 |
| 3.2.3 基于内存镜像的存储加速技术 |
| 3.2.4 待评估样本批次划分策略 |
| 3.3 基于信息熵优先策略的暂态稳定批量评估应用框架 |
| 3.4 数值实验与分析 |
| 3.4.1 测试系统 |
| 3.4.2 神经网络结构设计与可视化 |
| 3.4.3 统计性测试结果 |
| 3.4.4 模型鲁棒性测试结果 |
| 3.5 本章小结 |
| 第四章 基于图生成对抗网络的三相不对称电网生成算法 |
| 4.1 引言 |
| 4.2 基于图生成对抗网络的拓扑生成算法 |
| 4.2.1 Wasserstein GAN模型 |
| 4.2.2 基于UGL-GAN模型的网络拓扑生成算法 |
| 4.3 三相不对称电网的修正、拓展及性能评价 |
| 4.3.1 基于核密度估计的时序负荷数据生成算法 |
| 4.3.2 电网负荷分配及拓扑修正算法 |
| 4.3.3 考虑电网元件的电网拓展算法 |
| 4.3.4 性能评价指标 |
| 4.4 算例分析 |
| 4.4.1 网络生成结果 |
| 4.4.2 应用实例 |
| 4.5 本章小结 |
| 第五章 基于嵌入式人工智能的混联输电线路单端故障定位 |
| 5.1 引言 |
| 5.2 混联输电线路单端故障波形特性分析 |
| 5.3 基于人工智能技术的故障定位 |
| 5.3.1 长短期记忆网络 |
| 5.3.2 单端故障定位模型 |
| 5.4 基于嵌入式人工智能的故障定位框架 |
| 5.5 算例分析 |
| 5.5.1 测试环境与测试系统 |
| 5.5.2 测试数据生成 |
| 5.5.3 模型训练结果 |
| 5.5.4 模型测试结果 |
| 5.6 本章小结 |
| 第六章 暂态稳定边界快速生成与在线稳定评估算法 |
| 6.1 引言 |
| 6.2 暂态稳定边界快速生成算法 |
| 6.2.1 暂态稳定边界数学模型 |
| 6.2.2 暂态稳定性指标及其灵敏度 |
| 6.2.3 关键暂态稳定数据样本采样策略 |
| 6.2.4 暂态稳定边界构建及样本重采样算法 |
| 6.2.5 数据采样终止判据 |
| 6.3 关键场景筛选算法 |
| 6.3.1 初始搜索空间筛选 |
| 6.3.2 关键运行场景筛选 |
| 6.3.3 关键扰动场景筛选 |
| 6.3.4 实际运行点匹配与关键发电机组降维算法 |
| 6.4 电力系统在线稳定评估框架 |
| 6.5 算例分析 |
| 6.5.1 暂态稳定边界生成可视化:以IEEE-9 节点电力系统为例 |
| 6.5.2 暂态稳定边界生成可拓展性测试:以NESTA-162 节点电力系统为例 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 附录 |
| 附录 A 发电机动态模型 |
| 附录 A.1 发电机模型参数说明 |
| 附录 A.2 二阶发电机模型 |
| 附录 A.3 四阶发电机模型 |
| 附录 A.4 六阶发电机模型 |
| 附录 B 励磁系统动态模型 |
| 附录 C 调速系统动态模型 |
| 附录 D 电力系统稳定器(PSS)动态模型 |
| 作者简历及攻读学位期间取得的学术成果 |
（5）基于混合智能算法的小水电配电网无功优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 小水电的国内外发展状况 |
| 1.2.2 小水电配电网无功优化的国内外研究现状 |
| 1.3 主要研究内容 |
| 第2章 小水电配电网无功优化的理论研究 |
| 2.1 小水电配电网无功优化的影响分析 |
| 2.1.1 小水电接入配电网电压特性的分析 |
| 2.1.2 小水电接入配电网对线损影响的分析 |
| 2.2 小水电配电网的无功优化数学模型 |
| 2.2.1 目标函数 |
| 2.2.2 约束条件 |
| 2.3 小水电配电网无功优化的潮流计算 |
| 2.3.1 节点导纳矩阵 |
| 2.3.2 牛顿拉夫逊法潮流计算方法 |
| 2.4 本章小结 |
| 第3章 基于混合算法的小水电配电网无功优化 |
| 3.1 多智能体算法 |
| 3.1.1 多智能体的相关定义 |
| 3.1.2 多智能体的协调与协作 |
| 3.2 遗传算法 |
| 3.2.1 遗传算法简介 |
| 3.2.2 遗传操作 |
| 3.2.3 伪并行遗传算法 |
| 3.3 混合算法的提出 |
| 3.4 混合算法的步骤 |
| 3.5 本章小结 |
| 第4章 混合算法在小水电配电网中的应用 |
| 4.1 基于IEEE13节点系统无功优化结果分析 |
| 4.1.1 IEEE13节点系统 |
| 4.1.2 仿真结果分析 |
| 4.2 基于IEEE30节点系统无功优化结果分析 |
| 4.2.1 IEEE30节点系统 |
| 4.2.2 仿真结果分析 |
| 4.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
（6）基于并行海鸥算法的电力系统无功功率优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无功优化的研究背景和意义 |
| 1.2 无功优化的研究方法和现状 |
| 1.2.1 传统数学优化方法 |
| 1.2.2 人工智能优化算法 |
| 1.3 目前存在的问题 |
| 1.4 论文主要研究内容 |
| 第二章 并行海鸥(PSOA)算法的研究 |
| 2.1 SOA算法 |
| 2.1.1 SOA算法的基本理论 |
| 2.1.2 SOA算法的运行步骤 |
| 2.2 SOA算法的优点和缺点 |
| 2.3 并行海鸥(PSOA)算法 |
| 2.2.1 并行策略 |
| 2.2.2 自适应螺旋形状参数 |
| 2.2.3 PSOA算法的运行步骤 |
| 2.4 算法性能测试 |
| 2.5 本章小结 |
| 第三章 基于PSOA算法的电力系统无功优化 |
| 3.1 电力系统潮流计算 |
| 3.1.1 数学模型 |
| 3.1.2 牛顿—拉夫逊法 |
| 3.1.3 P-Q分解法 |
| 3.2 无功功率对电网的影响 |
| 3.3 电力系统的无功电源 |
| 3.4 电力系统无功优化数学模型 |
| 3.4.1 无功优化模型 |
| 3.4.2 无功优化约束条件 |
| 3.5 PSOA算法在无功优化中的应用 |
| 3.5.1 目标函数的选取 |
| 3.5.2 约束条件的处理 |
| 3.5.3 控制变量的选取及处理 |
| 3.5.4 算法步骤 |
| 3.6 本章小结 |
| 第四章 算例及计算结果分析 |
| 4.1 算例结构图 |
| 4.1.1 IEEE-14节点系统结构图及参数 |
| 4.1.2 IEEE-30节点系统 |
| 4.2 IEEE-14节点测试系统仿真 |
| 4.2.1 有功网损最小的单目标测试 |
| 4.2.2 系统网损最小和静态电压稳定裕度最大的多目标测试 |
| 4.3 IEEE-30节点测试系统仿真 |
| 4.3.1 有功网损最小的单目标测试 |
| 4.3.2 有功网损最小和静态电压稳定裕度最大的多目标测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（7）多能流网络模型与区域综合能源系统优化调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 当前相关研究现状的评述 |
| 1.2.1 多能流网络模型研究现状 |
| 1.2.2 系统多元不确定性分析的研究现状 |
| 1.2.3 区域综合能源系统(DIES)互联互动优化调度现状 |
| 1.3 当前尚需解决的主要问题 |
| 1.4 本课题的主要研究内容 |
| 第2章 多源耦合模型与多能流网络状态估计 |
| 2.1 能量枢纽的基本数学模型与模型拓展 |
| 2.1.1 能量枢纽的基本数学模型 |
| 2.1.2 能量枢纽的拓展数学模型 |
| 2.2 能量枢纽的构成单元细分 |
| 2.2.1 辅助状态变量与可控机组模型 |
| 2.2.2 供能及能量转化单元模型 |
| 2.2.3 储能单元模型 |
| 2.2.4 电动汽车模型 |
| 2.2.5 新能源供电模型 |
| 2.2.6 需求响应模型 |
| 2.2.7 其他模型约束 |
| 2.3 多能流网络的能路模型 |
| 2.3.1 多能流统一能路概述 |
| 2.3.2 气路网络模型 |
| 2.3.3 水路网络模型 |
| 2.3.4 热路网络模型 |
| 2.4 多能流网络状态评估分析 |
| 2.4.1 多能流稳态潮流计算 |
| 2.4.2 多能流动态潮流计算 |
| 2.5 本章小结 |
| 第3章 多源耦合通用的随机动态场景分析方法 |
| 3.1 多场景分析基本理论 |
| 3.2 多源耦合通用的场景生成模型 |
| 3.2.1 模型构建整体思路 |
| 3.2.2 预测误差驱动的多元联合概率密度函数拟合 |
| 3.2.3 数据驱动的多源功率波动相关性拟合 |
| 3.2.4 基于逆变换思想的动态场景生成 |
| 3.3 综合递归与聚类思想的多段嵌套场景削减算法 |
| 3.3.1 算法相关变量定义及场景削减模型 |
| 3.3.2 多段嵌套场景削减算法的流程 |
| 3.3.3 基于递归思想的子削减算法一 |
| 3.3.4 基于聚类思想的子削减算法二 |
| 3.4 算例分析 |
| 3.4.1 算例概述 |
| 3.4.2 多源功率波动相关性拟合方式有效性验证 |
| 3.4.3 多源适配动态场景的生成示例及模型对比分析 |
| 3.4.4 场景削减算法综合性能的对比分析 |
| 3.5 本章小结 |
| 第4章 基于能源-信息系统融合的区域综合能源系统优化调度 |
| 4.1 信息-物理系统框架下多学科设计优化(MDO)策略的引入 |
| 4.1.1 DIES信息物理融合建模方法 |
| 4.1.2 MDO策略下的并行子空间优化算法(CSSO)机理 |
| 4.2 DIES能源-信息系统融合优化调度模型 |
| 4.2.1 能源系统优化模型 |
| 4.2.2 信息系统优化模型 |
| 4.2.3 能源-信息系统一体化优化调度模型 |
| 4.3 基于CSSO算法的DIES能源-信息系统融合优化调度模型 |
| 4.4 基于响应面的CSSO能源-信息系统融合优化调度模型求解 |
| 4.4.1 一体化系统分析 |
| 4.4.2 基于RBF神经网络的DIES能源-信息系统响应面模型构建 |
| 4.4.3 模型求解流程 |
| 4.5 算例分析 |
| 4.5.1 仿真算例描述 |
| 4.5.2 结果与分析 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（8）基于交替方向乘子法的综合能源系统配置与运行优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 研究现状 |
| 1.2.1 综合能源系统规划研究现状 |
| 1.2.2 信息物理系统研究现状 |
| 1.2.3 分布式优化算法研究现状 |
| 1.3 现有研究存在的问题 |
| 1.4 论文主要工作与创新点 |
| 第2章 电-气混联系统分布式多场景容置配置优化方法 |
| 2.1 电-气混联系统模型 |
| 2.1.1 配电网线性潮流模型 |
| 2.1.2 天然气动态潮流模型 |
| 2.1.3 耦合设备模型 |
| 2.1.4 可再生能源及机会约束 |
| 2.1.5 储能模型 |
| 2.2 基于交替方向乘子法的求解框架 |
| 2.2.1 优化目标函数 |
| 2.2.2 交替方向乘子法 |
| 2.2.3 分布式解耦计算框架 |
| 2.3 算例分析 |
| 2.3.1 对比算例 |
| 2.3.2 灵活性分析算例 |
| 2.3.3 考虑储能寿命的两阶段投资策略 |
| 2.4 本章小结 |
| 第3章 考虑信息耦合的电-气能源系统韧性-经济性优化方法 |
| 3.1 信息耦合能源系统模型构建 |
| 3.1.1 电-气综合能源系统模型 |
| 3.1.2 配网重构模型 |
| 3.1.3 信息层约束设计及变量处理 |
| 3.2 韧性-经济性两步优化策略 |
| 3.2.1 问题构建及优化策略 |
| 3.2.2 自适应惩罚因子交替方向乘子法 |
| 3.3 算例分析 |
| 3.3.1 算例一 |
| 3.3.2 算例二 |
| 3.4 本章小结 |
| 第4章 考虑信息交互及丢包影响的分布式优化 |
| 4.1 交替方向乘子法信息交互模式 |
| 4.1.1 串行计算框架 |
| 4.1.2 并行计算框架 |
| 4.1.3 算法比较 |
| 4.2 考虑信息丢包影响的优化策略 |
| 4.2.1 通信延迟及丢包模型 |
| 4.2.2 信息丢包应对策略 |
| 4.3 算例分析 |
| 4.3.1 算例一 |
| 4.3.2 算例二 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文和参加科研情况 |
| 学位论文评阅及答辩情况表 |
（9）微电网潮流计算以及最优潮流方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 微电网潮流计算及优化的研究现状 |
| 1.2.1 微电网潮流计算研究现状 |
| 1.2.2 微电网最优潮流研究现状 |
| 1.3 分布式电源接入对潮流计算的影响 |
| 1.3.1 对电压分布的影响 |
| 1.3.2 对电能质量的影响 |
| 1.3.3 对网络拓扑结构的影响 |
| 1.4 本文的主要工作 |
| 第二章 微电网运行控制策略对潮流计算的影响 |
| 2.1 分布式电源控制方式 |
| 2.1.1 恒功率控制 |
| 2.1.2 下垂控制 |
| 2.1.3 恒压/恒频控制 |
| 2.2 微电网整体控制策略 |
| 2.2.1 主从控制 |
| 2.2.2 对等控制 |
| 2.3 微电网控制策略对潮流计算的影响 |
| 2.4 本章小结 |
| 第三章 基于前推回代法的微电网并网三相潮流计算 |
| 3.1 前推回代法的原理 |
| 3.2 分布式发电建模 |
| 3.2.1 光伏发电系统 |
| 3.2.2 风力发电系统 |
| 3.2.3 微型燃气轮机 |
| 3.2.4 燃料电池 |
| 3.3 不同节点类型的处理方法 |
| 3.3.1 PQ恒定型分布式电源 |
| 3.3.2 PQ(V)分布式电源 |
| 3.3.3 PV分布式电源 |
| 3.3.4 PI分布式电源 |
| 3.4 前推回代法流程 |
| 3.5 案例分析 |
| 3.6 本章小结 |
| 第四章 基于改进前推回代法的孤岛微电网潮流计算 |
| 4.1 下垂节点控制方式以及模型 |
| 4.1.1 下垂控制原理 |
| 4.1.2 下垂控制节点的模型 |
| 4.2 孤岛微电网负载模型 |
| 4.3 改进前推回代法孤岛微电网潮流计算 |
| 4.3.1 改进回代过程 |
| 4.3.2 改进前推过程 |
| 4.3.3 微电网系统频率和参考电压更新 |
| 4.4 算法流程图 |
| 4.5 案例分析 |
| 4.6 本章小结 |
| 第五章 基于平方松弛内点法的微电网潮流优化 |
| 5.1 微电网最优潮流的基本概念 |
| 5.1.1 最优潮流的数学模型 |
| 5.1.2 最优潮流的约束条件 |
| 5.1.3 最优潮流的变量分类 |
| 5.1.4 最优潮流的目标函数 |
| 5.2 最优潮流的求解方法 |
| 5.2.1 传统求解方法 |
| 5.2.2 启发式算法的求解方法 |
| 5.3 基于平方松弛内点法的微电网潮流优化 |
| 5.3.1 内点法 |
| 5.3.2 平方松弛内点法 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（10）多区域互联的电力系统安全约束机组组合分布式优化调度研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景与研究意义 |
| 1.2 本文主要研究工作 |
| 1.2.1 动态最优潮流研究现状 |
| 1.2.2 机组组合研究现状 |
| 1.2.3 安全约束机组组合研究现状 |
| 1.2.4 分布式优化算法研究现状 |
| 1.3 本文主要研究工作 |
| 1.4 论文组织结构 |
| 第二章 基于正则化原对偶内点法的多区域互联动态优化潮流分布式算法 |
| 2.1 概述 |
| 2.2 块角结构的MI-AC-DOPF模型 |
| 2.2.1 AC-DOPF模型 |
| 2.2.2 模型的块角结构变换 |
| 2.3 分布式内点算法 |
| 2.3.1 含正则项的分布式内点法 |
| 2.3.2 正则化分布式内点算法优势 |
| 2.3.3 分布式内点法的算法步骤 |
| 2.4 分布式内点法的优化框架 |
| 2.5 算例分析 |
| 2.5.1 数值结果分析 |
| 2.5.2 罚参数ρ对 R-PDIPM 的影响 |
| 2.5.3 区域数对R-PDIPM的影响 |
| 2.5.4 大规模系统数值结果 |
| 2.6 本章小结 |
| 第三章 基于投影技术的2-bin机组组合模型 |
| 3.1 概述 |
| 3.2 UC数学模型 |
| 3.2.1 目标函数 |
| 3.2.2 发电机组运行约束 |
| 3.2.3 电力系统约束 |
| 3.3 1-bin与3-bin UC模型 |
| 3.3.1 1-binUC模型 |
| 3.3.2 3-binUC模型 |
| 3.4 紧且简洁的2-binUC模型 |
| 3.4.1 2-binUC模型 |
| 3.4.2 紧性与简洁性分析 |
| 3.4.3 UC模型的MILP近似 |
| 3.5 算例分析 |
| 3.5.1 比较3种UC模型 |
| 3.5.2 比较3种MILP UC模型 |
| 3.5.3 大规模算例求解比较 |
| 3.6 本章小结 |
| 第四章 基于分层交替方向乘子法的机组组合完全分布式方法 |
| 4.1 概述 |
| 4.2 基于ADMM算法框架的2-bin UC模型 |
| 4.2.1 基于ADMM的2-bin UC模型重构 |
| 4.2.2 构建ADMM的2-bin UC模型 |
| 4.3 基于ADMM求解2-bin UC模型 |
| 4.3.1 ADMM求解2-bin UC算法步骤 |
| 4.3.2 x-更新步骤(4.26) |
| 4.3.3 z-更新步骤(4.27) |
| 4.4 H-ADMM算法步骤与分布式框架描述 |
| 4.4.1 分层交替方向乘子算法框架 |
| 4.4.2 分布式框架描述 |
| 4.5 算例分析 |
| 4.5.1 5机组实例的数值结果 |
| 4.5.2 不同算例的数值结果 |
| 4.5.3 分布式计算性能测试 |
| 4.5.4 与ID-ALR方法的比较 |
| 4.5.5 大规模算例的数值结果 |
| 4.6 本章小结 |
| 第五章 多区域互联的安全约束机组组合分布式优化方法 |
| 5.1 概述 |
| 5.2 AC-SCUC问题的数学模型 |
| 5.2.1 AC-SCUC问题的基本描述 |
| 5.2.2 重构AC-SCUC模型 |
| 5.3 ADMM-IPM分布式求解AC-SCUC |
| 5.3.1 ADMM求解AC-SCUC问题(5.24) |
| 5.3.2 ADMM-IPM分布式算法步骤 |
| 5.3.3 ADMM-IPM分布式框架 |
| 5.4 I-ADMM-R-PDIPM法 |
| 5.4.1 ADMM-R-PDIPM改进思想 |
| 5.4.2 I-ADMM-R-PDIPM算法步骤 |
| 5.5 算例分析 |
| 5.5.1 实验平台与测试系统 |
| 5.5.2 ADMM-R-PDIPM数值结果 |
| 5.5.3 I-ADMM-R-PDIPM数值结果 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 8机组系统数据集 |
| 附录B 攻读博士\硕士学位期间取得的研究成果 |
| 附录C 攻读博士\硕士学位期间主持及参与科研项目情况 |
| 附录D 学术论文与学位论文相关章节对应表 |
四、电力系统最优潮流的分布式并行算法（论文参考文献）
- [1]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)
- [2]含高比例风电的电力系统备用优化与分布式调度研究[D]. 陈哲. 浙江大学, 2021
- [3]基于快速自适应解析式的电力系统分布式多目标最优潮流优化算法[D]. 王涛. 广西大学, 2021(12)
- [4]基于数据驱动的电力系统暂态稳定评估[D]. 颜融. 浙江大学, 2021(09)
- [5]基于混合智能算法的小水电配电网无功优化研究[D]. 张田. 陕西理工大学, 2021(08)
- [6]基于并行海鸥算法的电力系统无功功率优化[D]. 商俊杰. 福建工程学院, 2021(02)
- [7]多能流网络模型与区域综合能源系统优化调度研究[D]. 张辰毓. 华北电力大学(北京), 2021(01)
- [8]基于交替方向乘子法的综合能源系统配置与运行优化研究[D]. 林咨良. 山东大学, 2021(12)
- [9]微电网潮流计算以及最优潮流方法的研究[D]. 田越. 天津理工大学, 2021(08)
- [10]多区域互联的电力系统安全约束机组组合分布式优化调度研究[D]. 张晨. 广西大学, 2020(02)