欢迎来到天天文库
浏览记录
ID:36754282
大小:1.34 MB
页数:52页
时间:2019-05-14
《电力市场下机组竞价上网交易的混合算法研究》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、t海交通大学顾士学位论文电力市场下机组竞价上网交易的混合算法研究-.一~,一一一“摘要(我国目前正在进行发电侧电力市场,迫切需要解决电力市场下的经济调度问题,而机组竟价上网交易是经济调度中编制短期发电计划首先要解决的问题。因此研究电力市场下机组竞价上网交易有很重要的意义。。本文对电力市场下机组竟价上网交易问题进行了深入、细致的研究,7提出了电力市场下机组竞价上网交易的混合算法。该方法以传统的机组经济组合算法为基础,参考了最优化的一般理论,以电力联营中心购电支出最小为优化问题的目标函数,以获得最佳的方案。同时引入拉格朗日松弛算法和遗传模拟退火算法作为求解工具,并且用禁忌算法等启发式方法来
2、改进遗传模拟退火算法。(研究工作涉及到以下几个方面:、1.阐述了电力市场的基本理论,回顾了中国电力市场的发展历程,介绍了我国电力市场目前正在进行的“网厂分开、竞价上网”的改革现状,分析了我国电力市场目前存在的问题。2.分析了电力市场下机组竞价上网交易的问题;介绍了多种优化方法及其有缺点:综述了国内外在机组经济组合方面的研究成果;在此基础上提出电力市场下机组竞价上网交易混合算法的思想。3.阐述了遗传模拟退火算法的基本理论:结合实际电力市场下机组竟价上网交易问题,采用禁忌算法等启发式方法对算法进行了优化处理,使之适用于大规模电力系统机组竟价上网交易问题。4.介绍了次日机组竞价上网交易的理论
3、以及三种竞价方式;建立了联合竞价方式下的竟价交易模型,将传统机组组合问题变形为基于发电、备用联合报价的联合计划问题:针对该模型的数学列式,提出了相应的求解思路和方法。+jI7,o根据文中提出的模型和算法,编写了相应的分析计算程序,并对10台机组系统、26台机组系统进行了计算,对于每一个系统,都考虑了有启动成本和无启动成本两种情况,并且用动态规划法求解子优化问题来进行比较。算例结果验证了本文提出的电力市场下机组竞价上网交易模型和相应求解算法的可行性、有效性。.7.}关键词电力市场_拉格朗日松弛算法,遗传模拟退火算法:禁忌算法,动态规划、/上海交通大学硕士学位论文电力市场下机组竟价上网交易
4、的混合算法研究STUDYONHYBRIDMETHODoFGENERATl0NBDDⅡ呵GMODELINPOWERⅣLURKETPresentlywe’reprogressingthepowermarketongeneration,whichdemandscarriestlytosolvetheeconomicdispatchproblem.ThegenerationbiddingmodeliSthefirsttobebuiltinprogrammingtheeconomicdispatchplanningofgeneration.Thispaperpresentsahybridalgo
5、rithmofgenerationbiddingmodelinpowermarket,basedonthetraditionaleconomicunitcommitmentmethod.ACCOrdiIlgtotIleoptimaltheory,theobjectivefunctioniSselectedtobetheminimalpurchasingexpenditureofpowerpoolcentertogetthebestplan.LagrangianRelaxationmethodandGeneticSimulated-annealingmethod,whichiSimpro
6、vedbytheilluminationmethodsuchasTabuSearch.areappliedtosolvethisproblem.Thepaperdoesthefollowingjobs:1.Expoundsthefundamentaltheoryofpowermarket,introducingthepresentreformsituationandtheexistedproblemsofpowermarketinChina.2.Introducesseveraloptimalmethodsandtheircharacters.Presentsahybridalgori
7、thmofgenerationbiddingmodelinpowermarketbasedonthesynthesizedanalysisofresearchresultsinboth血edomesticandabroad.3.ExplainsthebasictheoryofGeneticSimulated-annealingmethod.optimized6y乃6Ualgorithmtomake曲emethodmoreefficientind
此文档下载收益归作者所有