基于群体智能的电力系统优化调度理论与方法pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于群体智能的电力系统优化调度理论与方法PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 电力系统调度优化概述 1

1.1 电力系统特点及其基本概念 1

1.2 电力系统调度的主要任务 1

1.3 电力调度自动化系统 2

1.3.1 电力调度自动化在电网中的地位与作用 2

1.3.2 调度自动化系统基本结构与功能 3

1.3.3 电力调度自动化系统的发展 4

1.4 电力系统发电优化调度研究现状 5

1.4.1 机组组合与经济调度 5

1.4.2 梯级水电站群优化 6

1.4.3 水火协调 7

1.4.4 最优潮流 8

1.5 调度优化算法研究现状 8

1.5.1 单目标调度优化方法 8

1.5.2 多目标调度优化方法 9

参考文献 10

第二章 传统电力调度优化方法 11

2.1 概述 11

2.1.1 优化问题一般描述 11

2.1.2 最优化问题的数学模型及分类 13

2.1.3 最优化方法概述 14

2.2 经济调度的等微增率准则 17

2.2.1 概述 17

2.2.2 耗量特性 17

2.2.3 原理 18

2.2.4 算例 19

2.3 基于Lambda迭代法的经济调度 21

2.3.1 概述 21

2.3.2 Lambda迭代法求解经济调度原理 21

2.3.3 算例 23

2.4 基于梯度法的经济调度 25

2.4.1 概述 25

2.4.2 梯度法求解经济调度原理 25

2.4.3 算例 26

2.5 基于牛顿法的经济调度 28

2.5.1 概述 28

2.5.2 牛顿法基本概念 28

2.5.3 牛顿法求解经济调度原理 28

2.5.4 算例 29

2.6 基于拉格朗日松弛法的机组组合 30

2.6.1 拉格朗日松弛算法概述 30

2.6.2 动态规划方法概述 33

2.6.3 电力调度的机组组合问题 34

2.6.4 拉格朗日松弛算法求解机组组合优化问题的思想 35

2.6.5 基于拉格朗日松弛法的机组组合模型及算法 36

2.6.6 算例 39

2.7 基于拉格朗日松弛与动态规划结合的水火电协调 43

2.7.1 水电系统建模方法 43

2.7.2 水电系统优化模型及其求解算法 44

2.7.3 基于拉格朗日松弛与动态规划的水火电协调优化 45

2.8 小结 48

参考文献 48

第三章 流域梯级水电站群优化调度的群体智能算法 49

3.1 概述 49

3.1.1 梯级水库调度特点 50

3.1.2 梯级电站群结构及衔接方式 50

3.1.3 梯级水电系统特性分析 51

3.1.4 梯级水电系统参数定量描述 52

3.2 考虑电价政策的流域梯级水电站群优化调度 55

3.2.1 引言 55

3.2.2 考虑电价政策的优化调度模型 56

3.2.3 粒子群优化方法 57

3.2.4 基于粒子群算法的调度问题求解 57

3.2.5 案例分析 59

3.2.6 小结 62

3.3 基于多向导粒子群算法的流域梯级水电站群长期优化调度 62

3.3.1 问题描述 63

3.3.2 标准粒子群算法 64

3.3.3 多向导粒子群算法 64

3.3.4 基于多向导粒子群算法的流域梯级水电站优化调度 66

3.3.5 案例研究 66

3.3.6 小结 70

3.4 基于粒子群算法的水电厂经济运行 70

3.4.1 问题描述 70

3.4.2 粒子群算法求解步骤 71

3.4.3 案例分析 71

3.4.4 小结 78

3.5 基于蚁群算法的流域梯级水电站群短期优化调度 79

3.5.1 市场条件下梯级水电站群优化调度概述 79

3.5.2 梯级水电站群短期优化调度准则 80

3.5.3 市场机制下流域梯级水电站群短期优化调度模型 83

3.5.4 基本蚁群算法优化的基本原理及算法描述 84

3.5.5 动态自适应蚁群算法 88

3.5.6 基于动态自适应蚁群算法的梯级水电站短期优化调度 91

3.5.7 案例研究 96

参考文献 107

第四章 考虑政策因素的流域梯级水电站群调度优化模型及其应用 111

4.1 概述 111

4.2 考虑政策因素的流域梯级水电站群优化调度模型 112

4.2.1 目标函数 112

4.2.2 约束条件 113

4.2.3 数据预处理 115

4.3 调度优化模型应用 117

4.3.1 不同电价政策对流域公司收益水平的影响 117

4.3.2 “统一电价”和“一站一价”对流域公司的收益水平及水资源利用程度的影响 119

4.3.3 不同调度方式对流域公司收益水平及水资源综合利用程度的影响 120

4.3.4 各种防洪要求对流域梯级水电站群正常运行的影响 120

4.3.5 航运、灌溉、环境等政策对梯级最优运行方案的影响 121

4.3.6 为流域发电公司发电计划制订提供参考 122

4.4 澜沧江流域案例研究 122

4.4.1 相关参数 122

4.4.2 一站一价与统一电价 124

4.4.3 不同库区防洪约束 128

4.4.4 不同航运约束 128

4.4.5 不同调度方式 128

4.4.6 不同政策因素下求解结果分析 142

4.5 清江流域案例研究 144

4.5.1 相关参数 144

4.5.2 长期调度优化 146

4.5.3 短期调度优化 149

4.5.4 结果分析 155

4.6 小结 157

参考文献 157

第五章 基于PSO和DE算法的水火电协调优化 159

5.1 水火电协调优化概述 159

5.2 水火电协调优化问题描述 160

5.2.1 STHS问题目标函数 160

5.2.2 STHS问题约束条件 161

5.3 粒子群算法及其改进方向 162

5.3.1 粒子群算法起源 162

5.3.2 粒子群算法基本原理 163

5.3.3 粒子群算法流程 164

5.3.4 相关改进 164

5.4 DE进化算法及其改进方向 166

5.4.1 差分进化算法概述 166

5.4.2 差分进化算法基本操作 166

5.4.3 差分进化算法基本步骤 167

5.4.4 相关改进 168

5.5 基于改进粒子群算法的STHS 168

5.5.1 改进粒子群算法关键操作 169

5.5.2 基于MPSO算法的水火电力系统短期优化调度步骤 170

5.5.3 案例仿真 171

5.5.4 小结 174

5.6 基于DE加速的粒子群算法求解STHS问题 174

5.6.1 基于DE加速的粒子群算法 174

5.6.2 基于DE加速的PSO求解水火联调问题步骤 176

5.6.3 案例研究 177

5.7 基于小种群粒子群算法的STHS 183

5.7.1 概述 183

5.7.2 小种群粒子群算法关键框架 183

5.7.3 基于SPPSO算法的STHS步骤 186

5.7.4 案例仿真 187

5.7.5 参数敏感性分析 193

5.8 基于改进的混沌差分进化算法的STHS问题 196

5.8.1 概述 196

5.8.2 改进的混沌差分进化算法求解水火联调 196

5.8.3 案例仿真 200

参考文献 212

第六章 基于PSO的电力系统机组组合优化 216

6.1 概述 216

6.2 电力系统机组组合优化 216

6.2.1 问题描述 216

6.2.2 机组组合优化求解方法研究现状 218

6.3 基于改进粒子群算法的机组组合优化 221

6.3.1 标准粒子群算法 222

6.3.2 基于改进粒子群算法的机组组合优化 222

6.3.3 案例仿真 224

6.4 基于小种群二进制粒子群算法的机组组合优化 228

6.4.1 二进制粒子群算法 228

6.4.2 基于小种群的BPSO算法及其机组组合优化 228

6.4.3 案例研究 235

6.4.4 小结 243

6.5 水火电力系统机组组合优化问题描述 243

6.5.1 概述 243

6.5.2 水火电力系统机组组合问题描述 244

6.6 基于小种群混合二进制粒子群算法的水火电力系统机组组合 246

6.6.1 基于小种群的混合二进制粒子群算法 246

6.6.2 基于SPHPSO算法的STHUC 246

6.6.3 案例研究 249

6.6.4 总结 251

参考文献 251

第七章 基于群体智能优化方法的最优潮流 256

7.1 概述 256

7.2 潮流计算 257

7.2.1 潮流计算基本方程 257

7.2.2 潮流计算最优化模型 258

7.2.3 基于粒子群算法的潮流计算 259

7.2.4 案例仿真 261

7.3 基于差分进化算法的最优潮流 268

7.3.1 潮流优化问题描述 268

7.3.2 增广直角坐标牛顿法潮流计算 269

7.3.3 基于差分进化算法的最优潮流步骤 274

7.3.4 案例仿真 275

7.4 基于PSO算法的水火电力系统多时段最优潮流 289

7.4.1 问题描述 290

7.4.2 基于粒子群算法水火电最优潮流模型求解 291

7.4.3 案例仿真 293

7.5 考虑输电网络约束的电力系统机组组合优化及其PSO解法 298

7.5.1 问题描述 298

7.5.2 基于改进粒子群算法的问题求解 299

7.5.3 案例仿真 301

7.5.4 小结 309

参考文献 309

第八章 水火电力系统及流域梯级水电站群多目标优化调度 314

8.1 概述 314

8.2 水火电力系统多目标优化调度 314

8.2.1 水火电力系统多目标优化模型 314

8.2.2 水火电力系统多目标优化算法 316

8.3 基于SPPSO算法的水火电力系统环境经济调度 319

8.3.1 环境经济调度模型转换 319

8.3.2 求解框架 320

8.3.3 案例研究 320

8.3.4 小结 327

8.4 基于Pareto支配的小种群多目标粒子群算法 327

8.4.1 多目标粒子群算法 327

8.4.2 基于Pareto支配的小种群的多目标粒子群算法关键框架 328

8.5 基于SPMPSO的水火电力系统多目标优化 332

8.5.1 SPMPSO求解水火电力系统多目标优化关键步骤 332

8.5.2 案例研究 333

8.5.3 小结 336

8.6 澜沧江流域梯级水电站群多目标优化 337

8.6.1 引言 337

8.6.2 流域梯级水电站群多目标优化模型 337

8.6.3 基于SPMPSO的澜沧江流域梯级电站多目标优化调度步骤 338

8.6.4 仿真结果 339

8.7 本章总结 343

参考文献 344