抽水蓄能电站优化调度的系统分解与粒子群算法

本文探讨了"系统分解协调算法的抽水蓄能电站优化调度"这一主题，发表于2012年3月的《电源学报》第2期。该研究由吴雄、王秀丽、黄敏和葛风雷四位作者在西安交通大学电气工程学院完成。他们针对抽水蓄能电站的复杂优化调度问题，提出了一个创新的方法。 研究的核心是建立了一个综合的电网统一调度优化模型，目标是通过在调度周期内最小化火电燃料成本，同时确保系统和各发电机组的运行约束得以满足。这种模型充分考虑了抽水蓄能电站的多功能性，如调峰填谷和提供辅助服务，以提升电力系统的经济性和可靠性。 为了解决这个高维、非凸、离散和非线性的优化问题，研究者采用了系统分解协调的思想，将原始问题分解为上下两层优化任务。上层采用拉格朗日松弛方法与次梯度算法相结合，通过求解拉格朗日算子优化问题；下层则运用粒子群优化算法来处理各个子问题。这种混合方法有助于缓解维数灾难，并提高求解效率，尽管它可能受到对偶间隙的影响，但通过迭代寻优和启发式算法，研究者能够找到满足所有约束条件的可行解。 文中指出，网络流规划法和动态规划及其改进方法曾被广泛应用于抽水蓄能电站的调度，但它们在处理大规模状态时可能存在局限。相比之下，系统分解协调方法在保持效率的同时，更注重全局优化和收敛速度。作者们通过实例验证了他们提出的模型和算法的有效性和合理性，证明了这种方法在实际电力系统调度中的应用潜力。 这篇论文在抽水蓄能电站优化调度领域作出了重要贡献，展示了如何利用智能计算技术和多学科融合策略来解决电力系统中的复杂优化问题，为未来电力系统的高效运行提供了新的理论支持和实践指导。