【大数据-算法-机组组合理论与算法研究】
这篇博士学位论文深入探讨了大数据背景下,算法在机组组合问题中的应用和理论研究。机组组合是电力系统运行优化中的关键问题,涉及如何在满足各种运行约束(如安全、经济性、电压无功约束等)的同时,有效地调度发电机组以提供电力供应。
在论文的第一部分,作者介绍了课题的背景和意义,指出现代电网面临的挑战,如旋转备用、电网制约以及动态优化问题。作者还回顾了机组组合问题的研究现状,包括无制约下的机组组合、旋转备用与机组组合的关系、电网有制约下的机组组合以及启停确定下的动态优化问题。
论文的主体部分主要围绕以下几个方面展开:
1. **拉格朗日乘子与逆序排序的机组组合**:作者提出了结合拉格朗日乘子的机组组合优化模型,通过拉格朗日松弛方法来解决经济调度问题。UD(Unit Deviation)方法在此基础上得到应用,以改善经济性指标并简化计算步骤。
2. **概率备用的解析表达**:在机组组合问题中,概率备用的处理是一个关键环节。作者通过解析表达法探讨了机组累计停运容量表的形成和投运风险度的近似解析表达,为考虑概率备用约束的机组组合提供了理论支持。
3. **安全约束的处理**:安全约束是机组组合问题不可忽视的一部分。作者提出了一种新的处理方法,通过将安全约束问题分解为两个子问题(SP1和SP2),并设计了相应的求解策略和收敛准则。
4. **电压无功约束的处理**:在考虑无功电压约束的机组组合问题中,作者运用Benders分解思想,构建了主从决策的优化模型,解决了从决策和主决策的求解问题。
5. **时间关联约束的安全经济调度**:最后,论文讨论了如何处理安全经济调度中的时间关联约束,提出了一种主从迭代的算法,能够有效地解决动态无功功率分配和电压稳定问题。
论文中通过多个实际算例进行了分析,验证了提出的理论和算法的有效性和实用性。作者通过这种方式展示了大数据算法在电力系统优化中的应用潜力,为电力行业的机组组合决策提供了理论指导和技术支持。
总体而言,这篇论文为大数据环境下的电力系统优化提供了新的视角和方法,对电力系统的安全、经济运行具有重要意义。其研究成果不仅有助于提升电力系统的效率,也有助于推动电力行业的技术创新和发展。