智能电网环境下多电动汽车协同充电优化调度算法

大量电动汽车通过居民侧家庭能源管理系统接入电网充电时,若各用户独自对充电过程进行优化,会使充电负荷集中在低电价时段,形成巨大的负荷峰值,造成变压器和线路严重超载,威胁电力系统的稳定运行。引入了一种智能电网环境下电动汽车协同充电模式,建立了最小化用户用电费用的最优充电模型,提出了一种多电动汽车协同充电优化调度算法。该算法能有效避免用户独自优化调度时出现的弊端,同时显著降低用户的充电费用。通过仿真实验验证了算法的有效性。     

考虑峰谷差因素的用户侧负荷优化运行

在智能电网高速发展背景下,针对用户侧节能减排和电网侧削峰填谷问题,提出家庭负荷优化运行策略。基于家电能量控制系统,将峰谷差成本化,以最小化用户侧电能成本和最小化电网侧峰谷差为目标,考虑分时电价,可转移负荷时间舒适度约束和温控类负荷温度舒适度约束。综合峰谷差系数,采用粒子群算法进行求解,最终得出各类家电的运行方案。算例仿真结果表明,优化方案实现了用户侧和电网侧的利益双赢。     

基于人工免疫算法的微网需求侧响应优化调度

在考虑V2G的需求侧响应的基础上,以电动汽车蓄电池折损系数及从配电网的购电费用为优化目标,构建包含微电网功率平衡约束、可转移负荷约束、V2G约束、储能荷电状态等约束条件的光伏微电网多目标优化模型。采用人工免疫算法对模型进行求解,并利用实际的光伏微电网机构和运行数据,在Matlab平台上进行仿真分析,获得光伏微电网优化调度的多组Pareto最优解集。通过分析选取的典型调度方案,验证优化模型的合理性和有效性。     

基于分时电价的用户侧光伏储能系统容量配置

光伏与储能系统的配合使用已经是一种趋势,在用户侧合理配置光伏电池与储能电池的容量,可以明显提高用户的经济效益。为了提高用户在分时电价下的经济效益,本文基于用户侧典型日光伏发电曲线与典型日用户负荷特征曲线,结合用户分时电价,设计储能系统的能量调度策略,建立经济优化模型,并基于量子粒子群优化算法对模型进行求解,得出光伏与储能系统的最优容量。仿真分析和结果表明,本文方法可以明显提高分时电价条件下用户的经济效益,对大电网的削峰填谷也有一定的积极作用。     

基于生物地理学算法的微电网多目标优化调度

针对含风力发电机、光伏电池、微型燃气轮机、柴油发电机、蓄电池组成的微电网系统优化调度问题,设置系统相关约束条件,建立以运行成本最小、用户停电损失费用最小及环保成本最低的微电网多目标优化调度模型,采用生物地理学算法对模型进行求解;对某独立型微电网算例的单目标优化调度与多目标优化调度的仿真结果进行对比。结果表明:单目标下的微电网优化调度,虽然可以在单一方面达到最优,但是以其他目标的增加为代价;多目标优化调度综合考虑了微电网的经济性、节能型、可靠性之间关系,实现了运行成本、用户停电损失费用、环保成本下的全局最优,可根据用户的实际需求提供一种更合理的微电网优化调度方案。     

考虑电动汽车及需求侧响应的综合能源系统优化调度

为了进一步提高综合能源系统的运行经济性和可再生能源消纳能力,在负荷侧分析了电、热负荷需求侧响应以及电动汽车的可调度价值,同时采用场景分析法考虑风电和光伏发电出力的不确定性.提出一种需求侧响应和电动汽车协同作用的综合能源系统双层随机优化调度模型.上层模型利用分时电价激励的价格型需求侧响应,以净负荷波动方差最小为目标函数,...     

基于效益函数的云计算调度算法的研究

针对云计算下商业性特点和现有的作业调度算法注重性能而较少考虑用户和服务提供商的供应和需求均衡问题,提出了基于效益函数最优的调度算法。该算法提出了一种参数处理模型,计算用户在各个资源上的效益函数,再将任务分配到满足用户需求的资源上执行。采用CloudSim对提出的算法进行了仿真,结果表明,该算法不仅能满足用户的多种需求,同时规范了市场经济下系统资源的供应和需求。     

考虑源荷不确定性及配电网接纳裕度的弹性调度策略

为解决渐进式加剧的小扰动事件对配电网调度的影响,提出一种考虑源荷不确定性及配电网接纳裕度的弹性调度策略,并建立两阶段优化模型求解。首先通过拉丁超立方抽样和后向场景削减技术生成以风光为源、以电动汽车为荷的功率预测典型场景,将不确定性问题转化为典型场景分析问题;在此基础上,第一阶段引入接纳裕度,以配电网对电动汽车接纳能力最大为目标构建电价型需求侧响应模型,对用户负荷削峰填谷;第二阶段引入需求侧响应结果,建立以系统运行成本最低为目标的经济调度模型,提出改进人工蜂群算法进行求解。测试结果表明本文所提策略能增强配电网在渐进式加剧不确定性事件下的适应力,实现配电网弹性高效运行。     

一种扩展的单播多播业务联合调度算法设计与仿真

针对用户同时接收多路多播业务的场景,借鉴基于调度集合的单播多播业务联合调度SSBIS算法,将接收的多播业务重新划分调度集合,多播、单播业务合理调度,设计了一种扩展的单播多播业务联合调度ESSBIS算法。在保证用户最小数据速率要求的同时,可以更好的降低终端能耗。     

考虑供给与负荷转移的虚拟电厂调度策略

虚拟电厂是一种通过先进信息通信技术和软件系统,将分布式发电机组、储能系统、可控负荷、 电动汽车等分布式设备聚合优化并协调参与电力市场和电网运行的特殊电厂。 针对现阶段可再生能源产业的风力、光伏并网发电和优先消纳困难等问题,基于虚拟电厂强通信、高聚合的特性,提出了一种考虑供给与负荷转移的虚拟电厂调度策略,以虚拟电厂整体利润最优为目标函数,从供给侧与需求侧同时强化虚拟电厂的调度弹性。 其中供给转移通过储能设备实现,考虑蓄电池储能系统与氢能存储系统同时参与调度,发挥各自储能优势,负荷转移通过柔性负荷实现,并将所有柔性负荷分为短期、中期、长期 3 类来反映实际情况,以柔性负荷的负荷量与最晚调度时间为类别划分依据。 实验结果表明:储能设备及柔性负荷参与虚拟电厂调度,显著提高了虚拟电厂运行的强健性,增强了新能源的消纳水平,实现了“削峰填谷”的效果,并且在经济性上有着良好的表现。     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

基于Tent映射NSGA-II算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,文中提出一种基于Tent混沌映射NSGA-II算法的微电网能量优化管理方法。该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-II算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-II算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证所提出的能量管理方法、容量配置优化模型以及改进NSGA-II算法的合理性和有效性。仿真结果表明：改进NSGA-II算法具有良好的优化效果,使得微电网运行的经济性得到了显著提升,较传统算法提高了14.55%;碳排放量有所降低,较传统算法减小了3.10%,可实现对微电网多目标的优化。     

基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法

针对由多个相互关联的微电网组成的多微电网系统,本文提出基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法。该算法通过协调各子网多余或缺少的能量,并优化各子网发电设备以实现各微电网能量供需平衡,最小化多微电网系统整体运行成本。首先建立多微电网能量流动模型及其能量管理优化问题,进而综合预测控制的滚动优化思想和关联平衡原理,设计了多微电网系统的递阶优化调度算法。该算法将整体优化的复杂的高维整体优化问题分解为若干个相互独立的低维子问题,将原来集中的大规模计算分散到每个子系统中进行,降低对单个控制器的计算性能要求,并引入Barzilai-Borwein梯度法对子微电网之间协调,提升协调级迭代计算寻优过程的收敛速度,驱动各子网的独立优化解快速收敛至多微电网的整体优化解,以较低的计算量取得了良好的多微电网能量管理效果。最后通过数值仿真验证了本文所设计算法的有效性。     

智能家庭用电多目标优化方案研究

分析了家庭用电的微电网系统,研究了粒子群算法以及多目标优化理论. 在此基础上,设计了一种面向家庭用电的多目标优化模型,利用人工智能粒子群算法处理多维目标函数,制定了用电优化策略. 计算机仿真结果表明,该策略有效优化了家庭能耗,达到了节能减排的目的.     

基于遗传-剩余矩形算法的装配式预制构件堆场优化

为了解决装配式建筑施工现场预制构件堆放缺乏统筹规划和信息化管理不足的问题，对预制构件的现场堆放方案和吊装距离进行分析，建立了基于遗传算法和剩余矩形算法的堆场优化数学模型并提出了求解方法，开发了堆场优化系统。利用该系统可以对可堆叠和不可堆叠类型的构件堆放进行优化，给出含有构件堆放位置和堆放顺序的优化排布方案，使得构件吊装距离最小；且该系统中构件状态管理流程明确，管理人员可根据优化方案高效安排现场构件堆放。验证结果表明，堆场优化系统可提高预制构件堆放的管理水平和吊装效率，降低对现场管理人员经验的依赖，实现预制构件堆放的信息化管理。     

遗传算法在箱装军用物资垛位优化中应用

垛位优化是仓库管理中的一项重要工作。文章首先建立了基于总搬运距离和同一性原则的多目标优化模型——箱装军用物资垛位优化数学模型;然后采用了并列选择法的遗传算法来解决该优化问题,并给出了求解的具体步骤和操作过程;最后结合一实例对该方法的有效性进行了验证。     

考虑电动汽车充放电的智慧社区强化学习能源优化调度策略

为提高智慧社区能源系统(smart community energy system, SCES)运行的经济性,引入了电动汽车作为储能设备,并在此基础上提出了一种基于强化学习的新型智慧社区能源系统运行优化调度策略。首先,基于各能源设备运行机理构建了新型智慧社区能源系统模型,该模型考虑了电动汽车作为储能设备入网运行对负荷和供需平衡的影响。其次,将电动汽车分为耗能组和储能组,分别作为用电负荷和储能设备参与系统运行。分析了新型智慧社区能源系统多种能源设备的能量耦合关系,进而建立了电动汽车及各能源设备的非线性约束条件,并重新设计了算法的状态空间、动作空间以及奖励函数。再次,运用基于深度双Q网络(double deep Q network, DDQN)的新型智慧社区能源优化调度策略解决能源系统运行优化问题。最后,以某社区为例,仿真验证了所提策略可有效提高智慧社区能源系统运行的经济性。     

区域综合货运枢纽布局优化模型研究

区域综合货运枢纽布局优化是区域综合运输体系规划的重要内容之一。首先,基于区域货运系统运输费用最小,建立了区域综合货运枢纽布局优化模型。然后,提出了基于联合运输的区域货物综合运输网络构建方法,并在一般联合运输路径概念的基础上,提出了货物联合运输合理可行路径的三个约束条件,即合理的方式序列、合理的运距和合理的换装次数。其次,提出了基于超级网络和遗传算法的模型求解方法,并在枢纽之间增加了虚拟专用路径。最后,通过算例对模型及求解方法进行了验证。     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

基于膝点驱动进化算法的工程施工多目标优化

在传统的工期-成本施工优化体系上引入安全水平和环境影响两大目标,构建施工工期-成本-安全-环境多目标优化模型,采用膝点驱动进化算法KnEA进行多目标寻优。首先,构建工期-成本-安全-环境目标函数,其中安全目标函数的构建采用网络系统理论,构建工期-安全、成本-安全函数,环境目标函数考虑项目对环境的直接影响和间接影响; 然后,以工期天数、直接成本为输入,进行KnEA模型的参数设置,选取典型工程项目施工工序组合构建施工多目标优化模型。最后,利用KnEA算法求解,得到使工期-成本-安全-环境综合最优的工序执行模式组合的帕累托最优解集,与典型优化算法对比,验证了knEA算法在工程施工多目标优化中的有效性,从而证明了本文能有效指导施工过程的优化管理。