电动公交车充换电站运营体系的动态建模

基于城市建设、充换电站规模、物流系统等多种元素,构建了适用性广泛的电动公交车充换电体系模型.根据公交车的运行特点,实现对电动公交车电池自动更换系统的模拟,建立了电动公交车充换电站的工作模型.针对换电站的电池实时需求,模拟了电池物流系统数据,进而模拟集中充电站的电池充电负荷曲线,分析集中充电站的充电行为和控制措施对电网负荷的影响.算例表明,该模型能够很好地反映一定区域内电动公交车充换电站的承载能力和运营效果,以及对电网负荷的影响.     

考虑风电反调峰特性的储能调峰优化策略

为解决风力发电并网的不确定性导致的电力系统调峰困难问题,提高新能源综合利用率,在深入分析储能调峰原理的基础上提出一种考虑风电调峰特性的储能调峰优化策略.首先介绍风电反调峰特性影响,根据调峰特性确定最低移峰功率和最高填谷功率,接着再综合考虑系统功率平衡约束、储能系统约束和电源测约束的基础上增加调峰可靠性约束,建立以负荷方差最小为目标的系统优化模型,最后构建计及调峰可靠性的评价指标.以某电网阶段时间内负荷数据为基础进行算例分析,对比恒功率策略,仿真结果验证本文方法调峰效果更优.     

计及用户停电损失的离网光伏与储能系统优化规划

离网运行的光伏与储能系统的投资,即所需安装的光伏和储能的容量,不仅取决于用户负荷需求的大小,而且与用户对供电可靠性的要求以及系统的控制策略密切相关.为合理计及可靠性成本,通过用户停电损失指标把可靠性货币化,不仅可以通过该指标确定负荷的供电优先级,而且便于以总成本最小为目标进行优化规划.提出了一种具有时间前瞻性的控制策略,该策略的特点是:在储能充电阶段进行前瞻性充电,以保证储能可以在放电阶段向供电优先级高的负荷供电,使用户总成本最小;通过嵌套全生命周期Monte Carlo模拟的广度优先搜索策略,迅速锁定最优规划方案.通过算例证明了所提控制策略的优势和规划方法的有效性.     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

含蓄电池的孤立微电网系统运行优化研究

针对微电网系统在孤立运行方式下的优化问题,提出了一种含蓄电池的微电网多目标运行优化方法.求解方法分为2步:储能单元运行方式的确定及可控型微电源的优化调度.微电网储能单元的运行方式根据当前调度时刻的负荷需求、可再生能源发电期望、储能单元的荷电状态等因素,采用功率差控制策略对储能单元进行管理.可控型微电源的出力分配,在考虑系统功率平衡、微电源出力限值和爬坡约束等条件下,以经济成本和环境成本为目标,利用改进的遗传算法进行求解.该方法不仅发挥了蓄电池削峰填谷的作用,提高了储能单元的经济价值,而且实现了孤立微电网的经济、环保优化运行.以典型微电网系统的日优化调度为算例,验证了所提方法的可行性和有效性.     

用改进遗传算法求解电力系统负荷恢复

对系统恢复过程中最后一个阶段的负荷恢复问题进行了研究.考虑系统恢复过程中负荷对电力需求优先级的不同,将电力系统的负荷恢复问题建模为多约束条件的组合优化问题,并用改进的遗传算法对问题进行求解.在选择策略中采用稳态策略、精英策略和重叠种群策略,提高了遗传算法搜索的遍历性并使算法具有群体爬山性.将各种约束条件与目标函数融合在一起,建立一种偏序关系来处理负荷恢复中的约束条件.求解的过程满足了系统的约束条件,不会出现系统的越限.算例结果表明了算法的有效性.     

微网可转移负荷调度与储能控制策略

针对新能源发电的不确定性和随机性,以及新能源发电与用户负荷难以匹配的问题,构建了风、光、储共存的微电网系统,并提出了一种基于可转移负荷和储能系统协调控制的微网能量管理策略。首先在现有的微网模型基础上构建了集中式微网控制系统,用于对风、光、储系统进行相应的控制,同时建立了兼顾用电负荷优化调度与储能系统安全高效运行的多目标函数。然后采用改进粒子群优化算法求解目标函数,引入新的负荷调度策略降低计算复杂度和提高用户满意度,最终获得可转移负荷调度量,实现可转移负荷的调度策略。同时,充分考虑了储能系统的影响,对荷电状态(SOC)进行控制监测,控制储能系统波动情况,提高储能系统性能并延长其使用寿命。最后通过数值仿真,验证了本文提出的能量管理策略在满足用户满意度与实际储能要求的前提下,可以提高微网运行性能,实现微网能量管理和经济运行。     

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。     

风电系统中变流器与蓄电池容量优化配置策略

以直驱永磁风电系统中双PWM变流器和蓄电池为研究对象,建立了以风电系统收益最大为目标的变流器与蓄电池容量优化模型,提出了基于非线性规划遗传算法的变流器与蓄电池整体容量配置策略.该策略分析了风电系统的发电收益、损失电能效益、双PWM变流器成本、蓄电池成本,建立了风电系统年收益的目标函数;同时考虑国标对风电系统并网功率波动的限制条件;并通过非线性规划遗传算法求解目标.为验证该策略的正确性,以某风电场的发电系统为仿真对象进行了分析,结果表明,相对于传统的容量配置方法,本文提出的容量优化配置策略可以使风电系统的年成本降低10.3%.     

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。     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

浅析关系数据库性能优化技术

在数据库系统的运行过程中,随着数据量的增加,各方面性能都会逐渐下降。为了提高数据库性能,可以从优化数据库设计、存储方案、索引设计和并发控制等多个方面入手来解决。适当程度的非规范化可以改善系统的查询性能;将数据均匀分布在磁盘上可以提高I／O利用率,提高数据的读写性能;建立索引和编写高效的SQL语句能有效避免低性能操作;在编程过程中充分考虑并发控制可能导致的不一致性问题,会有效避免死锁的发生,解决性能的瓶颈。     

企事业过程模型自动模拟和优化算法

使用适合的优化算法,并依靠计算机的不断模拟执行,企事业过程模型可以得到一定程度的改善和提高。简要介绍了最优化方法和常用的优化算法,着重阐述了企事业过程模型的参数优化问题中所采用的优化算法。     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

机械结构多级优化的问题与对策

本文讨论了结构优化,尤其是结构方案阶段优化中所存在的问题,指出了结构系统优化与多级优化的区别与联系,分析了研究结构多级优化的必要性与可能性。接着以系统科学及设计方法学的思想为指导,提出将结构优化分为截面、形状、布局、拓扑及形式优化五个层次,并总结了一种解决复杂机械结构多级优化问题的一般对策,讨论了开展结构多级优化所需工具软件等相关问题。     

结构拓扑及参数优化研究的发展

首先介绍了关于结构优化的基本问题,然后按其分类方式阐述了各种优化方法的研究现状,最后对结构拓扑优化中的常用算法及其常见的数值不稳定现象进行了分析.     

一种改进PSO算法的电力系统无功优化方法

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化．该算法简单易实现,可调参数少,已得到广泛研究和应用．本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程．为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向．对IEEE-6节点系统的仿真计算结果表明了算法的有效性．     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.