考虑光伏发电不确定性的日前火电-光伏经济调度

针对光伏发电受季节天气因素影响产生的不确定性和随机性的问题，建立了考虑光伏发电不确定性的日前火电-光伏经济调度的数学模型。以传统火电机组的运行成本、光伏发电成本、旋转备用成本，以及受到季节天气因素影响的光伏发电预测误差成本为经济目标函数；以火电机组的二氧化硫排放为环保目标函数。为提高光伏出力预测的准确性，采用加入季节天气因素的长短时记忆神经网络对于光伏发电进行预测，通过Cplex对所构建的模型进行求解，结果表明了所提模型的有效性和可行性。     

蓄电‒氢储混合储能系统的配电网双层优化

在“双碳”目标与清洁能源氢能利用的背景下,针对配电网配置电化学储能和氢储能系统构成混合储能系统提升电能质量的需求,建立了混合储能系统双层优化模型,上层选址定容模型综合考虑投资成本、网损成本和电压偏移,下层优化运行模型考虑混合储能系统的运行成本,并引入电压稳定性指标进行评价。求解过程中利用灵敏度分析对选址可行域进行了降维,并提出一种改进的小生境多目标粒子群算法,将小生境处理机制与外部档案选取技术、混沌变异技术相结合。利用接入新能源的IEEE33节点系统进行算例仿真。结果表明：混合储能系统容量与接入点的优化配置,可以提高系统经济性、降低全网有功网损、减小电压偏移和提高电压稳定性。     

不确定环境下并网型光储微电网的容量规划EI北大核心CSCDCSSCI

如何规划光伏和储能的容量将直接影响并网型光储微电网的成本和收益.有效解决该问题能极大促进新能源微电网的推广.然而,基于有限历史数据进行容量规划研究面临两大难点:首先,光伏发电量具有不确定性,并且难以准确估计其对应的概率分布;其次,光伏发电量具有高维性,即需考虑较长调度周期内各天各时段的光伏发电情况.为此,本文提出先基于场景聚类分析进行降维,再利用分布鲁棒优化处理光伏发电不确定性的研究思路.特别地,本文针对并网型光储微电网容量规划问题,构建了全新的两阶段分布鲁棒优化模型,并基于线性决策准则提出高效求解的方法.最后,通过公开数据集构造算例,进而验证了模型及求解方法的有效性,并由数值实验论证了配置储能系统对提升微电网经济效益的重要性.     

云制造环境下考虑不确定性的产品配置优化

越来越多的大规模定制企业借助于云制造技术实现产品的个性化定制。针对云制造环境下的产品配置问题, 提出了基于鲁棒优化的方法建立最小化配置总成本为目标的优化模型, 并考虑了云制造成本和时间的不确定性。运用基于budget 和区间的不确定集来刻画参数的扰动性。通过对偶理论, 将其转化为鲁棒等价模型, 从而可以采用 CPLEX 进行求解。以一个配置案例为例论证了鲁棒优化模型的有效性。最后, 设计了不同的算例进行仿真实验, 证明了鲁棒优化解在应对不确定风险时更为稳健、能够显著改善产品的准时交货期。     

脉冲信道下基于深度学习的BP译码方法

在脉冲信道下,针对置信传播(belief propagation, BP)算法对短码长的低密度奇偶校验(low-density parity-check, LDPC)码译码性能差的问题,提出了一种基于深度学习的BP译码方法。首先,根据Tanner图构建两种深度神经网络模型,通过对Tanner图中边的权重重新赋值来提升译码性能。然后,简化信道对数似然比(log-likelihood ratio, LLR)的计算方法,通过模型训练优化近似计算参数,得到对参数γ鲁棒的译码模型。最后,构造鲁棒训练集,训练得到对参数α和γ鲁棒的译码模型。仿真结果表明,在高码率时,该方法相对于传统BP译码算法性能显著提升,且在近似计算信道LLR值时,译码性能在不同参数的脉冲信道下均具有鲁棒性。     

脉冲信道下基于深度学习的BP译码方法

在脉冲信道下,针对置信传播(belief propagation, BP)算法对短码长的低密度奇偶校验(low-density parity-check, LDPC)码译码性能差的问题,提出了一种基于深度学习的BP译码方法。首先,根据Tanner图构建两种深度神经网络模型,通过对Tanner图中边的权重重新赋值来提升译码性能。然后,简化信道对数似然比(log-likelihood ratio, LLR)的计算方法,通过模型训练优化近似计算参数,得到对参数γ鲁棒的译码模型。最后,构造鲁棒训练集,训练得到对参数α和γ鲁棒的译码模型。仿真结果表明,在高码率时,该方法相对于传统BP译码算法性能显著提升,且在近似计算信道LLR值时,译码性能在不同参数的脉冲信道下均具有鲁棒性。     

基于多层利益共享的虚拟电厂参与电碳市场分布鲁棒优化模型

风电和光伏的高渗透率增加了新型电力系统对灵活性资源需求.虚拟电厂作为一个特殊电厂聚合了可控分布式电源、新能源、储能、碳处理、负荷等各类资源,“对内协同”可以实现内部资源协同调控,“对外统一”可以参与外部电碳市场获利.基于此,本文创新地提出了虚拟电厂参与电碳多类市场分布鲁棒优化模型.为了刻画风电和光伏的不确定性,构造了基于Wasserstein距离的分布模糊集和基于数据驱动的误差不确定集.为了兼顾经济性和鲁棒性,考虑内部运行成本以及外部参与多类市场收益,构建了最坏分布下期望收益最大的两阶段鲁棒优化模型,并提出模型求解方法.为了保证联盟动态平衡,提出了多层利益分配方法.最后,算例分析表明:在“对内协同,对外统一”的经营模式下,有效激发虚拟电厂内各类资源的潜力,参与多个市场后获取共享利益,实现了多方互利共赢.所提模型具有数据驱动、快速求解、灵活可控、经济实用等优越性.多层利益分配方法能够简便、有效地将共享效益传导至各主体.     

应对突发事件的双源采购鲁棒订货策略

针对可能发生的突发事件导致供应商存在不可靠性的情况,研究了由1个制造商和2个供应商构成的单种原料、多周期供应链双源采购鲁棒订货问题。采用实际送货量占订货量比例的变动来描述模型的不确定性,构建了供应可靠性均值化下的多周期制造商成本模型,并求解最优订货策略;用不确定性集描述实际送货比例的不确定性,并设定保护水平参数,构建能够在突发事件下以较低成本维持市场服务水平的供应链鲁棒运作模型,运用鲁棒优化方法转化为线性规划模型进行分析。数值算例结果表明,将鲁棒性运用于双源订货模型中,能够减少供应不确定性对制造商总订货成本和市场服务水平的影响。     

基于风速预测模型的风电一次调频仿真研究

为进一步提高风速预测精度,考虑数据内部结构性与外部影响因素耦合性叠加特征,以及风电机组功率特性,构建逆向前馈神经网络自回归移动平均模型(back propagation-autoregressive integrated moving average model, BP-ARIMA),并对风电场风速进行预测仿真,通过与实际数据对比分析,验证了所建模型具有较高预测精度。在所建预测模型基础上,基于风力发电机组典型功率特性曲线,统筹考虑储能装置容量优化配置与风电机组的致稳性问题,应用MATLAB-SIMULINK平台进行风电机组一次调频仿真。结果显示：一次调频控制策略的频率调节能力相较于常规超速减载调频控制可至少提高十个百分点。     

医院手术调度问题的两阶段鲁棒优化方法研究

手术服务时间受患者身体状况,医生技术水平等因素影响,具有不确定性.如何有效地调度患者手术成为医院管理的一大挑战.研究了医院的手术调度问题,以院方收益最大为目标,在考虑患者最迟手术日期限制的情况下,建立了手术调度问题的确定型模型.进一步考虑手术服务时间的不确定性,将手术的服务时间表示为有界区间,考虑了管理者风险偏好对患者服务时间不确定集的影响,在确定型模型的基础上,提出了区间型手术调度问题的两阶段鲁棒优化方法.数值实验结果表明,将鲁棒优化运用于手术调度问题,能够减小服务时间不确定性给医院效益带来的影响.同时,考虑最迟手术日期会降低医院收益,最大收益差可达到10.7%.     

基于灵敏度分析的系统可靠性稳健分配优化方法

在系统可靠性分配中,考虑单元可靠度的不确定性已是可靠性分配的现实需要.为了提高系统可靠性分配优化的质量,将稳健理论引入可靠性分配中,提出基于单元可靠性灵敏度的系统可靠性稳健分配方法.将单元可靠性灵敏度溶入系统可靠性分配模型之中,建立系统可靠性稳健分配模型.在此基础上,采用粒子群-序列二次规划算法对该模型进行优化设计,该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该混合算法可以快速获取全局最优解.通过对发动机曲柄连杆机构进行可靠性稳健分配设计,验证了可靠性稳健分配模型的合理性和混合算法的寻优能力.对结果分析表明,所提方法可以较好解决单元可靠度不确定时的可靠性分配问题,混合算法具有较强的全局搜索能力,分配优化结果具有较强的稳健性.     

具有能量收集设备的移动边缘计算资源分配研究

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解。通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。     

云边协同系统中基于博弈论的资源分配与任务卸载方案

综合考虑时延、能耗和计算资源成本，构建云边协同系统中的效用最大化问题，并将其分解为计算资源分配、上行功率分配和任务卸载策略三个子问题。提出一种基于博弈论的资源分配和任务卸载方案（game-based resource allocation and task offloading， GRATO） 以分别解决上述子问题。利用凸优化条件求得计算资源分配最优解；设计一种低复杂度的上行功率分配方法用于降低无线干扰；针对任务卸载策略优化问题，提出一种基于博弈论的分布式任务卸载算法（game-based distributed task offloading algorithm， GDTOA）。仿真结果表明，GRATO方案在时延和能耗方面的性能优于其他方案，还可以感知用户的优先级，使紧急用户具有更高的效用和更低的时延。     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求.针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型.并提出基于凸优化的改进烟花算法(...     

资源与活动多对多关系下面向成本的业务过程资源配置优化

资源配置优化是业务过程管理的一个重要内容和目标，可以有效地提高业务过程的执行效率. 采用基于数学模型的数值化分析优化方法，研究了资源与活动之间多对多关系下面向成本的业务过程资源配置优化问题. 基于集合理论建立了面向成本和资源配置分析优化的业务过程模型，提出了在确保业务过程稳定执行（或达到一定处理能力）条件下的面向成本最小化的资源数量配置和任务分配数学模型，采用分枝定界联合启发式方法设计了快速有效的求解算法. 案例研究表明提出的资源配置优化方法是可行的和有效的.     

系统可靠度约束下的备件配置优化

备件的配置优化对于系统可靠性的保障和维护成本的降低具有重要的作用。为了保障系统的长期稳定经济运行,构建了系统可靠性模型和备件配置模型,以系统可靠度阈值和任务运行时长为约束条件,采用成本效益重要度对备件配置模型进行优化,寻求以备件配置成本最低为目标的备件配置方案。当系统可靠度下降到预设阈值时,计算系统各组件的成本效益重要度,选择成本效益重要度最大的组件进行备件,如此进行迭代,直到完成运行任务,形成最优的备件配置方案。最后,以数控机床主轴系统伺服驱动装置为例验证了该方法的可行性。     

计及可中断负荷的园区综合能源系统优化调度

热电机组"以热定电"运行时在调峰能力上有一定的局限性,可中断负荷(interruptible load,IL)作为一种待挖掘的电力资源,可以应用在园区综合能源管理和微网系统中,引导用户减少高峰用电.在含有热电联产机组的园区综合能源系统中引入IL功能改善系统调峰能力,以经济性作为集成优化目标,建立相应模型.以北方某生态园...     

多重约束下智慧仓储机器人配置仿真优化研究

针对智慧仓库的仓储机器人配置问题,构建了基于排队论的离散事件仿真模型,在保证系统可靠性和服务强度的前提下,考虑到故障对系统的影响,以距离成本、时间成本、空闲成本和购置成本所构成的总成本最小化为目标,提出了一种基于FlexSim平台的离散事件仿真优化方法。通过分析系统平均队长、订单平均逗留时间等指标,将直观化的系统瓶颈与运行实际数据相结合,求得系统成本最小的配置策略。结合实例,对算例中的智慧仓库机器人配置方案进行求解。结果表明,基于FlexSim平台的离散事件仿真寻优方法,能够求解仓储机器人配置的优化方案,并能保证模型方法的计算效率。     

基于改进注水算法的离散车间任务分配问题研究

针对离散车间实时动态任务分配结果欠理想的问题,提出了改进的注水算法.该算法加入了加工速率和费用因子,协调了加工速率和费用以及加工工件之间的关系,实现了不同代价的工件分配,对分配结果进行了调整,满足了离散分配的要求.改进的注水算法能够对临时新增的工件进行实时动态的分配.提出的算法与匈牙利算法、两阶段优化方法以及注水算法进...