基于改进烟花算法的虚拟惯量配置策略

针对分布式能源高渗透下电网的虚拟惯量资源有效利用的问题,提出改进烟花算法对虚拟惯量进行配置。建立虚拟惯量配置评价模型,在烟花算法粒子选取时,引入向量优化域来定向选取最优域内的粒子。通过双系统模型仿真验证,与传统烟花算法相比,改进烟花算法的寻优性能更好,结果更精确。     

基于灰色PSO算法的分布式电网多目标调峰调度优化

针对目前新能源大规模并网,传统的调峰调度运行方式不能满足新能源出力消纳要求的问题,提出一种用户侧主动参与调峰调度的方案.将可调度分布式电源、储能单元和可中断负荷纳入分布式电网系统管理中,引入虚拟电厂的概念对可控负荷以及分布式电源进行控制,以负荷方差最小以及运行成本最小为目标,建立多目标调峰调度模型,并用改进灰色PSO算法对调峰调度模型进行优化求解.以IEEE33节点配电系统为算例进行仿真,结果表明该方法能够有效提高系统调峰能力、增加新能源消纳和降低运行成本.     

考虑环境因素的分布式能源多目标优化配置

建立了分布式能源多目标优化配置模型,考虑了环境因素,以最小化传统发电与分布式能源发电的环境成本与发电成本之和、最小化配电网络损耗为目标函数.改变传统将多目标优化问题转化为单目标函数求解的做法,将粒子群算法扩展为多目标粒子群算法,并以此算法作为优化工具求解分布式能源的多目标优化配置.采用IEEE33节点系统作为算例,考虑将微型燃气轮机并网的优化配置问题.算例结果表明,该多目标优化配置策略能够为决策者提供可供个性化选择的多样化配置方案,各种优化配置方案与没有分布式电源安置相比,可降低系统网络损耗、改善系统可靠性指标和电压水平并降低污染气体排放.     

基于线性规划逆优化模型的供应链资源优化配置支持系统研究

为帮助供应链合理组织企业资源,快速有效响应市场需求,设计开发了一个基于线性规划逆优化模型的供应链资源优化配置支持系统。系统内置的供应链资源优化配置线性规划逆优化模型的快速建模和求解模块以及专家决策支持模块,实现了面向市场的供应链资源快速优化配置,在实际应用中提供的生产计划调度和业务改进建议,有效缩短了供应链响应市场的周期,降低了成本。     

基于风-光-储联合优化的最优潮流

针对分布式能源发电的间歇性和不确定性,提出了风、光互补发电和储能实时在线优化结合的方法。以风、光日前预测发电与实时发电误差最小、储能出力最少为目标,建立风-光-储联合优化模型;使用改进PSO算法对风、光出力进行实时优化,优化后的分布式发电可以有效降低分布式电源带来的日前调度偏差。储能优化后的风、光出力在进行潮流计算时可直接处理为负荷模型,因此可以有效降低分布式能源建模的复杂度。最后,以IEEE30节点系统为例,以发电机发电费用最低为目标函数,将风-光-储联合出力等效为单个节点,利用遗传算法对最优潮流模型进行求解,验证了本文方法的正确性和有效性。     

SEEIP核心企业局域智慧能源网络框架及优化配置方法

智慧节能工业园区(SEEIP)的核心企业能源配置对产业集群的循环经济节能降耗具有重要作用。针对SEEIP建设与既有工业园区核心企业能源系统的智慧化改造,提出一种基于信息和通信技术(ICT)的局域智慧能源网络框架,并给出了能源生产模块、能源转换模块与能源蓄存模块中各种能源介质及品位的能量计算数学模型。以经济成本与环境影响为目标的函数,给出了SEEIP企业能源网络系统配置的优化模型,并采用改进的差异演化算法(DE)结合数据库查询技术求解该混合整数非线性规划(MINLP)优化问题,给出企业能源系统最佳配置方案,以满足用户冷、热、电需求。     

分布式电源对配电网网损影响的研究

本文对配电网分布式电源优化配置的研究中,考虑了系统的有功网损,并以系统的有功网损最小为目标建立了目标函数,采用了改进的粒子群算法对该问题进行求解,在改进的算法中对惯性权重进行了改进,使得算法更易得到精确的解。仿真结果表明,进行分布式电源优化配置后,系统的有功网损较配置前明显减少,各节点的电压质量也得到显著改善。系统的整体性能得到改善。     

基于改进场景聚类法的主动配电网中分布式电源准入容量规划

随着电力市场的不断拓展,将出现拥有分布式电源的主动用户,在主动配电网中高渗透率地接入可再生能源成为主要的市场模式之一.在市场机制的作用下,主动用户进行可再生能源最优配置时,不仅要考虑利润的问题,还需要充分考虑主动配电网的消纳能力.基于联合时序场景对主动配电网中分布式电源的准入容量进行研究.首先,针对分布式电源及负荷的不确定性问题建立了联合时序场景,并对已有的聚类算法进行了改进,高效地实现了联合时序场景削减;其次,在主动配电网中充分考虑网络潮流优化及电压控制对分布式电源的消纳影响,基于联合时序场景,建立了计及有功控制、无功补偿、变压器有载调压三种主动管理策略下的分布式电源准入容量模型;最后,通过IEEE33节点配电网对上述模型进行算例分析,验证了所提方法及模型的正确性及有效性.     

基于改进粒子群算法的双馈感应发电机参数辨识

基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。     

改进PSO-LSTM算法预测高速公路交通量

高速公路交通政策的制定需要准确的预测交通量,基于此,选用LSTM机器学习模型对其研究,针对LSTM模型中参数确定的问题,选用 PSO算法对其优化,同时针对PSO算法中粒子位置更新问题,以公式中各参数含义为切入点进行改进,将PSO算法公式中原来静态的惯性权重及学习权重改为会随着迭代次数及粒子位置改变而改变的动态值,从而达到搜寻精度提高的目的,据此构造改进PSO-LSTM模型,最后通过实例计算分析,分别对高速公路的工作日及休息日进行预测。结果表明改进的PSO-LSTM模型较LSTM模型在工作日及休息日交通量的预测上,其评价指标均方根误差分别提高了12.19%、10.97%,平均绝对误差分别提高了17.06%、15.17%,平方绝对百分比误差分别提高24.56%、23.88%,精度提高值明显高于PSO-LSTM模型。改进PSO-LSTM模型在交通量预测精度上具有显著提高作用,且抗干扰能力强,可以为政策的合理制定提供更可靠的依据。     

基于差分进化算法的分布式能源系统 多目标优化

为了避免传统分布式冷热电三联供系统设计中偏离实际工况、负荷率偏低、效率低下等问题,本文以某商务区为对象,将分布式能源系统设备容量的最优化问题转化为以年总成本和年排放量综合最低的多目标数学模型,在对比多种常见智能算法后,选择具有强大全局巡优能力的差分进化算法进行求解,获得优化配置方案。分布式能源系统设备类型较多,且影响因素繁杂,各种设备的容量配置是整个系统运行效益好坏的关键。计算结果表明,与冷热电分供能系统进行对比,通过差分进化算法进行最优化配置后的分布式能源系统具有显著的优越性和可行性,系统结构设计、能源价格,均会对系统最优化结果产生影响。     

无线接入点吞吐率预测的建模与优化

针对接入点吞吐率的多步预测问题,提出基于Nu-支持向量回归的建模策略,设计了并行混合粒子群算法,从特征选择与参数选择两个方面对预测模型进行联合优化。评估结果表明,Nu-支持向量回归模型在吞吐率多步预测中能取得较高精度,并行混合粒子群算法具有良好收敛性,且能显著提高预测模型的性能。     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

计及虚拟储能的风光储独立微电网优化配置

针对风光资源丰富的偏远地区,提出风光储独立型微电网容量配置模型及协同运行策略。首先建立分布式电源的数学模型,考虑负载失电率以及能量过剩率,以微网配置总成本作为目标函数,采用改进的粒子群算法进行一次优化配置;再以一次优化配置所得的蓄电池配置结果,作为二次优化配置的输入,引入基于电力弹簧的虚拟储能,以储能系统的总成本最低为目标函数,计算虚拟储能所等效的蓄电池数量,减少蓄电池的配置数量,得出最终的配置结果。最后,通过算例分析表明了该方法的可行性及经济性,可为微电网容量配置提供参考。     

基于改进粒子群算法的诺西肽发酵过程优化

在诺西肽补料分批发酵动力学模型的基础上建立了诺西肽发酵过程产量优化模型,根据发酵工艺选取了决策变量,并确定了变量的边界约束范围.针对标准粒子群算法在求解复杂优化问题时易于陷入局部最优的问题,利用混沌序列具有随机性和遍历性的特点,引入混沌迁移算子,提出了一种改进的粒子群算法.利用改进算法对所建立的诺西肽发酵优化模型进行求解,大大提高了最终产物的产量,证明了所提改进粒子群算法的有效性.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

基于改进鲸鱼算法的并网型微网能量管理

为解决并网型风/光/柴/储微电网的能量管理问题,以经济性和环保性为目标函数,考虑各发电设备安全稳定运行作为约束条件,构建并网型微网容量优化配置模型;采用差分排序和差分变异的优化策略且引入Lévy飞行轨迹的机制来改善标准鲸鱼算法(whale optimization algorthm,WOA)的收敛精度和收敛速度;基于所提的风-光-储-网-柴的调度策略,采用改进鲸鱼算法求解配置模型。挑选某地一年四季4个典型日进行案例分析。结果表明:本文所提出的调度策略和配置模型具有合理性;改进的WOA算法能够有效地解决微网能量管理问题,在全局搜索和寻优能力方面具有优势。     

馈能悬架的多模式智能控制策略

针对主动悬架耗能而限制其在电动汽车中的应用问题,采用永磁(PM)直线电机作为主动悬架系统的执行机构,建立了整车动力学模型,研究了车辆动力学性能与能量回收能力之间的关系。基于最优控制理论设计了主动悬架LQG控制器,采用层次分析法(AHP)和粒子群优化(PSO)方法优化了控制器设计参数,提高了车辆动力学性能和能量回收能力。为了实现模式切换,提出了一种新的多模式切换控制策略。在控制策略中引入舒适性因素,该因素可由驾驶员调节或根据车辆行驶状态进行选择,从而实现了不同模式下的策略切换。仿真结果表明,所提出的多模式切换控制策略显著优于传统主动悬架控制模式,从而全面提升了整车动力学性能和能量再生能力,为悬架馈能控制策略提供指导。     

一种WSN中能量有效的分布式检测和功率分配算法

针对并行估计结构的无线传感器网络,讨论了无线传感器网络中的分布式估计问题,提出了一种能量有效的分布式估计算法,并对相应的功率分配问题进行了阐述。系统对于同一观测目标采用多发送单接收模式,由汇聚中心依据观测区域内的所有传感器节点发送的信息对观测对象做出估计,该算法基于LMMSE准则,考虑总能量受限和各支路信道状态信息两方面的因素,在满足一定系统性能要求的前提下,选定部分节点作为活动节点传输数据,并参与相应的功率分配,关闭未被选中的节点电源,从而实现有效的节能,进而延长无线传感器网络的生命周期。实验结果表明,该分布式估计的功率分配算法下的系统性能以及估计值的均方误差性能明显优于基于平均功率分配算法。