智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

分布式优化在智能电网经济调度问题中的应用

为了减少智能电网中节点之间信息交换的需求,降低智能电网的发电成本和用户的用电消费,提出了一种时变拓扑下的分布式优化算法,用以寻找经济调度问题的最优解;结合图论的相关理论,将节点之间的信息交换用时变无向图表示,并根据光滑精确罚函数的思想,简化经济调度问题,将优化问题中的不等式约束整理到目标函数中,从而得到一个只含有等式约束的新的优化问题,随后通过调整参数值求得最优值,因为算法考虑了每个节点的容量约束,所以在实际应用中具有更好的普适性;证明了当全局目标函数取得最小值时,各个节点共同达到最优解,最后通过实例验证了算法的有效性和可行性。     

一类时变有向图中的PUSH-SUM分布式对偶平均优化算法

利用push-sum通信协议并结合分布式对偶平均方法,在时变有向图中,讨论了一类带有简单约束集的分布式凸优化问题.首先提出了push-sum分布式对偶平均算法,然后分析了算法的收敛性,并得到了算法的收敛率为■,最后用l_1线性回归问题的数值结果验证了所提出算法的有效性.对比现有的一些结果,所提出的算法能用于求解带约束的分布式优化问题,并且去掉了网络通讯权矩阵是双随机的限制.     

求解经济调度问题的分布式加速优化算法

【目的】研究一类分布式约束优化问题,其中无向网络中的节点旨在求解一系列局部凸代价函数之和的最小值,每个节点只能访问自身的局部凸代价函数且每个节点的状态同时遵循局部边界约束和耦合等式约束。【方法】提出一种新的分布式加速原对偶算法,该算法将两种动量项引入到分布式梯度跟踪并采用不协调的步长。【结果】假设代价函数为平滑且强凸的,在最大步长和最大动量系数足够小且为正的情况下,算法能够线性地收敛到最优解。【结论】通过智能电网仿真实例验证了算法有效且分析过程正确。     

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。     

智能电网下的电网调度工作

智能电网是未来电力系统的发展趋势,智能调度作为智能电网建设的重要环节,是电网调度自动化系统发展的新方向。     

分布式智能电网中电源失效时的电能优化分配

构建一种分布式智能电网的总体框架模型,给出分布式发电规划与优化控制总体模式;针对分布式智能电网中的电源故障问题采用一种改进微粒群算法进行优化潮流计算,获取系统正常工作发电设备的优化功率分配方案,并基于IEEE 14-bus系统进行了仿真,验证了所提方法的有效性.     

基于智能电网环境下的电网运行调度管理措施

随着科技和经济的发展,电网环境逐渐步入智能化时代,这对我国电网发展来说是一个极为重要的进步。智能化电网对运行调度管理的要求更为精确和严格,然而我国当前缺乏这种管理环境和技术设备。鉴于此,本文将对智能电网环境下的电网运行调度管理一作分析,并提出可行性建议和意见。     

智能电网中“智能调度”研究

随着社会生活水平的提高,计算机技术迅速发展使电网的监控能力有所加强。现今,调度中心已经可以初步实现集中控制系统的正常运行,为智能电网构建提供了保障。电网规模逐渐扩大,单纯靠人力已经不能满足其发展需要,因此“智能调度”开始崛起。本文对智能电网中“智能调度”的意义和应用展开系列分析,力求结合实际,积累丰富的理论和实践经验。     

浅谈电力电网智能调度系统

在科技水平不断发展的背景下,电力电网的智能调度系统保证了电网运作的稳定性与安全性,逐渐成为了电力电网的发展方向。本文对电力电网智能调度系统做了简单的介绍,对电力电网智能调度系统的具体应用进行了探讨,     

基于有向无环图的时间——费用优化调度算法

在网格计算环境中,基于时间限制和费用最小的有向无环图（DAG）调度算法,运用了经济规律把网格用户的任务映射到网格资源中运行。该文综合考虑时间、费用以及任务间的优先关系等诸多QoS需求,提出了基于有向无环图的优化调度算法。通过仿真实例,论证了该算法的优越性。     

时延情形下分布式Push-sum次梯度优化算法的研究

针对多个体系统在个体间进行信息交换时发生接收信息滞后,存在通信时延,影响优化算法的收敛速度的问题,提出一种时延情形下的分布式Push-sum次梯度优化算法,该方法在权矩阵不具有正对角线元素时仍适用,并应用系统扩维的方法将有时延优化问题转化为无时延优化问题。在时延和次梯度有界且有向切换网络周期强连通的条件下,证明了所提出的分布式Push-sum次梯度优化算法的收敛性。研究表明:存在通信时延时的算法收敛速度比无时延时的收敛速度要慢,并具有较大的收敛误差。最后,通过数值仿真验证了研究的结论。     

基于遗传算法的九寨沟车辆调度优化方案研究

遗传算法常常被应用于解决优化问题.介绍了九寨沟车辆调度系统利用遗传算法的思想优化景区内公交车辆调度方案,从而使车辆和人力资源得到合理和充分利用,防止资源的浪费.     

基于Petri的分布式网络流量优化

基于Petri网建立一种分布式流量优化模型,解决了网络的重复转发问题,并在此基础上,结合线性规划方法,实现了网络流量流向的多目标控制,有效提高了网络质量.     

分布式无人机网络覆盖优化算法

针对非均匀目标区域中的热点区域覆盖优化场景,提出一种分布式无人机网络覆盖优化算法。首先对满足网络连通性的最少无人机节点数目和热点区域覆盖范围进行估计,其次融入热点区域信息改进布谷鸟算法位置更新方程并重构优化目标函数,然后对发现概率参数进行自适应调整,最终实现热点区域覆盖率的重点优化。在仿真实验分析中,在相同仿真环境下与标准布谷鸟算法和其他经典算法进行对比,结果表明所提算法的热点区域覆盖率较其他算法提升了约4%,迭代次数减少了约30次,证明了该算法收敛速度快、耗时少,能够更加有效地提高热点区域的覆盖率。     

基于IRSO算法的含分布式电源配电网重构

在智能电网的背景下,为了减少含分布式电源(distributed generation, DG)配电网的网络损耗,同时提高电网安全性,提出“单条支路安全系数”“最小安全系数”“平均安全系数”三个安全性评价指标,并建立以网损、“平均安全系数”“最小安全系数”为目标的配电网重构数学模型,采用改进鼠群优化算法进行求解。针对传统鼠群算法随机初始种群的迭代次数较多问题,采用有序环网配合启发式规则在初始化阶段生成一个初始解;针对传统算法在运行过程中产生众多无效变异的问题,提出“映射规则”,最大化调用鼠群变异规则;为了避免最后结果未优化到最优,提出“最优个体微调策略”。采用IEEE33节点电力系统和Taipower84节点电力系统进行对比验证分析,证明了该文方法的通用性和有效性。     

基于混合智能算法的电力系统经济调度优化模型研究

在以电力系统的发电总燃料量、氮氧化物排放量和电价等3个因素为目标函数,以系统有功平衡、系统正负备用、输出功率以及输出功率上升速率等相关约束条件的基础上建立了电力系统经济调度的加权优化模型.同时,在综合了粒子群-人工鱼群算法的基础上构建了混合智能算法.最后,用10个机组所组成的火电厂的优化调度问题作为案例,采用混合算法进行求解及结果分析,以说明电力系统经济调度加权优化模型的有效性以及综合智能算法的收敛性和稳定性.     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

基于遗传算法的分布结构模糊神经网络

提出了一种用于模糊系统建模和分析的分布结构模糊神经网络,这种网络将所有输入变量的从属度与各输出变量的从属度通过分布结构独立对应起来,利用遗传算法得到网络的权与输入变量的从属函数最优化参数,最后给出计算机模拟结果。