源网荷储协同主动配电网分布鲁棒优化调度系统

源网荷储变量的多维度性,导致负荷响应调度安排效果不佳。为解决该问题,提出了源网荷储协同主动配电网分布鲁棒优化调度系统。使用接口适配器,集成配电网数据,获取配电网可调度的容量信息。部署智能监测设备,确保数据不被篡改和窃取。将调度策略在配网综合调度中心预演,实现协同优化调度。计算系统停电损失期望,分析源网荷储供电可靠性。确定目标函数,根据源网荷储变量多维度性设定约束条件,构建鲁棒优化问题函数,优化主动配电网分布鲁棒性。充分利用主动配电网中的电力储能和负荷,配合可再生能源并网后,实现源网荷储与主动配电网良性互动。实验结果表明,该系统参与的调控阶段一致,且负荷响应调度与理想调度最大误差为0.01 MW,能够良好调度安排响应负荷。     

微电网源网荷储分布鲁棒优化调度方法研究

为了实现微电网全局优化运行、平衡个体与全局利益,设计了微电网源网荷储分布鲁棒优化调度方法。构建成本最低、污染气体排放最少的优化目标函数,设定各机组的出力约束条件,实现各个机组相互适应、协调过程。根据分布式电源接入配电原则,构建分层分区平衡源网荷储调度模型。利用粒子群优化算法更新迭代粒子的飞行速度,通过求解模型获取最优解集。充分利用可再生能源和多种资源,设计源网荷储分布鲁棒优化调度决策方案,实现最大效益。实验结果表明,该方法光伏、风机、柴油机出力与理想数值非常接近,只有蓄电池的理想功率与理想出力时间相差1 h,说明使用该方法调度效果较好。     

基于遗传算法的家庭能源系统能量优化管理

家庭能源系统是能源互联网的重要组成部分,文章针对家庭能源系统在并网模式下的能量优化管理问题,综合考虑各时段优化决策之间的联系,以系统长期运行经济效益最大化为目标,建立多时段动态优化模型。考虑到模型中存在的非线性互补约束以及多时段动态规划所导致的求解难点,利用遗传算法进行计算。最后根据实测数据建立仿真算例,验证了模型和算法的有效性。     

基于改进遗传算法的区域性光伏消纳优化策略研究

现有的农村配网光伏消纳容量有限,为提高光伏就地消纳能力、保障现代农业园区域电网的稳定运行,提出了一种改进遗传算法的区域性光伏消纳优化策略.针对区域内的光伏、负荷和储能情况构建相应的理论模型;为实现区域内光伏消纳量最大且运行成本最小,设计了优化目标和约束条件,并利用改进遗传算法进行寻优;基于MATLAB仿真平台对所提策略...     

一种改进遗传算法在超临界电厂动态负荷优化分配中的应用研究

考虑到超临界电厂机组实际运行情况及实际约束条件,建立了机组多时段动态负荷优化分配的数学模型。在传统遗传算法（SGA）的基础上对其进行改进,首次提出了基于实数编码、双倍初始种群生成法、变参数法和压缩空间法的加速遗传算法（AGA）。实例仿真分析说明,AGA能稳定地收敛到全局最优解,时间短,效率高,较SGA性能有了显著的提高,在一定程度上能够满足动态负荷优化分配对算法运算速度的要求。     

一种改进的基于遗传算法的测试调度方法

提出了一种改进的基于遗传算法的So C测试调度方法,通过该方法可以有效地优化测试总线的划分,合理调度各个IP核以实现并发测试,能够有效地缩短芯核测试时间。该算法把测试调度问题的可行解集用种群表示,逐代演化产生出越来越好的近似解。详细分析了该算法过程,对2002年国际测试会议(ITC’02)所提供的So C国际基准电路进行测试调度实验,实验结果表明,此算法比传统的整数线性规划(ILP)和遗传算法的结果要好。     

电网智能的调度控制系统应用

阐述智能电网调度控制系统的结构和现状,提升电网智能调度控制系统应用效果的措施,包括电网智能运行一体化系统、可信计算与安全免疫技术、短期电力市场多级多时段优化技术、运行方式自描述及动态解析技术。     

电力配网系统无功优化方法研究

考虑到常规遗传优化算法进行电力配网系统的无功优化时,算法的早熟问题以及局部寻找最优解能力欠缺造成了优化结果收敛速度和收敛精度较低等问题,该文将自适应对偶种群、自适应终止条件以及全新的子代生成条件引入以形成一种改进型遗传优化算法,在种群迭代过程中保证种群的多样性以避免优化算法早熟现象,以及对优化算法的搜索效率进行加快以提高局部寻找最优解能力。通过实验IEEE57和IEEE30节点系统作为测试平台,使用常规遗传优化算法和可控交叉遗传算法(CCGA)与该文研究的改进遗传优化算法进行对比,使用相同的实验条件和实验数据进行测试。结果表明该文研究的改进遗传算法具有最好的优化效果,该算法计算得到的平均网损均低于其他优化算法,收敛精度和收敛速度更高,能够在局部最优解处跳出,距离目标函数的全局最优解更加接近。     

基于蚁群算法的云计算资源调度分析

当前,云计算资源调度中常用的算法包括遗传算法、蚁群算法、粒子群算法以及综合优化算法等。不同算法所关注的角度存在一定的差异,遗传算法和粒子群算法主要从资源调度的效率方面进行优化,而蚁群算法则是从云计算资源调度的计算成本方面进行考虑。论文讨论了基于优化蚁群算法的云计算资源调度,在兼顾任务效率的基础上,能够进一步降低计算成本。     

“双碳”背景下统筹保供与转型的新型电力系统建设研究

“双碳”目标下,全社会用电需求增加与清洁能源规模化开发带来的并网消纳难题并存,且清洁能源对传统能源逐步退出尚未形成安全可靠替代,能源保供与能源转型的矛盾凸显。国网甘肃省电力公司立足本地资源禀赋,按照大型基地、煤电储能调节能力、外送通道“三位一体”布局,统筹协调各方资源,以政企协同共同参与的工作机制为牵引,以促进新能源供给消纳为主线、以源网荷储协同互动为手段,从电网输送端、电能生产端、电能消费端、电力市场四端全面发力,构建“一机制牵引,四端发力”的“1+4”新型电力系统建设管理体系,确保新能源“发得足、输得上、送得畅、用得好、保得了”。     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法.进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络...     

主动配电网优化调度策略研究

主动配电网(ADN)能够实现对分布式能源的主动管理与控制,对主动配电网的优化调度策略进行研究能够保障电网的安全经济运行。本文对主动配电网的基本概念及其优化调度的重要性进行了阐述,针对主动配电网的自身特点对其优化调度策略进行了分析,以期为主动配电网的优化调度关键技术研究提供参考。     

核电带基荷情况下福州地区小水电出力的经济调度研究

目前,福建的核电、风电等清洁能源占比过半,但有时新能源面临消纳问题,小水电需要承担部分限电调峰责任。基于此,文章提出小水电出力调整的执行办法,实现核电带基荷情况下小水电出力的经济调度。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中，图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率，但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化，对图着色理论的频谱分配模型进行数学建模，并针对该模型提出了改进的量子遗传算法。首先，通过使用小生境技术初始化种群，使种群分布更加广泛、算法的收敛度更高；其次，根据进化代数对量子旋转角进行实时动态调整，对染色体进行阈值变异，防止个体陷入早熟，跳出局部解；然后，对干扰约束条件进行重新设计，有效地避免盲目性，提高了网络的公平性和网络效益。仿真结果表明，所提算法有效地提高了频谱利用率，极大地增强了网络系统的性能。     

量子计算与遗传算法的融合及其在计算机通信网优化中的应用

该文将量子计算与遗传算法进行融合,其核心是在常规遗传算法中将量子的态矢量引入遗传编码,并自适应地进行量子旋转门的调整以实现染色体的演化,使算法具有更好的种群多样性和全局寻优能力。通过求解计算机通信网优化问题的实例,结果表明:新方法比采用常规遗传算法具有明显的高效性。     

基于金豺优化算法的云计算资源调度研究

基于云计算环境下资源利用率低的问题,将一种新提出的金豺优化算法应用于云计算资源调度策略。研究采用Cloudsim作为仿真实验平台,以减少任务总完成时间为优化目标。实验中以猎物位置模拟任务对虚拟机序号的选择,在一定的迭代次数后根据猎物位置得出每个任务对虚拟机序号的最终选择和最终任务总完成时间。改变金豺优化算法的迭代次数并进行实验,结果表明,在迭代次数达100次时,金豺优化算法在云计算资源调度模型上的效果达到最优。将调用金豺优化算法与应用贪心算法和遗传算法下的实验结果进行对比,结果表明,在任务数量大于1 000时,金豺优化算法在云计算资源调度模型上的效果优于贪心算法和遗传算法,效率相较于遗传算法提升了约20%。     

高比例清洁能源接入与终端电气化率提升对城市电网规划影响分析

针对清洁能源高比例接入和终端电气化率不断提升导致的城市电网规划边界模糊,以及源网荷储各元素之间耦合关系增强等带来的不确定问题,通过分析清洁能源高比例接入和终端电气化率提升对城市电网规划的影响,探讨了城市电网发展遇到的瓶颈,提出了新型城市电网规划方案相关建议,为新形态城市电网规划提供参考意见。     

异构多核系统混合任务调度算法

提出了一种混合静态调度算法—Hybrid Successor Concerned Heuristic-Genetic Scheduling(HSCGS).该算法分为启发式算法和遗传算法两个阶段.第一阶段采用考虑后继节点的列表启发式调度算法(SCLS)产生一个近似最优的调度结果.SCLS算法在优先级计算和计算单元选择阶段都充分考虑了当前节点的调度对后继节点产生的影响.第二阶段采用改进的遗传算法—IGA,对上一阶段的调度结果进行迭代优化.IGA算法在优选之前加入了一个预处理阶段,去除部分重复的个体,以避免遗传算法由于"再生"现象而陷入局部优化.IGA算法的优选阶段采用三重优选方案,既达到了优化的效果,又保持了种群的多样性.实验部分分别使用随机应用程序和几种标准应用程序,将HSCGS与几种具有代表性的调度算法进行了对比测试.结果显示HSCGS的调度结果优于其他算法,而且优势随着计算单元间通信带宽异构系数增大而增加.     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表日周基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。     

电极锅炉与热电厂的弃风消纳协调供热策略

目前，我国北方冬季供暖期弃风严重，为了优化我国能源结构、减少弃风电量、降低热电厂出力，提出利用电极锅炉消纳弃风电与热电厂协调供热策略。电极锅炉作为一种高效供热和储热设备，可以将电能转化为热能用以供热，以实现最低运行成本和最大消纳弃风电量为目标，考虑了电、热平衡约束及热电联产机组（CHP）出力约束构建了协调供热模型。在供热策略上为了降低建设成本，将电极锅炉分时段调整供热比例供热，如此一来可以降低储热装置容量上限进而节约了建设成本。最后，利用改进的遗传算法对电极锅炉与热电厂联合协调供热模型进行仿真分析，由于电极锅炉存在功率约束和储热装置周期容量不变的约束限制，且调度计划种群的个体具有随机性，优化前进行种群筛选，提高了寻优速度，降低了局部最优解的可能性。仿真结果表明，电极锅炉与热电厂联合供热可有效减少弃风电量提高弃风消纳能力，减少燃煤锅炉煤耗，提升经济和环境效益。