基于大数据与粒子群的清洁能源协同优化调度方法

为解决清洁能源系统运行节点因存在延迟调度,而影响清洁能源协同优化调度效果的问题。为避免该问题,本文提出基于大数据技术与粒子群算法的清洁能源协同优化调度方法。根据清洁能源协同运行特点,利用大数据技术分析作业参数,并设计运行节点延迟调度策略,然后构建清洁能源系统输出功率调度模型。将最大运营利益和最小弃能成本作为优化目标,构建清洁能源协同优化调度模型,再采用粒子群算法进行求解,得到最优调度方案。实验结果表明：本文方法可以获取较优的清洁能源协同调度结果。     

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.     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

基于粗糙集理论的风光蓄互补系统优化模型

为了解决风光波动性对系统安全调度和稳定运行的影响,以系统运行成本最小和系统污染排放量最小为目标,构建风光蓄集成互补系统. 基于粗糙集理论和模糊C均值聚类算法,分别确定多目标调度中经济目标和环境目标的权重;提出基于粒子群变异策略和计及约束边界的信息共享方法的改进粒子群优化(PSO)算法,求解多目标调度优化问题;以我国西南地区某省风光蓄集成互补系统为例开展算例仿真,验证所提模型的科学性和实用性. 研究结果表明,与单目标调度相比,多目标调度兼顾经济性和环境性,所提混合粗糙集-改进粒子群算法的收敛精度更优,提高了系统的经济效益和环境效益. 引入抽水蓄能机组,对于实现系统多能源协同互补运行具有重要的意义.     

计及置信区间的微电网协同调度研究

针对分布式电源大量接入电网对生产运行造成较大影响的问题,本文对并网运行模式下微网经济负荷协同分配进行研究。通过建立计及光伏发电和风力发电随机性的微电源、储能装置、大电网和负荷的数学模型,并从置信区间角度描述光伏机组及风力发电机组运行出力的随机性,建立了基于置信水平的机会约束优化调度模型。采用改进多目标粒子群算法对模型进行求解,从而对各电源出力优化配置。仿真结果表明,与不考虑置信区间的调度模型相比,综合成本下降了1.87%;与常规多目标粒子群相比,综合成本下降7.53%。该研究有效节省综合成本,提高协同调度效率,为实际工程应用提供了理论依据。     

基于改进粒子群算法的冷热电联供微网优化调度

针对冷热联供微网的调度问题,从可再生能源利用率、经济效益和节能减排等方面考虑,建立以风能、太阳能、天然气和储能协同供能的冷热电联供优化调度模型。综合考虑燃料和购售电费率结构,以最小运行成本和环境成本为目标进行优化,并采用改进的粒子群优化算法对提出的高维优化问题进行求解。通过采用粒子相对进步度来自适应调整粒子群参数,在速度更新过程中,用所有粒子个体最优值的平均值替代粒子群中最差的个体最优值,算法提高了高维复杂问题的收敛速度和求解精度。算例仿真验证所提模型和改进算法的有效性,结果表明模型对促进各种能源的综合利用具有实际的意义。     

热电联产型家庭能源枢纽调度优化模型研究

为改进现有能源利用方式并减少能源支付成本,本文提出了一个由电动汽车、光伏系统和储能系统等组成的热电联产型家庭能源枢纽模型。以能源支付成本最小化为目标,对所提出的模型进行优化调度。通过控制响应电器的能耗,调度电动汽车和储能系统的充放电,协调光伏出力来确定能源枢纽的最佳运行模式,并采用粒子群优化算法对模型进行求解。为证明模型的合理性和有效性,以某地区智能电网环境下冬季家庭负荷数据作为仿真算例进行验证。仿真结果表明,在电价最高的11∶00~16∶00时段,天然气全部分配给CHP用以转化为电能和热能,减少了从电网的购电量,节约了成本。该研究减少了家庭能源支付费用,为智能家庭能源消费的优化调度提供了理论依据。     

基于改进磷虾群算法的风-光-水-火联合系统优化调度

为了提高可再生能源的利用率,减少弃风弃光量,提出了一种基于改进磷虾群算法的风-光-水-火联合系统优化调度方法。以综合成本最小为目标函数,综合考虑各种约束条件,建立了风-光-水-火联合系统优化调度模型。利用Logistic混沌映射、余弦控制因子和柯西变异等3种策略对磷虾群算法进行改进,提高了其全局搜索性能。采用改进磷虾群算法对风-光-水-火联合系统优化调度模型进行求解。通过算例证明,改进磷虾群算法的迭代次数、收敛时间和求解精度均优于磷虾群算法和PSO算法。     

基于CS-PSO算法的电池储能系统多目标优化运行策略

为了充分发挥储能系统在智能配电网中的积极调节作用,提出了一种统一为成本量纲的电池储能系统多目标优化运行模型。该模型以一个完整调度周期的配电网购电成本、网络损耗费用及电压调节费用均最小为目标函数,以电池储能系统的充/放电功率为控制变量,并确保储能系统在整个调度周期的能量守恒及容量约束。再应用层次分析法计算各子目标权重,化多目标函数为单一综合目标函数。针对所提出的电池储能系统优化运行模型,提出一种改进的混合粒子群优化算法—纵横交叉粒子群优化(CS-PSO)算法。将纵横交叉算子引入粒子群算法,并采用交叉搜索的方法以维护种群多样性,再以电池荷电状态为粒子位置矢量元素,实现完整调度周期内储能系统优化运行策略的求解。最后,对含高渗透率分布式发电单元和电池储能的IEEE34节点算例进行仿真,对比分析了3个单一单目标与本文多目标的优化结果以及3种智能优化算法的计算性能,还分析了储能系统优化运行对系统电压质量的影响。仿真分析结果表明:多目标优化能够充分利用储能系统为配电网提供多种服务,使配电网获得最大综合效益;CS-PSO算法在求解非线性规划问题时具有很好的收敛特性及较高的计算效率,从而验证了所提模型及算法的有效性。     

基于Fbprophet负荷预测与用户满意度约束的综合能源供能优先调度研究

在综合能源系统中,如何协调好能源供应与用户波动需求之间的关系,是亟待解决的问题。针对居民用户冷、热、电负荷需求不确定性特点,提出了一种基于Fbprophet算法的多元负荷预测与考虑用户满意度约束的综合能源负荷供能优先调度模型。首先采用Fbprophet算法对冷、热、电多元负荷进行预测,并与典型负荷预测方法 ARIMA、LSTM进行对比分析;然后通过构建用户满意度二次效用函数,将用户满意程度融入能源服务商的评价指标;最后设计了综合能源系统优化调度模型和计及用户满意度的供能优先级模型,并基于自适应粒子群算法进行模型优化求解,分析了优化算法的稳定性,实现供能优先调度。通过实际综合能源系统算例仿真,验证了预测算法与调度模型的有效性,为综合能源提供一种兼顾经济效益和用户满意度的决策方案。     

考虑源荷不确定性的光伏发电系统优化调度策略

由于可再生能源发电自身存在的高度间歇性、波动性和随机性特点,考虑光照辐射、温度等天气因素影响,制定满足经济性与可靠性要求的微网优化调度策略值得深入研究。该文首先构建考虑源荷不确定性的光伏发电系统经济调度模型,定义平均调整成本;其次,综合运用基于粒子群算法的调度和基于两点估计的概率性实时最优潮流,生成日前调度的示例场景,并评估实时平均调整成本以实现系统最优化运行;最后,基于IEEE30节点系统的仿真结果验证所提调度策略的有效性和可行性。     

基于混合粒子群算法的梯级泵站优化调度

针对不同时段电价差异,以流量平衡为基础,建立以梯级泵站耗电电费最小为目标的优化调度模型,并采用粒子群算法求解.为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点,引入免疫思想,以粒子适应度为标准,通过克隆变异算子、疫苗接种算子和优胜劣汰算子,构建双粒子群,增强了粒子群搜索精度和搜索范围,并将其应用于广东某供水工程.优化调度仿真对比分析表明:免疫粒子群算法(IAPSO)能够有效地解决梯级泵站优化调度问题,降低了泵站运行成本,与基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)相比,收敛速度更快,搜索精度更高.     

基于改进粒子群算法的配电网网架优化研究

配电网网架优化是一个多目标综合优化问题,粒子群算法因其易实现、收敛速度快等特点逐渐成为电力系统优化领域研究热点之一. 针对粒子群算法易陷于局部最优问题,提出一种基于聚类策略的改进粒子群算法,动态地将粒子聚类为三种级别的粒子并对应采用不同的学习模型更新速度,增强了粒子群体多样性和全局搜索能力. 通过算例仿真验证了算法在配电网网架优化问题上的可行性.     

含冰蓄冷空调的CCHP微电网优化调度

冷热电联供(CCHP)型微电网作为综合能源系统的基本物理构成,可实现可再生能源的消纳和多能互补,是实现能源可持续发展和改善生态环境的重要手段。考虑经济性和环保性,以综合运行成本最小为目标,搭建了含冰蓄冷空调的CCHP型微电网优化调度模型采用改进粒子群算法进行求解,得到不同调度方式下系统的产能方案。通过算例分析对比了运行策略对于优化结果的影响,并验证了优化模型的有效性。     

基于改进蛙跳算法的可重构装配线调度研究

提出了一种改进蛙跳算法,该算法综合运用了ＳＰＶ规则编码、启发式算法和随机方式初始 化、自适应小生境的精英解集维护、结合粒子群算法中的粒子更新策略的局部搜索．通过该算法来 解决可重构装配线调度中的三个主要影响因素,即最小重构装配线成本、最小零部件需求变化率、 最小延误工作量构成的调度模型．实例仿真表明,该算法具有比其他相关算法有更高的求解质量．     

基于区块链的综合能源系统低碳优化调度研究

综合能源系统对实现能源可持续发展和构建绿色低碳社会具有重要的应用价值。针对综合能源系统调度过程中存在的发用电预测误差大、系统优化数据采集处理复杂和经济运行成本较高等问题，将区块链技术引入到综合能源系统优化调度中，并计及电、热、冷三种负荷综合需求响应和碳排放交易，调用智能合约，以系统经济性和环保性最优为目标，提出了适用于综合能源系统的低碳优化调度模型。利用区块链技术特性，构建了面向综合能源系统优化调度的总体架构，使得区块链网络成为整个综合能源系统信息交互与数据存储中心，同时保留了调度中心的部分导向作用，确保了电网的安全、稳定运行。仿真结果表明：区块链技术可以进一步挖掘综合能源系统数据价值，更好地实现信息交流透明性；同时，构建的综合能源系统的低碳优化调度模型能够有效提高系统供能的灵活性、运行的经济性以及环保性。     

高占比新能源电源接入区域电网的无功优化策略研究

从高占比风电、光伏接入电网运行的安全性和稳定性等方面综合考虑,建立了以电压偏移量和网损最小为目标的无功优化模型。利用MATLAB软件对风电、光伏电站接入IEEE-33节点系统进行无功优化仿真分析,采用多目标粒子群（MOPSO）算法进行无功优化调度方案求解。基于Pareto前沿解的MOPSO算法可为决策者根据不同需求提供方案,并且同时达到提高测试系统的电压稳定性、降低网损的目标,验证了所提优化策略的有效性。     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

基于动态分解多目标粒子群优化的城市污水处理过程优化控制

为了实现城市污水处理过程各性能指标的优化运行,提出了一种动态分解多目标粒子群优化控制(optimal control based on dynamic decomposed multiobjective particle swarm optimization,OC-DDMOPSO)策略.首先,构建了基于自适应核函数的运行性能指标模型,确定了优化运行目标.其次,设计了基于档案库动态分解的多目标粒子群优化算法,实时获取操作变量的优化设定值.最后,利用预测控制策略跟踪优化设定值,完成了城市污水处理过程优化控制.将提出的OC-DDMOPSO应用于基准仿真平台BSM1,实验结果显示,OC-DDMOPSO能够实现城市污水处理过程稳定运行,保证出水水质达标排放和降低运行成本.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。