基于改进蚁群优化算法的多LED通信光功率优化

针对室内可见光通信(VLC)中接收平面接收光功率和接收光照强度分布不均匀的问题,提出了一种基于改进的蚁群算法对其进行优化.通过建立发射端和接收端的信道模型,对放置在天花板上的4×4的LED阵列发射端配备功率调节因子,并利用改进的蚁群算法对功率调节因子进行优化.针对传统蚁群算法存在的收敛速度慢、容易停滞等问题,提出了采用自适应信息素更新的策略.仿真结果表明,利用所提方法优化后,接收光功率和照明强度的波动范围分别在93.523～50.453 μW和367.846～192.798 Lux,接收平面上接收到的光功率和照明强度分布不均匀的问题得到了明显改善.     

LED通信中利用蚁群算法优化光功率

室内可见光通信(VLC)的多光源阵列对称放置在房间的天花板上,光从LED光源出发经过直射、反射到达接收机端,在同一接收平面用户的接收光功率和照明强度不相等致使不能享受同等的通信服务质量,难以保证通信的公平性。针对通信系统中光源放置位置导致接收平面的接收光功率和照明强度分布由房间中心向周围快速衰减的问题,通过在4×4LED发射阵列端配备功率调节因子,利用蚁群算法建立与接收光功率和照明强度相对应的节点和路径的模型,提出使用方差作为评价接收光功率和照明强度均匀化的目标函数,构建能见度表达式据此推导出状态转移概率公式,并根据LED发射阵列和接收机位置对称的要求选取一组优化功率调节因子值。仿真结果表明,接收光功率和照明强度的方差分别从优化前的168 252和653 742降低到优化后的19.266 3和74.859 2,接收平面接收光功率和照明强度分布不均匀性得到明显改善。     

基于深度强化学习的多能流楼宇低碳调度方法

建筑减排已成为中国达到“双碳”目标的重要途径,智慧楼宇作为多能流网络耦合的综合能源主体,面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题,提出基于深度强化学习的多能流楼宇低碳调度方法。首先,根据智慧楼宇的实际碳排放量,建立了一种奖惩阶梯型碳排放权交易机制。其次,面向碳市场和多能流耦合网络,以最小化运行成本为目标函数,建立多能流低碳楼宇调度模型,并将该调度问题转换为马尔可夫决策过程。然后,利用Rainbow算法进行优化调度问题的求解。最后,通过仿真分析验证了优化调度模型的可行性及有效性。     

块调度模式下的智慧小区自动需求响应模型

智慧城市概念的兴起催生了一大批智慧小区试点项目,其完备的物联、调控和量测体系可支撑自动需求响应(Automated Demand Response, ADR)的顺利实施,如何设计智慧小区ADR模式来提高智慧小区运营商的需求响应可靠性、鲁棒性和成本效益,显得十分有必要。为此,提出了基于鲁棒优化的ADR模型,该模型以智慧小区经济效益最大为目标,为确保ADR调度计划的高度可实施性,设计了用于解决时段连续型ADR模式与居民用户用电规律相悖的块ADR策略,以及以所辖燃气轮机来平抑风电预测偏差的策略。所提模型通过嵌套分割算法求解,可保障最优解收敛于全局可行域。算例是在修改后的Garver-6节点系统中进行的,验证了所提模型的有效性。