基于改进黑洞算法的微电网优化调度

为提高微电网运行的经济性,需要对其进行日前优化调度.首先建立微电网优化调度数学模型,以微电网内部蓄电池充放电功率和燃料电池输出功率为优化向量,以微电网运行成本最少为优化目标,基于日前预测数据,先将一天分成24 h,以1 h作为1个调度时段进行优化;然后以15 min为1个时段将一天分成96个调度时段,将小时级优化调度的结果作为15 min级优化调度的初始值进行二次优化;最后采用差分进化改进黑洞算法分别求解模型.算例结果显示改进的黑洞算法收敛速度快,求得的优化结果能够作为未来一天中微电网内部蓄电池充放电功率和燃料电池输出功率的参考,减少微电网运行成本.     

基于改进樽海鞘算法的微电网优化调度运行

微电网系统中包括多种微电源,需要满足大量的约束条件,传统的优化算法求解易陷入局部最优,难以得到最优解。针对此类问题,提出一种多策略协同优化樽海鞘算法（MSSSA）,在同时考虑运行与环境污染的情况下,以综合成本为目标函数,设定功率平衡、爬坡率、联络线交互功率极值等约束条件,然后利用MSSSA对微电网调度模型进行求解。通过对比仿真结果,验证了MSSSA较其他算法的优越性和对微电网系统优化的合理性。     

基于改进二阶粒子群算法的微电网群优化调度

分布式电源（distributed generators,DG）在电网中渗透率不断提高,微电网群（multi-microgrid,MMG）作为就地消纳DG的小型电力系统,能有效解决DG出力不确定性带来的问题。针对MMG优化调度问题,建立了基于运行经济性的协同优化调度模型。为提高模型求解的精度与速度,提出了一种改进的二阶振荡粒子群算法。该算法首先通过Logistic映射初始化种群,然后采用自适应动态方法改变惯性权重,并引入4个振荡变量增加粒子群的多样性,仿照微分方程根的特性确定振荡变量范围,使算法前期全局振荡收敛,后期局部渐近收敛。最后利用仿真案例验证了所提算法求解MMG协同优化调度模型的有效性。     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

微电网中面向用户的自适应能量调度策略

基于微电网中分布式可再生能源和双向能量交易,提出一种自适应能量调度策略. 调度中心收集微电网中所有用户的负载信息,并根据实时的电价信息,集中调度用户的负载用电. 该调度策略采用自适应动态规划方法,通过在线网络训练优化能量调度策略. 仿真结果表明,该方法能够对整个调度过程进行在线学习,从而最小化用户的总电能费用.     

微电网多目标经济调度的一致性算法

基于多智能体的一致性原理,提出了一种微电网经济与环境综合最优的分布式调度方法。该调度方法不再借助于领导跟随的一致性算法模式,而是基于机器人系统的工作模式,各节点通过存储最新的功率缺额,得到局部功率缺额,并用其替代全局功率缺额,解决了分布式多目标经济调度获取全局信息困难的问题。同时,该算法能够适应微电网系统负荷变动的特性,可实现多种情景下的微电网综合最优调度。算例仿真结果验证了所提方法的有效性。     

混沌粒子群优化算法在水库防洪优化调度中的应用

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,采用自适应惯性权重因子模型来设置惯性权重因子,改善了算法的全局寻优能力,并将其用于水库防洪优化调度中。实例计算表明该算法能较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决水库防洪优化调度问题提供一种新的有效途径。     

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.     

计及荷电状态效益的含电动汽车微电网优化调度

为了应对电动汽车接入微电网后用户仅通过电价响应将会产生新的负荷峰谷差,以及多次充放电带来的电池损耗与使用不便的问题,基于主从博弈的思想,提出了计及荷电状态效益的含电动汽车微电网优化调度模型.上层模型中微电网作为领导者,以微电网运行成本最低为目标制定合理的电价政策对电动汽车的充放电行为进行引导;下层电动汽车用户则计及自身...     

基于蚁群算法的水库调度图优化研究

在满足发电保证率的条件下,以年均发电量最大为目标,建立了基于模拟的水库调度图优化模型。通过混合编码描述调度线的形状,采用蚁群算法优化关键点,求解模型。以隔河岩水电站为研究背景,开展隔河岩水库优化调度图编制研究。计算结果表明,较原设计方案,水库优化调度图年均发电量可提高0.32亿kW.h,提高幅度约1.21%,经济效益显著。     

基于子图归并的全局优化调度算法

为解决调度序列的多目标优化问题，基于数据流图中特定子图调度结果相互独立的原理，提出了一种基于图的分解与合并的构造调度算法.借助弹力引导列表调度（FDLS）的调度结果得出子图调度长度上界，并据此在归并过程中去除不可行的局部序列.把数据流图分解为若干个汇聚节点和独立子图，对独立子图进行调度，按层次逐渐把下层部分结果归并到上层部分结果中，从而得到完整调度结果.结果显示，由于在每次归并部分调度序列时尽可能地对搜索空间进行了裁剪，算法的速度较快，并且能够同时得到多组全局最优解，可以利用功耗、寄存器需求等条件对结果进行进一步筛选.     

基于MODWT的自适应阈值微电网故障检测算法

对微电网线路故障的高效检测有助于快速切除故障,降低微电网对大电网的影响。现有的故障检测方法存在阈值难以选择、对高过渡电阻故障不敏感等问题,为此提出了基于极大重叠离散小波变换(MODWT)系数突变的自适应阈值选取故障检测算法。利用MODWT的特性,采用扩大窗的方法,在窗扩大的过程中对MODWT系数差值的阈值进行适应性调整。相较于现有的定阈值方法,该算法可以适应任意长度的数据样本对于多种故障状态可以进行适应性阈值调整,因此对高过渡电阻故障有较高的敏感度。通过仿真实验验证,该算法能在各种故障状态下快速检测故障发生的时间。     

一种自适应细菌觅食优化算法

针对在优化高维函数时,细菌觅食优化算法性能不佳的情况,提出了一种自适应细菌觅食优化算法.将固定的趋化步长改进为非线性递减的自适应游动步长,提高了算法的局部搜索能力;引入维度自适应学习算法,对每个趋化周期内得到的当前最优细菌进行维度自适应学习一次,提高了解的精度和搜索效率;将精英细菌作为Tent混沌映射的初始点对符合迁徙条件的细菌进行位置初始化,加快了算法的收敛速度.仿真结果表明,文中提出的算法在解的精度和收敛速度等方面均表现更优,具有更高的效率.     

基于反馈策略的自适应粒子群优化算法

为了克服常规粒子群优化（SPSO）算法在多峰函数寻优应用中容易出现早熟的缺点，提出了一种基于反馈策略的自适应粒子群优化（APSO）算法.考虑到进化过程中群体多样性损失过快，采用种群分布熵和平均粒距两个种群多样性参数，来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析，建立了惯性权值与平均粒距之间的线性函数关系，并将该函数关系融入到APSO算法中.测试结果表明，与常规粒子群优化算法相比，该算法在多峰函数寻优时，成功率和精确度都有显著提高，且全局收敛速度快；在求解异或（XOR）分类问题时成功概率提高，收敛速度加快，APSO算法对神经网络的训练更加有效.     

无等待流水线调度问题的混合优化算法

针对无等待流水线调度问题提出了一种混合离散化粒子群优化算法。通过建立位置矢量编码与调度方案之间的映射关系将连续的粒子群优化算法应用于离散的无等待流水线工件调度问题。为了提高离散粒子群算法的性能,增强算法的探索能力,在粒子群每次迭代之后对全局最优解加入随机扰动并进行变邻域搜索。仿真结果表明,该优化算法具有良好的性能。     

基于改进微分进化算法的微电网优化运行研究

目前微电网是研究中的热点问题,是未来智能配电网的发展方向,研究微电网的优化运行有着重要的意义。在考虑含多种微电源的微网模型的基础上,考虑了SO2,CO2,NOx的排放成本以及运行维护费用,以微电网运行成本最低为目标函数,提出了一种基于改进微分进化算法的微电网优化运行方法。采用的改进微分进化算法经过初始化、变异、交叉、选择等操作完成对最优解的搜索,在不同阶段采用不同的变异策略,具有更高的全局搜索能力和收敛速度,对算例的仿真实验证明了方法的有效性。     

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.     

分时电价下含电动汽车的微电网群双层多目标优化调度

为解决大规模电动汽车无序充电导致电网出现“峰上加峰”现象,依据电动汽车充电地点的不同将配电网划分为居民区、办公区、商业区微电网,提出基于峰谷差、分时电价、用户充电满意度多目标下的电动汽车充电模式,建立了微电网内运营商峰谷差最小—用户充电费用最少和充电满意度最大的双盈多目标优化调度模型,采用上海市实际居民办公商业混合体,基于MATLAB/NSGA-Ⅱ算法求解负荷整形度;采取粒子群优化算法求解电动汽车车主达到充电最优满意度;实现对电动汽车充电时刻和充电功率的引导。实际算例仿真结果表明,该方法能有效降低配电网负荷峰谷差,提高电动汽车充电效率,满足用户充电需求。