冷热电联供系统多目标运行优化

冷热电联供系统能够提高能源利用率和减少碳排放,是解决能源和环境危机的重要途径.本文提出了冷热电联供系统多目标优化运行方法,以运行成本日节约率、一次能源日节约率、CO2日减排率综合最优为目标,利用遗传算法求解,得到关键设备的逐时出力计划,并以此为基础,设计了由MATLAB和LABVIEW构成的运行优化器.最后本文基于TRNSYS与LABVIEW搭建了冷热电联供系统(CCHP)软硬件混合实时仿真系统,验证了运行优化器的有效性,结果表明本文提出的优化运行方法较传统运行模式,可有效提高冷热电联供系统的经济性、节能性和环保性.     

基于文化基因算法的冷热电联供型微网优化运行方法

多个供电源协调调度能够使得冷热电联供型微网运行综合效益达到最优,对此提出一种新的基于文化基因算法的方法。建立包含最小经济性运行成本和最小环保性运行成本的多目标函数模型,并为模型设置6个约束条件。在约束条件下,利用文化基因算法求取多目标函数模型最优解,得出冷热电联供型微网优化运行方案。结果表明,该方法应用,其综合效益以及两个单项成本较低,实现了多个供电源的协调调度。     

源荷不确定冷热电联供微网能量调度的建模与学习优化

针对含光伏,微型燃气轮机组等分布式能源的冷热电联供微网系统,研究源荷双侧不确定情况下多类型能量调度动态优化问题.首先,针对光伏出力和异类负荷的随机不确定性,将光伏和负荷的变化描述为连续马尔科夫过程;然后以决策时刻,负荷需求以及分布式能源出力的离散值为状态分量,以微型燃气轮机组启停行动和储能充放行动为动作分量,在分时电价模式下,以降低包括购电成本,燃料代价,启停代价等在内的日运行成本为调度优化目标,将源荷不确定冷热电联供微网系统调度动态优化问题描述为马尔科夫决策过程模型,并引入强化学习方法对该问题进行策略求解.最后通过算例仿真对不同策略进行了比较,验证了优化方法的有效性.     

不确定因素下建筑集群冷热电联供系统多目标优化

为降低建筑楼宇的能源消耗,研究建筑集群中的多个建筑楼宇共享冷热电联供系统、热能存储装置以及电池时的能源调度优化问题.考虑到建筑楼宇的能源需求和能源价格具有随机性,并且每个建筑楼宇以各自的费用最小化为目标,从随机规划和多目标的角度,建立建筑集群供能系统的两阶段多目标随机规划模型.为了提高模型的求解效率,提出将线性规划松弛与Benders分解算法相结合,从而获得建筑楼宇共享能源系统的Pareto最优解集.算例分析中通过CPLEX软件求解,对比分析不同随机因素对最优化建筑集群供能系统总费用以及建筑楼宇各自费用的影响程度,结果表明了所提出算法的有效性以及所构建的模型可以有效提高最优化决策的准确性.     

基于灰狼算法冷热电联供综合能源优化调度

对于冷、热、电联供综合能源系统优化问题,为了提高可再生能源利用率,故以弃风、弃光量最小和综合能源系统运行经济性为优化目标,建立了含风机、光机、燃气轮机、燃气锅炉等综合能源优化模型.模型的求解使用的改进多目标灰狼算法,得到Pareto解集.针对综合能源系统的约束较多、灰狼算法种群多样性少、容易陷入局部最优等方面,对算法进...     

基于需求响应的分布式能源冷热电三联供系统配置优化

为了提高分布式能源冷热电三联供系统的输出稳定性,进行系统优化配置,提出基于需求响应的分布式能源冷热电三联供系统配置优化方法.首先进行分布式能源冷热电三联供电的参数分析,以电压、交流侧电流及开关管电压为输入约束参量,根据需求响应进行分布式能源冷热电三联供系统配置目标函数构造,进行配置参数的优化分配.考虑系统控制延时的影响...     

微网的多目标优化调度策略

在微网的优化调度中,因过于追求经济性而忽略微网对风、光能的消纳率,出现了弃风弃光的现象,故对微网的调度模型进行改进。考虑以发电成本、污染环境成本、电池老化成本和风光消纳率为目标函数,最后采用改进的粒子群算法对算例进行仿真,并分析微网在不同策略下对微网的成本与风光消纳率的影响。     

多虚拟电厂接入的主动配电系统优化经济调度

在市场环境下,为促进含随机性可再生能源的消纳同时协调各经济主体矛盾并挖掘各主体价值和经济效益,本文提出一种基于分析目标级联理论的主动配网调度优化模型,以配网与虚拟电厂存在电能交互为建模背景。考虑虚拟电厂组成的多样性,设置风储型虚拟电厂以及含冷热电系统型虚拟电厂,各虚拟电厂可以分别与配网进行电能交互,各经济主体根据自身组成优化内部变量以及交互功率,通过分析目标级联法与其他主体协调交互功率实现分布式求解。最后通过IEEE33节点配电系统的算例仿真表明,调度结果能较好的反应主体经济性,得出风储型虚拟电厂有利于提高风电的消纳量,冷热电联供型虚拟电厂可以实现综合能源经济管理,分析目标级联法用于本文所提的模型背景是有效的。     

冷热电联供型微电网系统多目标日前优化调度

冷热电联供(CCHP)型微电网系统结合了冷热电三联供系统和微电网系统两者的优点,可对微电网中微型燃气轮机发电时产生的余热进行回收利用,并采用吸收式制冷机进行制冷,实现了冷热电三联供。针对某大型住宅小区并网模式运行下的冷热电联供型微电网系统,以系统运行成本和污染物治理成本最低为优化调度目标,将微型燃气轮机、蓄电池、蓄热/冷槽三类可控单元中每时段的出力作为优化变量,在满足设备物理约束和系统运行约束的条件下,建立了该冷热电联供型微电网系统的多目标日前优化调度的数学模型。为提高计算速度和Pareto解的多样性,利用改进的多目标粒子群优化算法对其进行求解,并与"以热定电"和"以电定热"的运行方式调度结果进行了对比分析。分析结果表明:冷热电联供型微电网系统可以实现热电负荷的协调统一调度;多目标优化调度策略不仅能降低微电网优化运行和环境治理的成本,而且可以提供更多的优化调度方案。     

基于环境经济调度问题的空间自适应划分多目标优化

提出一种基于空间自适应划分的多目标优化算法. 为了增强种群的收敛性和多样性, 多维搜索空间被划分成多个网格, 网格内的粒子通过共享“引导”粒子的经验信息调整自身的速度和位置, 并引入年龄观测器实时记录引导粒子对Pareto 解集所做的贡献, 及时更新引导粒子, 以增强算法的全局搜索能力. 对多目标测试函数以及环境经济调度问题进行了仿真实验, 实验结果表明, 所提出算法能对解空间进行更加全面、充分的探索, 快速找到一组分布具有较好的逼近性、宽广性和均匀性的最优解集合.

     

基于GMOGSO的多目标流水车间调度问题

针对缓冲区有限的多目标流水车间调度问题, 提出一种基于Pareto 最优的广义多目标萤火虫算法. 通过引入交换子和交换序将基本萤火虫算法离散化, 并将算法拓展为全局搜索过程和局部搜索过程. 进化初期采用全局搜索将种群推向较优区域, 进化中后期采用捕食搜索策略使算法主体在全局搜索和局部搜索间智能切换, 从而保证全局与局部的平衡. 动态变步长策略进一步增强了算法搜索能力. 通过算例测试验证了所提出算法的有效性.

     

基于最大灵敏度的加热系统分数阶内模控制

针对加热系统热传导过程模型不精确和系统参数不确定性问题, 提出一种新的基于最大灵敏度的分数阶内模控制方案. 采用分数阶模型描述加热系统可以提高精度, 而内模控制能够很好地处理系统参数不确定性问题. 利用最大灵敏度整定分数阶控制器参数, 并以此获得强鲁棒性控制系统. 数值结果验证了所提出的分数阶内模控制方案的有效性, 具有比整数阶内模控制方案更好的控制性能.

     

加工时间不确定的炼钢连铸生产调度串级交叉熵算法

针对加工时间不确定的炼钢连铸生产调度问题, 一方面考虑炉次精炼时间是运输时间和等待时间的线性增函数, 并考虑分时电价, 提出基于关键炉次的左右混合调整方法对各炉次精炼时间进行调整; 另一方面, 考虑炉次在各阶段的基本加工时间和连铸机最早开浇时间可在一定范围内选择, 提出一种串级交叉熵算法进行求解. 设计了不同的仿真实例, 并将串级交叉熵算法与改进自适应遗传算法进行比较, 验证了所提出算法的优越性.

     

基于维度最大熵数据流聚类的异常检测方法

针对传统数据流聚类算法聚类信息损失大、不准确的缺点, 提出一种基于维度最大熵的数据流聚类算法. 采用动态数据直方图将数据维度划分为不同的维度组, 计算各维度最大熵划分维度空间簇, 将相同维度簇的数据聚集成微簇, 通过比较微簇的信息熵大小及其分布特点实现数据流的异常检测. 该方法提升了聚类速度, 克服了传统数据流聚类算法信息丢失的缺点. 实验结果表明, 所提出算法能够提高数据流异常检测的准确性和有效性.

     

基于高斯混沌变异和精英学习的自适应多目标粒子群算法

为平衡多目标粒子群的全局和局部搜索能力, 提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法. 首先, 提出一种新的种群收敛状态检测方法, 自适应调整惯性权重和学习因子的值, 以达到探索和开发的最佳平衡. 然后, 当检测到种群收敛停滞时, 采用一种带有高斯函数和混沌特性的变异算子协助种群跳出局部最优, 以增强全局搜索能力. 最后, 外部档案中的精英解相互学习, 增强算法的局部搜索能力. 在多目标标准测试问题上的仿真结果表明了所提出算法的有效性.

     

基于随机黑洞和逐步淘汰策略的多目标粒子群优化算法

提出一种基于随机黑洞粒子群算法(RBH-PSO) 和逐步淘汰策略的多目标粒子群优化(MRBHPSO-SE) 算法. 利用RBH-PSO 全局优化能力强和收敛速度快的优点逼近Pareto 最优解; 为了避免拥挤距离排序策略的缺陷, 提出逐步淘汰策略, 并将其应用到下一代粒子的选择策略中. 同时, 动态选择领导粒子, 运用动态惯性权重系数和变异操作 来增强种群全局寻优能力, 以及避免早熟收敛. 利用具有不同特点的测试函数进行验证, 结果表明, 与同类算法相比, 该算法具有较高的精度并兼顾优化解的多样性.

     

基于多层次信息交互的多目标粒子群优化算法

为提高多目标优化算法的收敛性和多样性,提出一种基于多层次信息交互的多目标粒子群优化算法.在该算法中,整个优化过程可分为标准粒子群优化层、粒子进化与学习层和档案信息交换层3个层次.粒子进化与学习层保证了每次迭代都能得到更好的粒子位置;档案信息交换层可以提供更好的全局最优.优化算法各个层次之间通过信息交互,共同提高算法的收敛性和多样性.与NSGA-Ⅱ和MOPSO算法的对比分析表明,所提出算法具有良好的性能,能够有效解决多目标优化问题.