高弹性配电网网架分解协调联合调度策略优化

综合考虑网架结构与分布式电源出力的协调组合问题,研究高弹性配电网网架分解协调联合调度策略优化,降低运行费用,提升电压水平。利用二进制粒子群算法求解网架结构调度策略优化模型,利用改进粒子群算法求解分布式电源出力调度策略优化模型,获取联合调度策略优化结果。实验证明：该方法能够降低网损费用,使运行费用降至最低;能够同时考虑网架结构与分布式电源出力的优化目标,提升收敛速度,获取联合调度最优解;提升电压水平。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

求解最小费用最大流问题的信念传播算法

最小费用最大流问题是一种组合优化问题,在经济、工业等领域具有重要研究意义和应用价值.针对部分最小费用最大流问题求解算法效率较低的情况,依据最小费用最大流问题的线性规划方程,将问题模型映射为对应因子图模型,改进描述函数,给出迭代方程,设计了求解最小费用最大流问题的信念传播算法.利用迭代方程优先对最大可行流特征值进行收敛计算,得到最大流,设置最大流阈值,在此基础上进行最小费用计算,从而求得问题最优解.最后选取若干带权有向图模型进行数值实验,验证了算法的可行性及有效性,且算法在求解效率上优于部分算法.     

计及预测误差影响的电力系统异质多能源经济调度研究

风能和太阳能等清洁能源接入电网的规模越来越大,但风光出力的不确定性给电力系统经济调度带来了严重的困难.论文首先对风能和太阳能出力的预测误差分布情况进行分析,并将预测误差记入经济调度优化模型中的发电成本,提出了一种计及风能、太阳能出力预测误差影响的风能、太阳能和火力异质多能源电力系统经济调度优化模型.建立包含风能、太阳能和火力发电的仿真计算模型,采用遗传粒子群算法进行优化求解,计算结果验证了论文方法的有效性.论文方法可为包含风能和太阳能的电力系统经济调度提供有效的借鉴和技术指导.     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.     

基于TS的动态车辆调度问题的混合算法研究

对带时间窗的动态车辆调度问题进行分析,采用实时再优化方法进行研究,引入时间轴概念,建立动态车辆调度模型,并给出求解的混合禁忌搜索算法。该算法先用C-K节约算法求得初始解,然后用禁忌搜索进行优化,得到全局最优解。禁忌搜索算法中采用动态邻域移动方法构造候选解和动态禁忌长度选取策略设置紧急长度,提高算法的收敛速度。最后用实例证明该混合算法的可行性和有效性。     

车辆调度优化模型仿真研究

研究车辆调度优化问题,针对运输车辆的空间排放和时间安排等,要达到运输路径最短,费用最省的要求.为了实现城市车辆优化调度,节约运输成本,同时传统的车辆调度算法存在计算复杂度高,不利于实际应用等问题,提出了一种改进的车辆调度优化算法模型.首先对城市车辆调度建立优化数学模型,建立一种动态开放的车辆调度系统,并采用匈牙利算法对数学模型进行求解.仿真结果表明,提出的新的算法不仅能有效的求解车辆调度优化模型,而且计算机复杂度较低,计算效率较高,收敛速度较快,验证了算法的实用性和有效性.     

基于免疫萤火虫算法的RFID仓储车辆动态调度

针对物流配送实时仓储车辆调度问题,提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型,运用免疫萤火虫优化算法求解该模型,免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合,采用多层进化模式,在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略,以提高算法全局收敛效率,在此基础上设计了仓储车辆动态调度框架,将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段,给出了车辆动态调度任务处理流程。实验仿真表明,该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

多可再生能源冷热电联供微网系统环境经济优化调度

针对含多种可再生能源的冷热电联供微网系统调度优化问题,提出微网系统最小运行费用和二氧化碳排放的多目标调度优化模型,并结合启发式调度规则,采用改进多目标交叉熵算法获取Pareto最优解集.为了提高算法的收敛速度和求解精度,依据重要抽样理论将多目标优化定义为小概率事件,并引入样本分段生成策略和参数更新机制.算例仿真表明,所提出的多目标模型及其优化算法能够使微网系统获取较好的经济和环境效益,满足用户多样性的优化需求.     

风洞群高压空气资源调度系统设计

风洞试验的开展需要高压空气等多种动力资源的保障.针对风洞群试验用户多、资源冲突、需求不确定等特点,设计了一种风洞群高压空气资源调度系统.该系统以高压资源生产-消耗模型、基于粒子群优化算法的动力生产调度和自适应风洞试验实时调度为核心,根据试验任务高压资源预先需求计划、当前高压资源存量和高压空气生产能力,形成高压机组的启动计划,并根据高压资源消耗、试验耗时、电力峰值确定风洞试验任务的优先等级.实验结果表明,该系统较好地解决了原风洞群高压资源调度粗放、过度生产或保障不足的问题,并在风洞群动力资源调度中得到应用,性能良好,值得推广.     

遗传算法求解多目标柔性Job-shop问题

本文描述了基于可变机器约束的多目标柔性Job-shop调度问题模型,并应用一种改进的遗传算法进行求解。我们采用了表示工序先后顺序及机器选择的二维编码方式,以多目标优化函数为度量,通过三种遗传操作扩展后代的多样性和算法的搜索空间。仿真结果验证了该算法能有效解决多目标优化问题。     

含风电电力系统的主从博弈经济调度

风力发电具有显著的随机性和波动性,对电力系统原有调度模式提出挑战.采用鲁棒优化处理风电不确定性,利用鲁棒优化蕴含的博弈思想,将风电场看作调度中心的一个虚拟博弈者,利用双层规划法建立了二者的主从博弈模型,将调度中心看作领导层,其决策目标为电网运行的成本最低,将风电场看作下属层,其决策目标是能保证系统实时安全运行的最大风电出力区间.由于考虑了火电机组的阀点效应,主从博弈模型呈现出非线性双层规划的数学特点,提出一种改进教与学算法与线性规划相嵌套的求解方法.最后,采用改进的10机39节点系统对模型以及求解方法的有效性进行了验证.     

Joint operation of wind farms and pump-storage units in the electricity markets: Modeling,simulation and evaluation

Renewable power plants generation scheduling and unit commitment construct new problems of the power systems. In this paper, optimal scheduling of the joint operation (JO) and uncoordinated operation (UO) of wind farms and pump-storage plants in the energy and ancillary service markets are studied. For this purpose, a new method for modeling, simulation and evaluation of these units is presented. Since there are uncertainties in wind power generation (WPG) and the market prices, the scheduling problem is modeled by a stochastic optimization problem. Optimal bidding strategy of units is determined by solving this stochastic optimization problem. For this purpose, uncertainties are modeled by a scenario tree method. In order to evaluate the performance of the results of JO and UO of the plants, the value at risk (VaR) and the profit of the plants are compared. With JO of pump-storage plants and wind units, the profit of these plants in comparison with their UO will be increased. The results for pump-storage and wind farms of IEEE 118-bus standard system, verify that the JO of these units, improves the profit and VaR of the system.     

基于两阶段随机仿真优化算法的体检顾客预约调度

针对体检机构顾客排队等待时间长的问题，研究随机服务时间下的体检顾客调度，采用多人时间槽预约策略，并在预约调度策略的基础上优化每位顾客的体检项目顺序，提出一种包含粗糙仿真评估和精确仿真评估两阶段随机仿真优化算法。运用序优化思想将基于亲和度评估的多种群遗传算法作为迭代优化策略，并利用改进的最优计算量分配方法排除超级个体的影响，形成仿真资源的全局和自适应优化分配机制。实验结果表明，与不进行任何调度及使用体检顺序启发式调度规则的离散事件结果相比，该算法获得了更好的调度解。     

风电—抽水蓄能机组联合调度研究

基于风电场并网系统的调度运行情况,考虑提高风电场输出的电能质量和系统经济效益,建立了风电和抽水蓄能机组联合运行系统的高斯模型、经济效益模型,提出了一种基于模拟植物生长的多目标进化优化算法的风电-抽水蓄能机组联合优化调度方案。仿真结果表明,该方案与单目标优化方案相比,能够提高和改善风电场输出的电能质量和输出功率的平滑度,提高系统的经济效益和运行稳定性。     

网格经济模型中基于信任机制的调度算法*

在Buyya设计的GRACE网格资源管理框架下,提出反映信任值动态变化规律的信任函数,在此基础上建立基于行为的网格信任机制。根据应用环境的不同需求,对网格经济模型DBC调度算法进行改进,分别提出了以时间优化、成本优化和时间—成本折中优化为目标的基于信任的DBC调度算法(Trust DBC)。理论分析及模拟实验结果表明,该算法性能明显优于相应的未考虑信任的调度算法。     

A hybrid instance-intensive workflow scheduling method in private cloud environment

Aiming to solve the problem of instance-intensive workflow scheduling in private cloud environment, this paper first formulates a scheduling optimization model considering the communication time between tasks. The objective of this model is to minimize the execution time of all workflow instances. Then, a hybrid scheduling method based on the batch strategy and an improved genetic algorithm termed fragmentation based genetic algorithm is proposed according to the characters of instance-intensive cloud workflow, where task priority dispatching rules are also taken into account. Simulations are conducted to compare the proposed method with the canonical genetic algorithm and two heuristic algorithms. Our simulation results demonstrate that the proposed method can considerably enhance the search efficiency of the genetic algorithm and is able to considerably outperform the compared algorithms, in particular when the number of workflow instances is high and the computational resource available for optimization is limited.

     

Minimum energy storage for power system with high wind power penetration using p-efficient point theory

Minimum energy storage （ES） and spinning reserve （SR） for day-ahead power system scheduling with high wind power penetration is significant for system operations. A chance-constrained energy storage optimization model based on unit commitment and considering the stochastic nature of both the wind power and load demand is proposed. To solve this proposed chance-constrained model, it is first converted into a deterministic-constrained model using p-efficient point theory. A single stochastic net load variable is developed to represent the stochastic characteristics of both the wind power and load demand for convenient use with the p-efficient point theory. A probability distribution function for netload forecast error is obtained via the Kernel estimation method. The proposed model is applied to a wind-thermal-storage combined power system. A set of extreme scenarios is chosen to validate the effectiveness of the proposed model and method. The results indicate that the scheduled energy storage can effectively compensate for the net load forecast error, and the increasing wind power penetration does not necessarily require a linear increase in energy storage.     

含电动汽车的智能配电网优化调度研究综述

常规的经济调度已不能满足可再生新能源和电动汽车随机接入所带来的挑战。为了解决接入配电网电动汽车数量逐渐增多和分布式电源并网问题。本文对含电动汽车的智能配电网优化调度进行了详细的分析。首先简要分析了电动汽车接入对电网造成的影响。其次本文从电动汽车接入电网的类型、电动汽车参与优化调度的目标、优化调度模型以及优化调度建模方法四个研究方面详细分析了电动汽车与智能配电网协调优化调度。从优化调度的结果分析可知,把电动汽车考虑进智能配电网的优化调度中能够有效的降低配电网的运行成本,使得车主的充电费用减少,并且提高了分布式电源的利用率。然后对大数据技术在智能配电网优化中的应用进行了简要的介绍。最后对电动汽车与智能配电网协调优化调度提出了展望。