基于模糊支配的生物地理学优化算法及其在含风电场电力系统调度中的应用

构建了含风电场电力系统发电成本和环境影响的双目标优化调度模型,应用模糊支配将双目标函数转化为单个评价标准,提出了基于模糊支配的生物地理学优化算法并对模型进行求解.通过与使用同样支配算法的遗传算法、粒子群优化算法相比较,验证了所提算法在处理电力系统多目标优化调度问题中的可行性和优越性.算例分析表明,根据优化调度决策,在合理的穿透功率范围内,风电的并网对提高电力生产的经济性具有较明显的效果,而在改善环境效益方面不是决定性因素.     

乙炔双羰基化催化合成丁（烯）二酸酯

以乙炔(C_2H_2)、CO和正丁醇为原料,采用PdBr_2为主催化剂,在常压、55℃条件下,双羰基化一步合成丁(烯)二酸丁酯。考察了催化剂用量、助剂种类及用量、溶剂种类、反应温度和反应时间对丁(烯)二酸二丁酯收率的影响。结果表明,在Pd Br2用量0.04g,n(PdBr_2)∶n(LiBr)=1∶8,甲基磺酸0.1 mL,30 mL乙腈为溶剂,n(C2H_2)∶n(CO)=1∶2,101 kPa,55℃,反应3 h的反应条件下,丁(烯)二酸二丁酯的收率达到76.11%。     

采用改进生物地理学算法的风电并网电力系统多目标发电调度

构建了兼顾能源环境效益和发电经济性的风电并网电力系统多目标发电调度(multi-objective generation dispatch,MOGD)模型,为了快速准确求解该模型,达到为决策者提供合理候选调度方案的目的,将生物地理学(biogeography-based optimization,BBO)算法用于解决风电并网电力系统MOGD问题。采用余弦迁移模型、混合迁移算子、基于柯西分布的变异算子和相似体检测技术等策略来改善BBO算法的性能。提出综合模糊支配度和分布密度的帕累托(Pareto)解集排序方法,促进Pareto最优前沿(Paretooptimal front,POF)向理想Pareto前沿逼近,并保持解集的多样性。以含6台火电机组和1个并网风电场的电力系统为例进行仿真计算,结果验证了改进生物地理学算法在求解多目标发电调度问题方面的可行性和有效性。