基于改进灰狼优化算法的分布式能源系统优化调度

为了提高分布式能源系统（Distributed Energy System,DES）运行的经济性，以DES运行成本最小为目标函数，建立了基于改进灰狼优化（Improved Grey Wolf Optimization,IGWO）算法的分布式能源系统优化调度模型。采用Tent混沌映射和非线性调整收敛因子策略对灰狼优化算法（Grey Wolf Optimization,GWO）进行改进，提高了算法的性能。利用某综合大楼分布式能源系统进行算例分析，并与其他优化算法的求解结果进行对比，结果表明，IGWO算法收敛时的迭代次数更少，收敛时间更短，与其他三种算法相比，运行成本最低，各项指标均优于其他优化算法，在此调度方案下，各分布式电源出力合理，验证了本文DES优化调度模型的正确性和求解方法的有效性。     

基于精英策略布谷鸟算法的主动配电网经济优化调度

为提高主动配电网（Active Distribution Network,ADN）运行过程中的经济性,对ADN运行总成本的组成部分分别进行分析,并以ADN运行总成本最小作为目标函数,综合考虑各类约束条件,建立基于精英策略布谷鸟算法（Elite Strategy Cuckoo Search,ESCS）的ADN经济优化调度模型。采用鸟卵被发现概率动态设置和精英策略对布谷鸟算法（Cuckoo Search,CS）改进,提升算法的优化性能。利用IEEE 33节点配电系统进行仿真分析,结果表明,ESCS算法经过迭代找到的最优解在收敛次数和计算精度方面均优于其他算法,提高ADN优化调度的经济性,验证模型的正确性和实用性。     

基于高斯-柯西变异帝国竞争算法的微电网优化调度

为提高微电网运行经济性,建立了以微电网综合运行成本最小为目标函数的微电网优化调度模型。利用高斯变异和柯西变异对帝国竞争算法进行改进,采用高斯-柯西帝国竞争算法对微电网优化调度模型进行求解,并与其他优化算法对比分析。结果表明,高斯-柯西帝国竞争算法求解的微电网综合运行成本为4 485.62元,低于其他优化算法;调度方案能够优化微电网系统内各分布式电源出力,合理与上级配电网交换电能,使微电网综合运行成本最小。验证了模型的正确性及求解方法的优越性。     

基于斑点鬣狗算法优化支持向量机的短期风电功率预测

为提高短期风电功率预测精度,提出了一种基于斑点鬣狗算法优化支持向量机的短期风电功率预测方法。采用斑点鬣狗算法对支持向量机的惩罚系数和核参数进行优化,建立基于SHO SVM的短期风电功率预测模型,并采用实际风电场运行数据进行仿真分析。仿真结果表明,SHO SVM模型的平均相对误差和均方根误差分别为4.15%和0.196,预测精度和数据波动性均优于其他模型,验证了短期风电功率预测方法的正确性和实用性。