基于MOMA算法的分时电价下炼钢生产调度研究

钢铁企业在合理利用分时电价政策的情况下,能够保证最小化最大完工时间且有效降低企业的电力成本,对于企业降低成本和维持电网稳定性具有重要意义。本文以钢铁企业“短流程”炼钢生产环节为研究对象,在满足生产流程前提下,以最小化最大完工时间和电力成本为目标,建立分时电价下炼钢生产调度模型,通过在多目标文化基因算法(MOMA)框架下引用NSGA-Ⅱ算法的编码规则改进的MOMA算法对所建模型进行求解。实验结果表明,在保证最小化最大完工时间的前提下所建模型能够有效降低炼钢生产的电力成本。     

基于改进萤火虫算法的电动汽车有序充电研究

电动汽车的推广取得了明显效果,但其无序充电给电网带来了负面影响。文中建立了考虑时空分布的电动汽车充电模型,提出了电动汽车充电优化调度策略,并改进标准萤火虫算法,通过算例仿真研究了渗透率的影响,减小了负荷的峰谷差,并使求解效果更优。     

考虑调峰经济收益的多目标储能调峰优化策略

本文为解决新能源并网给电力系统带来的峰谷差加大问题,在综合考虑分时电价及政策激励下的调峰经济收益的基础上,构建储能系统参与电力系统削峰填谷的多目标优化模型。仔细分析本模型目标函数和约束条件的特点,决定在进行非线性约束方程转化后,采用改进粒子群算法对该模型进行求解,得到优化后的储能系统充放电功率,并比较选取不同权重系数时,调峰效果的变化。通过算例分析,储能系统应用电网调峰时的经济性与调峰效果可以通过选取合适的权重系数实现一种平衡,使系统在满足调峰需求的同时兼顾其经济效益。     

面向风电消纳的用户扰动单价优化研究

为提高用户参与电网调度的积极性,挖掘用户的风电消纳潜能,提出一种计及用户热负荷值、热负荷空间位置、价格响应非均一性的用户扰动单价优化策略。首先,建立用户热负荷模型,分析用户热负荷存在非均一性的原因;其次,在综合考虑用户热负荷大小以及用户、系统经济性的基础上建立用户扰动单价模型,确定用户扰动单价的上下限;随后,建立用户价格响应模型,分析用户价格响应存在非均一性的原因;最后,以系统整体运行收益最大为目标函数,建立一种热电协同调度下计及用户非均一性的扰动单价优化模型,并使用混合整数非线性规划算法进行求解。算例计算表明,通过与统一定价策略相比,所提优化策略可使用户参与率提高27.65%,风电消纳量增加6.16%,单位扰动成本降低19.05%,系统收益增加7.87%。     

基于Stackelberg博弈法的光伏消纳模型设计与仿真计算

为了解决光伏发电量波动引起的消纳困难问题,以实现光伏消纳过程中各参与方的收益最优化,文中提出了一种基于Stackelberg博弈法的光伏消纳模型.该模型构建了基于需求响应驱动的弹性矩阵,基于该矩阵,建立了光伏消纳背景下用能侧各参与方的多目标收益优化函数.为求解该多目标非线性优化问题,利用Stackelberg博弈法对目...     

计及用户均匀性差异的风电消纳策略研究

为了充分挖掘需求侧潜在的风电消纳能力,促进风电消纳,提出一种计及用户均匀性差异的风电消纳策略。基于热舒适度α、灵敏度β、距离b、热负荷Q分析个体用户i的均匀性差异,并基于以上参数利用场景分析构造出均匀型、近端型、中间型及远端型的终端热负荷空间分布场景1～4,在计及用户扰动的前提下根据其均匀性差异选择出精准用户参与调控,使需求侧用户更有效地参与风电消纳。调节策略以风电消纳最大为目标,使用混合整数非线性规划算法求解。算例结果表明:场景1下,本文调度策略下的风电消纳量较以热定电增加8.01%,煤耗降低3.24%;在本文调度策略下,场景2较场景1风电消纳最大,提高6.21%,煤耗、扰动人次最少,依次降低2.39%,48.79%;风电消纳的提高、煤耗和扰动人次的降低表明所提策略和模型的可行性。     

基于需求响应的风电-抽水蓄能系统调度模型

针对大规模风电并网影响电网稳定运行的问题,基于日前用户侧电力负荷预测和实时电价预测,文中提出了一种电网吸纳风能的新模型。以最小化风电—抽水蓄能联合系统发电成本为目标,在目标求解过程中确定最佳自弹性系数和互弹性系数,运用基于实时电价的需求价格来弹性引导电力用户以实现负荷转移。考虑到用户侧电价弹性限制的约束,该方法采用遗传优化算法编程求解。仿真结果表明,需求侧资源主动参与优化调度可降低负荷峰谷差,利于系统稳定运行,并且可以减少发电成本,提高联合系统经济性。     

基于分时电价和用户侧储能的配电网调度优化策略

针对分布式电源接入及负荷波动引起配电网线路损耗增加的问题,文中提出将分时电价机制协同用户侧储能参与配电网的优化运行模型。基于分时电价建立用户负荷响应模型,构建以用户日用电成本、配电网网损最小为目标函数的配电网运行优化模型。采用评价函数法将多目标转化成单目标,并在传统遗传算法中引入模拟退火Metropolis准则对用户侧储能充放电策略寻优。仿真结果证明了文中所提策略能有效降低配电网网损及用户用电成本,所提算法寻优速度较快,收敛性能较好。     

含冷热电联供的综合能源系统优化调度

针对综合能源系统的优化调度问题,文中考虑了含光伏发电系统、燃气轮机、电制冷机、电锅炉、溴化锂制冷机等能源转换设备的综合能源系统,构建了以系统运行成本及治理二氧化碳所需费用总和最低为目标函数的优化模型,并综合考虑了多约束条件,将模拟退火法融入到粒子群算法中,对模型进行求解,通过相关算例证明了所提模型能够降低系统总成本。仿真结果表明,与基本粒子群算法相比,通过模拟退火粒子群算法求解模型能够有效减少综合能源系统在调度周期内的总成本,对能源的综合利用有实际意义。     

基于变权重拟合的并行组合电价预测模型研究

在电力市场中,日前电价预测是用户用电决策的关键因素之一.为提高电价预测精度,提出了一种基于变权重拟合的并行组合电价预测模型,该模型结合了长短期记忆网络(LSTM)和支持向量机(SVM)模型,权重则采用改进粒子群算法(IPSO)获取.在预测过程中,首先分别使用LSTM和SVM对电价进行预测,然后使用预测日前的历史预测结果...     

基于PSO-BP算法的神经网络模型预测策略研究

在非线性模型预测中,往往难以获得精确的非线性数学模型,从而对预测精度造成一定的影响。该文将粒子群算法与BP算法相结合,提出了一种PSO-BP算法,改进了BP算法的不足,并将其应用于神经网络模型预测当中,提高了非线性模型预测的精度。     

基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。     

含风电的多区域互联电力系统负荷频率控制

针对含风电的互联电力系统运用粒子群优化的滑模变控制(PSOSMC)算法进行负荷频率控制,风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。PSOSMC控制火电和水电状态变量,维持各项参数的稳定。对常规粒子群算法进行改进,并用改进的粒子群算法优化滑模变结构控制算法中不确定参数的设计。同时,考虑电力系统的非线性问题,以四区域互联电力系统为例,在系统存在阶跃负荷扰动的情况下,验证了滑模变结构方法和改进的粒子群算法的有效性。     

基于PSO-LSTM优化模型的网络流量预测研究

网络流量预测是网络规划、设计和建设的重要依据,对有效满足人民网络需求有着极其重要的意义。本文通过构建基于PSO-LSTM优化预测模型,不仅提高了对网络流量预测的效果,还自动实现了对LSTM神经网络模型参数的优化,大大降低了LSTM神经网络模型优化的工作量。研究结果表明,基于PSO-LSTM优化预测模型能够实现对网络流量的准确预测,相比单纯基于LSTM神经网络模型,预测结果与实际值的均方根误差降低31%。     

考虑风电随机性的风-火-蓄机组组合模型研究

风电的随机性增加了风-火系统的发电成本.风电的随机性是风电自身特点决定的,单纯依靠其自身无法解决.为了减少风电随机性对风火机组的影响,给风-火系统配置抽水蓄能电站是有效方法之一.采用机会约束的方法来考虑风机的随机性,提出计及风电随机性的风-火-蓄机组组合模型.并通过验证证明其正确性.     

基于群智能优化技术的光网络资源动态分配研究

数据量以及光网络用户增多为光网络带来负担,导致广域骨干网拥堵,为此,提出基于群智能优化技术的光网络资源动态分配方法。描述光网络资源,计算平行链路的利用率,优化平行链路利用率,分配弹性光网络资源,构建光网络吞吐量最大化和光网络节点时延最小化的目标函数,通过粒子群算法,求解队列动态更新函数,获取最优解,为弹性光网络资源动态分配结果。实验结果表明,所提方法的资源动态分配速率式中在80%以上,带宽阻塞率最高仅为13.8%,光网络节点时延短。降低光网络拥堵程度,保证光网络资源利用的充分性。     

复杂路况下考虑碳排放成本的冷链车辆配送路径优化研究

本文考虑了多数没有考虑的实际路况与路面情况这些复杂路况下的配送成本,同时秉承着低碳绿色的理念,将碳排放因素考虑到总配送路径成本中,采用改进粒子群算法求解,以配送成本和货损率最小为分析依据,分析求解结果.以浙江义乌某冷链中心为研究对象进行冷链运输车辆配送路径优化,将优化后的成本与原方案成本进行实验对比,结果表明货损率、碳...     

基于粒子群算法的主动配电网多目标优化调度

随着分布式可再生能源的大规模并网,传统配电网也由单一潮流逐渐发展为复杂的双向潮流。针对主动配电网技术中传统调度方式无法直接应用的问题,文中从智能算法和优化模型两个方面探索改进措施。在考虑“源网荷储”关联性的基础上,以提升削峰填谷效果、提高配电网经济性以及减少配电网网损为目标,对风光出力情况进行预测,提升了数据有效性,建立了两阶段双层联合优化调度模型。文中分析了传统粒子群算法的优劣势,提出采用改进的HE-MOPSO算法对模型进行求解。求解ZDT1～4测试函数并采用扩展的IEEE33节点进行仿真验算,结果分析证明了改进算法及模型的优越性。     

基于数据的LF炉智能控制系统模型研究

本文依据某钢铁冶炼公司的数据,对产品的属性进行回归分析,通过建立不同预测模型的算法来比较优化算法的优劣性.本文以某钢铁企业工业数据为依据,分别采用粒子群算法(PSO)算法和交叉验证算法(CV)优化的SVM收得率预测模型进行研究.