区域微电网群两级能量调度策略优化研究

针对现阶段微电网能量管理技术发展趋势,在满足其内部经济调度的基础上,还需要关注微电网间的能量互补机制。对并网型区域微电网群提出了一种两级能量优化调度模型。引入条件风险指标(CVaR)衡量可再生能源与负荷预测误差对调度方案造成的影响,结合微电网运行收益,作为微电网内部能量调度的优化目标;采用多目标粒子群优化算法(MOPSO)进行求解,研究收益风险比作为优化调度策略的筛选指标,提出微电网内部能量优化调度策略;以区域微电网群公共并网点有功功率梯度变化最小化为前提,获得最佳微电网净功率组合方案,由此平抑微电网群对配电网造成的功率波动;考虑电力传输距离制定了微电网间净功率互补机制,提高功率传输效率。算例仿真结果表明,该模型能够合理实现微电网内与微电网间经济运行与功率平衡,为微电网群日前调度计划提供了有效设计流程。     

基于功率分层的微电网母线电压稳定自动化控制方法

为解决微电网母线电量过度损耗的问题,实现电压传输信号的合理分布,提出基于功率分层的微电网母线电压稳定自动化控制方法。根据功率分层标准,实施对电流环的解耦处理,推导部分微电源约束条件,确定微电源V/f估值参量的具体数值,实现基于功率分层的微电网母线电压估算。建立微电网配电模型,分析电压功率谱的波动特性,按照电压信号赋值结果,求解自动化校正系数,实现微电网母线电压稳定自动化控制方法的设计。对比实验结果：功率分层算法作用下,微电网母线电量损耗数值得到较好控制,解决了电量信号的过度损耗问题,能够实现对电压传输信号的合理分布。     

基于免疫粒子群优化算法的微电网谐波抑制策略

为解决微电网中变频器和电力设备运行引起的非线性负载谐波问题,提出了基于免疫粒子群优化(IPSO)算法的微电网无源滤波器谐波抑制策略,将免疫系统的免疫机制原理引入粒子群算法中,有助于提高粒子群算法全局收敛能力,主要目的是实现免疫粒子群算法优化滤波器参数,最终通过优化滤波器的方式达到微电网谐波抑制。从仿真结果可以得出,并网模式与孤岛模式相互转化过程中,IPSO算法可以有效地降低负载侧输出电压谐波比。     

基于改进粒子群算法的独立热电联供微电网优化运行

微电网运行时需要考虑到运行成本及环境污染等诸多因素,现提出了一种基于改进粒子群算法的优化模型,针对微电网中发电成本及污染气体排放等问题建立目标函数,使得其在不同条件下可以选择不同的调度方案;同时以某个目标为例,选择发电成本和环境污染的权重比为9∶1和1∶9时得到了2种优化后的调度方案,结果表明使用改进后的粒子群算法可以实现对独立热电联供微电网的优化。     

含光伏发电和储能电池的智能微电网经济调度

介绍了智能微电网的结构和微电网多代理分层的控制方式,建立了光伏发电输出功率预测的数学模型,详细阐述了含储能电池成本及各发电单元运行维护成本的微电网优化调度目标函数、约束条件、优化变量和优化策略,利用粒子群算法对各发电单元进行经济调度,制定了3种储能电池的充放电计划以及购电交易计划。     

分布式运动控制系统的控制模型及功率平衡

以多机协调驱动为特征的分布式运动控制系统应用广泛,提出了并联式和串联式2种控制数学模型,对静特性和动态性能进行对比。分析产生功率不平衡原因,并提出了变系统参数和变系统给定2种功率平衡手段,详细描述了功率平衡的工作过程。仿真曲线显示,该模型能反映分布式运动控制系统的特点并能够完成功率平衡。     

基于风光储双层母线微电网的分布式模型预测控制

针对风光储互补的双层母线直流微电网系统,提出一种基于多端口变换器直流微电网分布式模型预测控制策略。首先,建立各个子微网系统中风电系统、光伏系统和储能系统的数学模型,其次,依据风电系统、光伏系统工作在经济最优,发电功率最大,储能系统作为补充的原则,采用分布式模型预测控制算法优化风电系统、光伏系统输出功率,保证高低压侧母线负荷跟踪性能和经济性能。最后,通过微网间DC/DC变换器进行PI控制,实现高低压母线间能量平衡,维持母线电压稳定。通过仿真、实验验证,所提控制策略能够实现各个微电网发电单元经济最优的同时,维持高低压侧母线的功率平衡和母线电压稳定,提高了系统的运行可靠性。     

考虑储能分时自动控制策略的微电网容量优化配置方法研究

由于不同分布式电源出力的差异性和波动性,在微电网中对不同分布式电源容量进行优化配置是实现系统的经济、可靠运行的关键,为此提出了考虑储能分时自动控制策略的微电网容量优化配置方法.根据微电网拓扑结构,建立微电网中不同分布式电源的模型并提出储能系统分时自动控制策略.基于储能控制策略建立微电网容量优化配置模型,以微电网系统综合...     

基于遗传算法的多目标微电网优化调度研究

针对孤岛模式下含风光、微燃机、柴油发电机及蓄电池的微电网系统,以考虑经济性和环保性的综合成本为目标函数,结合系统功率平衡、各机组出力限制等约束条件,建立优化调度模型。由于改进了学习因子和惯性权重的粒子群算法仍存在陷入次优解概率较高,易陷入局部最优等问题,本文提出一种引入多目标遗传算法,以增强算法的全局和局部搜索能力。最后,基于典型日孤岛微电网运行数据进行仿真分析,结果表明,本文所采用的多目标遗传算法有效降低了综合目标成本,取得了良好的优化效果。     

考虑负荷重要性的微电网电源容量优化配置

微电网内负荷分为重要负荷和可中断负荷。该文采用粒子群优化算法,在根据负荷特性的分布式电源选址基础上,对并网运行的高渗透微电网和低渗透微电网进行电源容量优化,并考虑电压水平、微电网对大电网的渗透性、分布式电源容量的限制,采用分布式电源折算到每年的建设费用、运行维护费用、向上级大电网售电或购电费用、网络损耗费用的经济性模型。该模型符合现实优化要求,算法求解效率高,其结果更具有实用性和经济性,对实际的微电网规划具有一定的指导意义。     

基于功率平衡的微电网稳定性控制策略

针对含有储能元件的分布式发电系统存在直流母线电压难以准确控制,直流子网切负荷瞬间交流子网电压及频率会偏离正常值的缺点,提出了基于功率平衡带负载前馈的蓄电池控制策略和改进的V/f逆变控制方法对其进行改进。仿真结果表明:交直流混合微电网在孤岛模式下和受扰动时,该方法均能使直流母线电压实现稳定且电压和频率都能够满足正常运行的要求,同时提高了整个系统的抗扰动能力。     

基于双模型的相关滤波跟踪

为解决因边界效应导致相关滤波跟踪算法不够稳健及其不能适应尺度变化的问题,提出了一种基于双模型的相关滤波跟踪算法。将目标跟踪分为位置预测和尺度预测两部分,在位置滤波器模型进行位置预测阶段,先通过对待测样本进行样本增强处理,使得到的样本更符合实际场景。再通过交替方向乘子法进行位置滤波器的迭代求解,最后得到估计的目标位置。在尺度滤波器模型进行尺度预测阶段,通过在估计的目标位置处构建多尺度金字塔来训练尺度滤波器,再求解得到目标的尺度,将双模型得到的结果作为最终的跟踪结果。最后通过引入一个遮挡判据来判断是否更新模型以提高算法的鲁棒性。实验表明,改进算法和经典的相关滤波跟踪算法相比,在跟踪成功率上提高了18%,在跟踪精度上提高了11%。在目标被遮挡、自身尺度变化时,改进算法仍能稳定跟踪。     

基于ADMM字典学习的滚动轴承振动信号稀疏分解

在稀疏分解过程中,字典模型构建的结果会直接影响稀疏分解的效果。为获得结构更好的字典,提出了一种基于交替方向乘子法(ADMM)的字典学习方法,在字典学习过程中采用交替方向乘子法逐个更新字典中原子,得到的字典具有良好的结构。将该字典学习方法应用到滚动轴承振动信号稀疏分解中,能获得更快的字典学习速度和更好的稀疏分解效果。与K-SVD字典学习方法相比较,证明了所提方法在轴承信号稀疏分解中的优越性。     

兼顾用户满意度和发电侧收益的微电网系统量子粒子群优化

兼顾微电网系统发电侧与用户侧的综合利益,从能量管理的角度出发,建立了以用户满意度和发电侧收益为目标的优化模型。首先,采用多目标局部变异-自适应量子粒子群算法(Multi-objective local mutation adaptive quantum particle swarm optimization,MO-LM-AQPSO)获得用户满意度及发电侧收益的Pareto前沿。然后,引入缺电损失,以发电侧收益最大为目标,选取了非支配解中的最优解,并通过算例仿真验证其有效性。进而引入可平移负荷及分时电价激励机制,通过合理的峰谷电价比以引导用户积极参与需求侧响应。仿真结果表明,合理的激励措施,可提高微电网收益和用户满意度实现可再生能源的最大化利用及蓄电池运行损耗的有效减少。     

基于粒子群优化的混合模型预测控制研究

为解决复杂非线性系统的控制精度不高,稳定性难于保证等问题、将预测控制技术应用于非线性控制中,提出了一种基于粒子群优化和混合模型的预测控制算法.混合模型预测控制算法使用模糊聚类和最小二乘法建立了系统的复合模犁,由带压缩因子的粒子群算法优化获得了非线性控制系统的控制量,在非线性模型上对模糊预测控制算法和混合模型预测控制算法...     

基于粒子群算法的车道保持模型预测控制研究

针对模型预测控制(MPC)在解决车道线偏离过程中遇到的偏差过大,计算时间长的问题,提出基于粒子群算法的车道保持模型预测控制方法,其采用模型预测控制来有效的控制车辆,并利用粒子群算法对模型预测控制的控制时域NP和预测时域Nc进行优化,减小模型预测控制的迭代次数。首先,利用粒子群算法(PSO)对模型预测控制进行优化,使目标函数达到最小值就停止迭代,减少计算量;然后利用CarSim和Simulink对优化后的车道保持控制器进行联合仿真,测试控制效果。仿真结果表明,与文中所提的其他三种方法相比,本控制方法能够更准确地控制车辆在车道线上行驶,可将控制精度提高约16%。另外,基于粒子群算法优化模型预测控制将控制精度提高的同时,兼顾了汽车行驶的稳定性以及控制的平缓性。     

面向成本的车间调度优化模型研究

简述了典型调度问题,给出了调度优化的成本目标函数,包括加工成本、设备等待的静态成本以及工件作为在制品的存储成本3个子目标,然后提出了兼顾总加工时间和总成本两个指标的车间调度优化依据。最后,应用所提出的模型对标准调度问题FT06的调度方案进行了评估优化,证明提出的方法是可行的。     

复合功率分流系统发动机起动模型预测控制

复合功率分流混合动力系统从纯电动模式至电子无级变速(Electronic-continuously variable transmission,E-CVT)混合动力模式的切换过程,伴随发动机的起动。由于发动机在整个起动过程始终与传动系相连,其低速往复脉动阻力矩特性对车辆模式切换过程的驾驶平顺性有直接影响,若控制不当,常引起较大的车辆纵向冲击。针对复合功率分流混合动力系统模式切换过程,基于Matlab/Simulink平台建立传动系动态模型和发动机阻力矩模型;提出一种发动机起动模型预测优化控制策略,在线计算电机转矩拖转发动机跟踪目标最优转速曲线并补偿输出端转矩波动。离线仿真及硬件在环台架试验结果表明,所开发的发动机模型预测转速跟踪控制策略能够快速起动发动机并使车辆平稳切换,将整车纵向冲击度限制在11.0m/s3以内,且对整车参数摄动具有较好的鲁棒抑制效果。     

多目标控制电梯群控调度算法的优化

针对模糊推理获取电梯群控指标可信度时缺乏学习性的缺点,引入了人工鱼群算法用于决策函数的多元线性回归曲线的优化。呼梯信号和电梯运行信息经采集与计算,得到了厅层召唤等待时间(HCWT)、厅层召唤最大等待时间(maxHCWT)、剩余响应能力(CV)和召唤集中程度(GD)这4个输入变量,经模糊推理获取了平均候梯时间(AWT)、乘客长候梯率(LWP)和能量消耗(RNC)3个群控指标的可信度值,并以此为样本训练人工鱼群,获得了决策函数。经决策函数计算得到的群控指标可信度值,再与由客流交通模式决定的指标加权系数进行线性平均,以此作为目标评价函数进行电梯群控调度,实现了对电梯运行效率和节能的多目标控制。经电梯群控仿真平台评测,实验结果表明优化后的群控调度算法能明显改善群控指标。