考虑新能源消纳的综合能源系统多层博弈策略

研究了综合能源系统多市场主体参与新能源消纳的博弈行为分析问题。建立了从综合能源系统电、气、热供给到终端用户电、热、冷需求的多能流供应、转换、存储、消费的多级竞标策略优化模型,提出了涉及多能源趸售-零售-终端环节的Cournot-Stackelberg两层主从博弈结构;提出了相应的迭代求解算法,并在定价机制、多能互补、储能配置等方面对博弈均衡结果进行了算例分析。     

混合控制策略动态优化多负荷CCHP微网系统

为了降低含冷、热、电、气负荷多能互补微网的运行成本,并解决在传统控制方法下微网系统耗能大、响应慢及稳定性差等问题,提出了一种基于最短距离的CCHP系统混合控制策略.首先从系统运行经济性、稳定性和环保角度建立微网综合能源模型,结合传统控制方式建立4个运行场景,采用主副协同动态粒子群算法进行优化.实验结果表明,该控制策略在...     

零碳排放下电-气综合能源系统多能负荷预测

电-气综合能源系统中多能负荷之间的耦合程度不断增加,提升了能源系统调度和运行的难度。为此,对零碳排放下电-气综合能源系统多能负荷预测方法进行了研究。分析零碳排放下电-气综合能源系统的运行架构。以气象因素为影响因子,运用灰色关联度分析法获得多能负荷与各因子的相关性。将相关性分析结果与系统历史多能负荷数据共同作为输入数据,构建基础长短期记忆(LSTM)预测模型。结合樽海鞘群算法(SSA)优化模型关键参数,获得优化LSTM预测模型,实现系统多能负荷预测。试验结果表明：冷负荷与电负荷的关联度为0.88;热负荷与电负荷的关联度为0.681;实际预测平均绝对百分误差低于0.45。该方法预测效果理想,为系统最优调度与运行规划奠定了基础。     

基于混合潮流算法的多能源互补调度仿真研究

充分考虑综合能源系统受外部能源供应条件以及能源设备的影响,为了降低多能源耦合潮流计算复杂度,提升工程应用的可操作性,提出基于混合潮流算法的多能源互补调度仿真.依据经济指标、安全可靠性指标以及清洁性指标建立多能源互补调度优化模型,设定能量转换枢纽单元输出容量约束、能量转换枢纽单元多能流耦合约束、供能平衡约束、设备运行约束四项约束条件,利用多目标最优混合潮流计算平台基于非劣排序遗传算法求解多能源互补调度优化模型,利用所输出最优解实现混合潮流算法的多能源互补调度.仿真分析结果表明,该方法可实现综合能源系统的多能源互补调度,经济性以及静态安全性提升幅度明显.     

考虑综合需求响应和电转气的园区综合能源系统优化调度方法

针对园区综合能源系统可再生能源消纳和冷热电负荷波动的问题,引入电转气技术,同时结合可平移电负荷、灵活的热负荷和灵活的冷负荷,建立了考虑综合需求响应和电转气技术的园区综合能源系统优化调度方法,并转变模型构建成为混合整数线性规划模型,通过matlab结合yalmip调用cplex求解器进行求解,快速解决海量数据和约束条件对于求解复杂度的影响。并通过对比算例分析,考虑综合需求响应对于削峰填谷、可再生能源消纳的影响以及园区综合能源系统整体经济性的影响,验证本文所搭建模型的有效性和合理性。     

电-气-热耦合能源网络的互动逻辑时序优化仿真

为规避电-气-热耦合能源网络互动逻辑冲突,确认电-气-热耦合备用容量,提出电-气-热耦合能源网络的互动逻辑时序优化仿真方法。建立由电力和燃气2个部分组成的电-气-热耦合能源网络动态模型,依据电-气-热耦合能源网络动态数据建立其互动逻辑时序模型,按照该模型的约束条件,使用帝国竞争算法对电-气-热耦合能源网络互动逻辑时序模型进行帝国形成、通化机制、帝国竞争分析,完成优化求解和时序优化互动逻辑。实验结果表明,该方法可有效优化电-气-热耦合能源网络的互动逻辑时序,使其火电开机容量得到有效降低,同时也提升了耦合能源网络的备用容量。     

计及混合潮流约束的热-电互联综合能源系统 多目标优化调度

为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题的Pareto前沿.算例分析结果表明,所构建的模型和提出的算法可以有效提高系统能源供给质量和优化决策的准确性.研究成果进一步体现了所提出的多目标优化方案在兼顾经济性、能源供给质量以及复杂的运行约束,保证系统经济稳定运行等方面的效益.     

电–气互联系统的气电解耦分布式多目标优化调度

本文基于能源互联网背景建立了一种计及供能成本、碳排放量和净负荷曲线平滑度的电–气互联系统多目标优化模型,并采用线性化方法将非线性优化模型转化为混合整数线性规划模型.同时,为了求解该模型,实现各能源的协同互补利用,提高能源的利用率,本文在保障各能源网络分散自治权的基础上提出一种基于气电解耦的分布式多目标优化算法,以气电解耦优化的方式实现电、气系统的分散自治.所提算法将原系统的多目标优化问题分解为电网和气网的子优化问题,并采用独立的优化器完成子问题的求解.电网和气网仅需交换少量边界变量以及虚拟目标因子分别进行全局调整即可获得多目标解.最后,本文根据修改的IEEE 39节点电力网络和比利时20节点天然气网络搭建模型并进行仿真分析,结果验证:所提算法能够完成电–气互联系统的气电解耦并实现多目标并行求解,从而提高系统信息私密性、实现各能源网络的分散自治.     

基于AMOWOA的区域综合能源系统运行优化调度

目前, 智能优化算法已广泛应用于工程优化中, 在当前多能耦合与互补的能源发展趋势下, 仅考虑系统经济指标的单目标优化模式已经不再适用于目前区域综合能源系统(Integrated energy system, IES)的运行优化调度, 需要研究一种多目标运行策略来解决区域综合能源系统的运行优化调度问题. 首先综合考虑经济与能源利用两个指标并结合商业住宅区域的特性, 以系统日运行收益和一次能源利用率为优化目标构建商业住宅区域综合能源系统多目标运行优化调度模型. 其次由于传统多目标智能优化算法缺乏一种最优解综合评价方法, 基于非支配排序以及拥挤度计算的多目标算法框架, 提出一种利用模糊一致矩阵选取全局最优解的多目标鲸鱼优化算法(A multi-objective whale optimization algorithm, AMOWOA), 并将提出算法对商住区域综合能源系统多目标运行优化调度模型进行求解. 最后以华东某商业住宅区域综合能源系统为例进行仿真, 验证了该方法的有效性和可行性.     

基于灰狼算法冷热电联供综合能源优化调度

对于冷、热、电联供综合能源系统优化问题,为了提高可再生能源利用率,故以弃风、弃光量最小和综合能源系统运行经济性为优化目标,建立了含风机、光机、燃气轮机、燃气锅炉等综合能源优化模型.模型的求解使用的改进多目标灰狼算法,得到Pareto解集.针对综合能源系统的约束较多、灰狼算法种群多样性少、容易陷入局部最优等方面,对算法进...     

基于李雅普诺夫优化和深度强化学习的多任务端边迁移

针对多终端、多边缘服务器场景下异构工业任务的端边协同处理问题,提出一种基于李雅普诺夫优化和深度强化学习的多任务端边迁移算法.首先,以联合优化任务迁移决策、迁移比例和传输功率为目标,充分考虑计算频率、传输功率、长期能耗和任务截止期等约束,构建系统长期平均开销最小化问题;由于问题中长期目标及约束中变量在不同时隙相互耦合,难以求解,基于李雅普诺夫优化理论,将长期平均开销最小化问题解耦为独立时隙的策略优化问题;通过马尔可夫决策过程建模,并采用双层竞争深度神经网络架构,提出基于深度强化学习的多任务迁移算法.实验结果表明,所提算法能够稳定收敛,并在长期能耗约束和任务截止期要求下有效降低系统长期平均开销.     

基于深度强化学习的微电网在线优化调度

提出一种基于深度强化学习的微电网在线优化调度策略.针对可再生能源的随机性及复杂的潮流约束对微电网经济安全运行带来的挑战,以成本最小为目标,考虑微电网运行状态及调度动作的约束,将微电网在线调度问题建模为一个约束马尔可夫决策过程.为避免求解复杂的非线性潮流优化、降低对高精度预测信息及系统模型的依赖,设计一个卷积神经网络结构学习最优的调度策略.所提出的神经网络结构可以从微电网原始观测数据中提取高质量的特征,并基于提取到的特征直接产生调度决策.为了确保该神经网络产生的调度决策能够满足复杂的网络潮流约束,结合拉格朗日乘子法与soft actor-critic,提出一种新的深度强化学习算法来训练该神经网络.最后,为验证所提出方法的有效性,利用真实的电力系统数据进行仿真.仿真结果表明,所提出的在线优化调度方法可以有效地从数据中学习到满足潮流约束且具有成本效益的调度策略,降低随机性对微电网运行的影响.     

Feature Selection with Deep Reinforcement Learning for Intrusion Detection System

An intrusion detection system (IDS) becomes an important tool for ensuring security in the network. In recent times, machine learning (ML) and deep learning (DL) models can be applied for the identification of intrusions over the network effectively. To resolve the security issues, this paper presents a new Binary Butterfly Optimization algorithm based on Feature Selection with DRL technique, called BBOFS-DRL for intrusion detection. The proposed BBOFSDRL model mainly accomplishes the recognition of intrusions in the network. To attain this, the BBOFS-DRL model initially designs the BBOFS algorithm based on the traditional butterfly optimization algorithm (BOA) to elect feature subsets. Besides, DRL model is employed for the proper identification and classification of intrusions that exist in the network. Furthermore, beetle antenna search (BAS) technique is applied to tune the DRL parameters for enhanced intrusion detection efficiency. For ensuring the superior intrusion detection outcomes of the BBOFS-DRL model, a wide-ranging experimental analysis is performed against benchmark dataset. The simulation results reported the supremacy of the BBOFS-DRL model over its recent state of art approaches.     

基于在线双边拍卖的分层联邦学习激励机制

在分层联邦学习中,能量受限的移动设备参与模型训练会消耗自身资源.为了降低移动设备的能耗,文中在不超过分层联邦学习的最大容忍时间下,提出了移动设备能耗之和最小化问题.不同训练轮次的边缘服务器能够选择不同的移动设备,移动设备也能够为不同的边缘服务器并发训练模型,因此文中基于在线双边拍卖机制提出了ODAM-DS算法.基于最优...     

风光气储联合发电最优容量配比问题研究

开发和利用农村的风能、光能、沼气是解决偏远农村地区用电量快速增加和偏远山区供电问题的有效途径,该文针对3种可再生能源和储能的联合发电问题,通过研究它们之间的协调互补性,提出了一种新型的"风光气储"多能源互补的微电网供电系统,在该系统中因地制宜地采用沼气和蓄电池作为备用电源,通过改进的鲸鱼算法对"风光气储"联合运行问题进行了优化,仿真实验结果表明在成本最低和弃风弃光率最低这2个目标下都能稳定的运行,对已经有的粒子群算法、遗传算法和鲸鱼算法进行了对比,实验结果表明改进的鲸鱼算法在解决"风光气储"最优容量配比问题上得到了很大的提升。     

分层学习的边缘计算资源调度粒子群优化算法

由于存在诸如CPU运算速度慢,电池容量低等问题,智能移动设备本身无法执行计算需求大的应用程序,需要借助边缘计算技术来降低程序对移动设备硬件的要求。然而将部分计算任务从移动设备传输给边缘服务器,会带来额外的传输能耗和服务器计算能耗。综合考虑影响移动设备和服务器,以及数据传输能耗值的四个因素,即移动设备的计算速度,下载数据功耗,数据卸载百分比和剩余网络带宽占,提出一种基于分层学习的粒子群算法,优化每台移动设备对于这四个参数的取值,更合理分配计算资源使得总能耗最小。对计算资源建模时,还考虑了最大能耗、计算周期、存储、带宽和延迟约束条件。与其他算法进行对比实验发现,通过分层学习优化的粒子群算法,能更快速地获得满足约束条件具有更低能耗的资源调度最优解。