多虚拟电厂接入的主动配电系统优化经济调度

在市场环境下,为促进含随机性可再生能源的消纳同时协调各经济主体矛盾并挖掘各主体价值和经济效益,本文提出一种基于分析目标级联理论的主动配网调度优化模型,以配网与虚拟电厂存在电能交互为建模背景。考虑虚拟电厂组成的多样性,设置风储型虚拟电厂以及含冷热电系统型虚拟电厂,各虚拟电厂可以分别与配网进行电能交互,各经济主体根据自身组成优化内部变量以及交互功率,通过分析目标级联法与其他主体协调交互功率实现分布式求解。最后通过IEEE33节点配电系统的算例仿真表明,调度结果能较好的反应主体经济性,得出风储型虚拟电厂有利于提高风电的消纳量,冷热电联供型虚拟电厂可以实现综合能源经济管理,分析目标级联法用于本文所提的模型背景是有效的。     

邻域自适应粒子群算法求解地源热泵区域 能源系统鲁棒优化调度问题

针对地源热泵区域能源系统中冷热负荷和机组效能的不确定性, 本文提出了一种考虑双重不确定性的鲁棒优化调度方法. 首先, 基于多面体不确定模型描述调度模型中的鲁棒变量. 然后, 针对建筑冷热负荷不确定性, 采用对偶原理将双层优化模型等价为单层优化模型; 对于机组效能不确定性, 采用场景法进行分析. 最后, 采用多目标优化约束处理方法处理鲁棒优化调度模型中的约束条件. 同时, 为更加高效、准确求解所构建的优化调度模型, 提出了一种邻域自适应粒子群优化算法(NAPSO). 实验结果表明, 在制冷和制热工况下, 与经验运行策略相比, 本文所提方法可分别减少7.22%和5.55%的系统运行成本, 是一种解决地源热泵区域能源系统鲁棒优化调度的有效方法.     

基于光伏预测的微电网能源随机优化调度

可再生能源的间歇性和负荷的随机性对微电网能源管理系统（ EMS）产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,将光伏预测误差当做随机变量,建立了一种基于期望模型的能源随机优化调度模型。用Monte Carlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了随机优化调度模型更加有效。     

基于主从博弈的综合能源系统优化调度策略

以综合能源系统为研究对象，建立了以综合能源系统运营商为领导者，负荷聚合商为跟随者的主从博弈模型，并使用改进的混沌阿基米德优化算法求解该模型。依据该模型，综合能源系统运营商需根据用户用能情况对系统设备出力进行优化调度并向负荷聚合商制定能源价格，负荷聚合商根据能源价格对用户的用能策略进行调整。仿真实例表明，该主从博弈模型能够有效增强可再生能源发电的消纳能力，可再生能源出力利用率提升了4.45%。     

改进自适应MOEA/D算法的楼宇负荷优化调度

针对负荷侧用户用电电费、新能源消纳率和用电峰谷差等问题,提出了一种改进的自适应基于分解的多目标进化算法,进行楼宇微电网签约住户可控负荷优化调度;通过分析负荷的用电特性,将用电负荷分为五类并分类建立数学模型、优化目标函数和约束条件;将广义分解与均匀分配相结合产生新的自适应权重向量使算法非支配解更接近真实帕累托前沿;采用历...     

计及可再生能源消纳的电热综合能源系统多目标优化模型

可再生能源因其清洁低碳的特点备受能源行业关注。但同时,可再生能源的不确定性也带来了严重的消纳问题。提高电力系统的灵活性去解决可再生能源的消纳问题成为当下研究热点之一。本文突破异质能源间的壁垒,基于电热综合能源系统去探索提高可再生能源的消纳能力。同时,立足于经济性与安全性指标,本文提出了一种多目标优化数学模型,并通过对偶转化和C CG算法对所提模型进行求解。最后,在算例测试中,通过对比电热综合能源系统与电力系统的各种测试指标证明了所提模型的有效性。     

基于交叉-变异人工蜂群算法的微网优化调度

随着大规模可再生能源接入微网,其不确定性直接影响微网的优化调度.鉴于此,以微网的产能利润最大化为目标,构建微网日前产能调度的优化模型,其中对储能单元和需求响应负荷进行调度,对可再生能源产能预测的误差进行处理.考虑优化模型中包含的非线性特征,提出一种基于交叉和变异的人工蜂群算法以求解微网最优调度策略.所提出算法在雇佣蜂和观察蜂阶段,引入遗传算法中的交叉和变异操作对邻域搜索策略进行更新,以确保子代种群的多样性;在侦查蜂阶段,构建基于全局搜索的初始化机制,以提高算法搜索全局最优解的能力.仿真结果验证了所构建模型的有效性和算法的优越性.     

微网的多目标优化调度策略

在微网的优化调度中,因过于追求经济性而忽略微网对风、光能的消纳率,出现了弃风弃光的现象,故对微网的调度模型进行改进。考虑以发电成本、污染环境成本、电池老化成本和风光消纳率为目标函数,最后采用改进的粒子群算法对算例进行仿真,并分析微网在不同策略下对微网的成本与风光消纳率的影响。     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

考虑源-荷不确定性的矿山综合能源系统多时间尺度区间优化调度

在高能耗矿山综合能源系统中,为减小乏风、瓦斯、矿井涌水等伴生能源、可再生能源、负荷不确定预测误差对系统的影响,提出考虑源-荷预测不确定性的矿山综合能源系统多时间尺度区间优化调度策略.首先,构建含可再生能源、矿山伴生能源、光热电站的矿山综合能源系统架构;其次,根据电-热响应特性和源-荷不确定性在时间上的差异,建立日前-日内-实时多时间尺度区间优化调度模型.在日前和日内优化阶段,利用区间数描述源-荷不确定性,并通过区间优化方法对伴生能源和可再生能源的实际消纳区间进行优化;日内优化在日前优化的基础上,综合考虑建筑用户热舒适度的模糊性、供热系统的热惯性及热水负荷需求响应调整各设备出力;在实时优化阶段,考虑电负荷需求响应对日内电力设备出力进行修正.最后,通过算例分析验证所提模型和方法的可行性.     

基于CoreOS面向负载整合的集群调度研究

CoreOS是基于Docker的新型容器化集群服务器操作系统,发展迅速,已经得到OpenStack、Kubernetes、Salesforce、Ebay等主流云服务商的支持,云环境中负载是动态的,相应的其资源需求是动态变化的,这给集群资源高效利用带来了挑战,静态预分配峰值资源的策略带来云端资源的巨大浪费,同时空转的计算浪费大量能耗.本文提出的面向负载整合的集群调度系统（简称LICSS）实时监控集群负载分布情况,调度时使用紧凑式调度策略分配计算节点,运行时利用任务迁移技术对负载进行动态整合,实现及时收集释放空转资源降低资源能耗浪费的目的.LICSS系统设计实现了节点负载度量、任务度量、负载整合算法,并测算出节点自适应负载阈值.实验表明,LICSS系统能够根据不同时段集群负载动态变化情况对负载进行有效整合,提高了12.2%的平均资源利用率,并且基于任务整合在低负载时段触发富余节点休眠降低集群能耗.     

基于MSTSO算法的冷水机组负荷分配模型研究

为降低空调系统的运行能耗,优化冷水机组的负荷分配,首先提出了一种多策略改进的金枪鱼优化算法(MSTSO),引入黄金正弦觅食机制和非线性惯性权重来加强算法对最优解的全局定位能力;通过蜜獾随机搜索策略赋予算法更强的性能以跳出局部最优。接着利用双向长短期记忆网络(BiLSTM)搭建能效预测模型并用MSTSO算法对其初始参数进行寻优从而获得最佳训练效果。最后进一步提出BiLSTM-MSTSO负荷分配模型,对多台冷水机组的负荷进行合理分配与优化。实验结果表明,优化后的BiLSTM预测模型拥有更高的预测精度,MSTSO算法相较其他智能优化算法可以减少更多的能耗并最大化提升冷水机组的运行效率。因此BiLSTM-MSTSO智能模型适用于多冷水机组的能耗预测与优化。     

认知网络能量感知及伽玛统计模型能量优化算法

为了提升分簇无线传感器网络的能量效率并均衡节点的能量负载,提出了一种认知网络能量感知及伽玛统计模型能量优化算法。首先,该算法提出基于认知无线电的信道能量感知模型,可以得到网络休眠模式和运作模式下网络的能量分布方程。接着,在多个中继网络场景中采用伽玛函数进行网络总能耗分析,并基于次级网络跳数与簇头总能耗关系提出能量优化策略,在均衡簇头能量负载的同时最小化网络总能耗量。实验仿真结果表明,在网络总能量消耗上,所提出的能量优化算法相比基于节能路由方案的认知无线电网络和基于多能量探测器的认知网络,节能效果分别提高了37.6%和12.2%,并且算法采用伽玛函数对网络能量分布的分析具有一定的准确性。     

物联网感知层改进型正方形剖分节点调度算法

设计合理的节点调度机制是提高物联网感知层能效性的重要方法。探讨了基于正方形剖分模型的节点调度算法,在此基础上对其通信模型进行扩展,在保持100%的组网络覆盖率及组全局连通性的前提下,通过改进剖分正方形边长取值机制,提出一种改进型正方形剖分节点调度算法。实验结果表明,改进后算法可有效降低系统能耗,延长网络寿命。     

钢铁企业热电系统多能流网络多工况优化调度

钢铁企业热电系统是典型的耗能大户, 合理有效的能源调度对提高企业能源利用效率、低碳发展、实现碳 中和目标具有重要意义. 考虑热电系统涉及的多种能源介质相互关联和耦合, 产耗量随生产计划以及主工序设备运 行状态的改变动态变化等特征, 提出一种基于多能流网络的多工况优化调度模型. 首先, 针对热电系统能源利用过 程中的多工况特征, 提出基于多维隐马尔可夫–动态时间弯曲混合模型的工况识别方法, 并基于能源介质产生、消 耗、转换的能量流路径分析, 建立热电系统多能流网络模型, 将不同能源介质的需求量等价为对蒸汽、电力和副产 煤气的需求量. 其次, 综合分析能源介质动态平衡约束、设备产耗能约束、多能源消耗约束, 建立热电系统多目标优 化调度模型, 并得出能源介质调度方案. 通过钢铁企业实际生产数据实验表明, 本文方法能够有效保证系统安全运 行、减少系统外购煤的消耗量、增加系统自身发电量、降低运行成本、降低碳排放.     

基于大数据技术的小水电机组负荷分配优化平台研究及应用

为提高水能利用率,解决小水电机组以最优效率为目标负荷分配问题,开发了 一套基于大数据技术的小水电机组负荷优化分配平台.平台通过对基础数据和在线测量数据的分析,自动识别机组的状态条件、运行工况、稳定性能等情况.在此基础上,给出一种在线基于实时动态自校正的逐次迭代效率曲面拟合方法,解决大数据样本误差噪声引起的效率拟合误差以...     

基于粒子群优化算法的RPL负载均衡研究

针对现有IPv6路由协议在建立网络拓扑过程中未考虑负载均衡,易导致低功耗有损网络出现部分节点能量过早耗尽、链路发生堵塞等问题,提出了一种基于父节点拥塞程度及其能量损耗的粒子群优化RPL路由协议(PSO-RPL)。通过将各子节点周围所有节点中Rank值最低的节点作为父节点集,并根据父节点集中所有节点的负载因子和剩余能量构造适应度函数的基础上,PSO-RPL借助粒子群优化算法获得了各子节点的最优父节点,从而实现了所有父节点的负载均衡。仿真结果表明提出的PSO-RPL协议实现了网络负载的有效均衡,延长了整个网络的生命周期,降低了整个网络的能量消耗。     

计及配电网灵活性的多园区综合能源系统分布式优化调度

多园区综合能源系统与配电网的交互方式决定多能潮流分布和能量传输损耗,进而将直接影响整个系统的优化运行.本文提出了一种计及多园区综合能源系统与配电网之间接入影响的分布式协同优化调度方案.首先,提出一种包含综合能源系统及配电网的双层分布式优化系统架构.然后,以各园区综合能源系统用能成本最低、配电网网损最小为目标,以能源园区接入配电网的位置及配电网网络拓扑为调控手段给出协同优化模型,并通过改进自适应步长交替方向乘子法实现问题分布式求解,实现了系统的整体高效调度,提升了配电网灵活性及园区综合能源系统运行经济性.最后,通过仿真算例验证了本文所提方法的准确性及有效性.     

A new approach to scheduling in manufacturing for power consumption and carbon footprint reduction

Manufacturing scheduling strategies have historically emphasized cycle time; in almost all cases, energy and environmental factors have not been considered in scheduling. This paper presents a new mathematical programming model of the flow shop scheduling problem that considers peak power load, energy consumption, and associated carbon footprint in addition to cycle time. The new model is demonstrated using a simple case study: a flow shop where two machines are employed to produce a variety of parts. In addition to the processing order of the jobs, the proposed scheduling problem considers the operation speed as an independent variable, which can be changed to affect the peak load and energy consumption. Even with a single objective, finding an optimal schedule is notoriously difficult, so directly applying commercial software to this multi-objective scheduling problem requires significant computation time. This paper calls for the development of more specialized algorithms for this new scheduling problem and examines computationally tractable approaches for finding near-optimal schedules.     

一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法

为了研究移动设备在多资源复杂环境下的能量消耗问题,提出一种针对移动边缘设备计算卸载的改进粒子群算法。首先基于多环境的移动设备能耗提出一种移动设备能量消耗的计算模型;其次针对计算资源分配问题设计一种可以用于衡量分配方案优劣的适应度算法;最后提出一种改进的粒子群算法,用于求解进一步降低移动边缘设备能耗分配方案的最优解。通过使用模拟仿真软件对多种卸载策略下移动设备能耗、系统响应时间等关键指标对比表明,本文算法在满足用户响应时间的前提下,在求解降低移动设备能耗调度分配方案最优解的过程中具有更优的表现。