面向无人机集群路径规划的智能优化算法综述

在电–气–热互联系统(EGHS)的联合优化愈受关注的背景下, 提出一种电–气–热互联系统分布式优化调度 框架. 首先, 以系统供能成本最小建立同时考虑气网及热网动态特性的日前调度模型. 其次, 针对电–气–热互联系 统含电、气、热3个子系统在分布式运算属三区(3-Block)优化问题因而难以利用常规分布式算法得到收敛解的问题, 提出基于交替方向乘子法(ADMM)的改进算法, 即强制平等的ADMM算法. 所提算法框架为内外层协调凸分布框 架, 外层为罚凸凹算法(PCCP), 内层为ADMM–FE算法. 此算法框架中, 外层优化利用罚凸凹过程将非凸气流方程 凸化为逐次迭代的二阶锥约束, 内层ADMM–FE算法求解外层凸化后的模型以得到收敛解. 最后, 通过算例仿真分 析对比了所提算法与传统ADMM算法及集中式优化算法的计算结果, 所得结果验证了所提模型以及优化算法框架 的有效性.     

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-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。     

基于边云协同的建筑能源系统分布式供需协同优化

建筑能源系统能耗总量巨大且用能弹性高,具有很大的节能优化潜力,其提效节能被认为是降低能源电力系统终端碳排放、实现“2030碳达峰、2060碳中和”国家战略目标的重要途径之一.然而,建筑能源系统节能优化面临人员行为与系统能耗交互影响、多种能源介质时空多尺度耦合与供需能量平衡等建模挑战,以及系统决策空间随建筑规模指数增长的维数灾计算复杂性挑战.针对上述挑战,本文从信息物理融合的角度出发,提出了基于节点–流量模型的建筑能源系统分布式优化模型,刻画了电、气、热等能源物理网络与信息网络的交互影响,实现了局部数据采集和计算的一体化结构设计,支撑边云协同计算体系.进而,设计了基于边云协同的分布式迭代优化算法,证明了算法的收敛性,可实现建筑能源系统供需协同优化,并大大降低了对全局信息的依赖性和通信需求.本文以6种不同规模下实际建筑系统的数值测试结果,验证了所提方法的性能和有效性,特别在大规模建筑能源系统上具有良好的应用前景.     

一种基于多目标优化的交互式多跳分组无线网QoS路由算法

多跳分组无线网络是由一组具有路由和转发功能的移动节点组成的动态多跳的临时性自治系统,多用于军事战术系统.针对军事系统中一些特定业务对多个目标的同时性能要求以及战术网络环境的特点,选取带宽作为约束条件,把时延和丢失率作为QoS优化目标,建立了QoS路由选择的多目标整数优化模型,并给出了求解模型的交互式算法.实例计算结果表明了算法的可行性.     

风-光-热-水互补发电优化调度策略北大核心CSCD

近年来,随着大规模的新能源发电机组并入电网,给电力系统调度带来了巨大的挑战。由风电、光伏、光热和水电4种能源可构成互补发电系统,在综合考虑互补系统的各个经济指标(售电效益、环境效益、运行维护成本、购电成本等)、功率波动以及电网安全运行的约束的条件下,建立了以互补系统并网效益最大和输出功率波动方差最小为目标的多目标优化模型。最后,利用改进多目标粒子群优化算法(MOPSO),通过IEEE30节点算例系统验证了所提方法的可行性和有效性。仿真结果表明,相对于风电、光伏、光热互补系统而言,水电站的参与可以提高11%的并网经济效益,减小82.2%的输出功率波动;采用改进MOPSO算法求解此多目标问题可以提高3.6%的经济效益,减小14 MW的功率波动。     

基于纳什均衡迁移学习的碳-能复合流自律优化

提出了一种全新的纳什均衡迁移学习算法,并应用于求解大规模电力系统分散式碳–能复合流自律优化.首次引入碳排放责任分摊机制,避免了碳排放责任的重复计算.将大规模电网分解成若干小型区域电网,每个小型区域电网被定义为一个智能体,通过纳什博弈实现分散式自律优化.智能体利用记忆矩阵对寻优知识进行存储,并通过多个个体与环境的反复交互实现记忆更新;采用状态–动作链对记忆矩阵进行降维,有效避免了"维数灾难".此外,基于相似度的迁移学习可以对历史任务知识进行高效提炼,提高了新任务寻优效率.IEEE 57和300节点系统仿真表明:所提算法非常适合求解大规模电网的碳–能复合流自律优化,在保证纳什均衡解质量的同时,明显加快寻优速度.     

基于DRL的综合能源系统优化运行研究

发展以电网为核心,电、热、气多能互补、协同供能的综合能源系统是落实“双碳”的重要手段,但是电-热-气联合运行的综合能源系统存在的经济性问题和稳定性问题有待解决。本文致力于采用机器学习算法在兼顾运行稳定性的情况下解决电-热-气联合运行系统的经济性问题。首先,本文对包含储能和电转气装置的综合能源系统进行建模,结合优化运行问题优化目标-约束条件的一般框架,在约束条件中考虑功率平衡、各机组出力限制、爬坡率限制和容量限制因素;然后,本文设计了基于DRL的电-热-气联合系统优化运行问题求解策略,算法结合了强化学习策略选择的优势和深度学习环境模拟的优势,在算法设计中详细考虑动作空间、回报函数、状态空间、DRL算法、DRL网络五大模块;最后,本文设计了4个算例,结合电-热-气联合系统典型日运行条件,验证了采用电-热-气联合运行供能模式可以有效实现多能互补降低用能成本,并且本文设计的DRL方法可以有效求解电-热-气联合系统的优化运行问题。     

消纳大规模风电的电–气互联系统鲁棒区间调度模型与方法

现有的电–气互联系统联合调度模型在利用燃气机组的快速调整能力应对风电波动时,难以考虑到对气网运行约束的影响,同时往往忽略了电转气(P2G)装置进一步消纳风电的能力.为解决上述问题,本文计及燃气机组和P2G装置追踪风电波动提出了一种鲁棒区间调度模型,所提模型在保证风电消纳区间最大化的同时,将优化得到的燃气机组和P2G装置允许出力区间转换为最大、最小进气量场景以进一步校验气网的可行性.为进一步扩大风电消纳区间,本文将AGC机组和P2G装置的风电承担系数作为待优化变量,并对因此引入的非线性项进行松弛处理.最后,通过一种计及再调整的日后校正模型对各个算例场景进行蒙特卡洛模拟,验证了本文模型和方法的有效性.     

基于分布式神经动态优化的综合能源系统多目标优化调度EI北大核心CSCD

研究了基于神经动态优化的综合能源系统(Integrated energy systems,IES)分布式多目标优化调度问题.首先,将IES元件单元(包含负荷)作为独立的决策主体,联合考量其运行成本和排放成本,并计及多能源设备间的传输损耗,提出了IES多目标优化调度模型,该模型可描述为一类非凸多目标优化问题.其次,针对此类问题的求解,提出了一种基于神经动力学系统的分布式多目标优化算法,该算法基于动态权重的神经网络模型,可以解决不可分离的不等式约束问题.该算法计算负担小,收敛速度快,并且易于硬件实现.仿真结果表明,所提算法能同时协调综合能源系统的经济性和环境性这两个冲突的目标,且获得了整个帕累托前沿,有效降低了综合能源系统的污染物排放量和综合运行成本.     

Multi-objective electric distribution network reconfiguration solution using runner-root algorithm

This paper presents a runner-root algorithm (RRA) for electric distribution network reconfiguration (NR) problem. The considered NR problem in this paper is to minimize real power loss, load balancing among the branches, load balancing among the feeders as well as number of switching operations and node voltage deviation using max-min method for selection of the final compromised solution. RRA is equipped with two explorative tools, which are random jumps with large steps and re-initialization strategy to escape from local optimal. Moreover, RRA is also equipped with an exploitative tool to search around the current best solution with large and small steps to ensure the obtained result of global optimization. The effectiveness of the applied RRA in both single- and multi-objective has been tested on 33-node and 70-node distribution network systems and the obtained test results have been compared to those from other methods in the literature. The simulation results show that the applied RRA can be an efficient method for network reconfiguration problems with single- and multi-objective.     

网络社区发现的多目标分解粒子群优化算法

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。     

一种分布式并行参数优化算法设计及其应用

并行参数优化算法在科学计算中有广泛应用。随着Spark等分布式平台的快速发展,越来越多并行参数优化算法开始采用分布式平台进行实现。如何在Spark等平台上设计优化算法,避免其运行效率受到框架固定时间开销和网络I/O影响,已经成为亟需解决的问题。本文设计一种分布式与单机多核并行结合的参数优化算法,将其划分为调度部分和独立子问题部分,单机多核并行算法处理子问题,分布式平台负责子问题的跨节点并行。碳通量模型参数优化的实验结果表明,改进的算法能有效节省时间开销,更快地搜索参数空间。     

考虑新能源接入的电力多目标优化调度

发展新能源技术是减少化石能源依赖以及解决污染排放问题的有效途径,但是规模化的新能源并网也会影响电网的安全稳定运行。为研究以风电、电动汽车为代表的新能源并网对电力调度的影响,建立综合考虑电网运行成本、污染排放、日负荷方差等因素的多目标动态环境经济安全调度模型,并采用基于分解的多目标进化算法（MOEA/D-M2M）进行复杂约束条件下的调度分析。对含风电和电动汽车并网的10机系统进行仿真研究,验证了所提调度模型及方法的合理性及有效性。     

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

改进多目标粒子群算法及其在电弧炉供电优化中的应用

针对炼钢过程的供电优化问题,提出了一种改进的多目标粒子群算法（CRMOPSO）．文中利用约束条件满意度函数并加权求和的策略将约束条件转化为一个待优化目标;同时为了克服基本多目标粒子群算法在求解复杂优化问题时,搜索速度较慢,精度较低的缺点,引入变区域加速算子以提高算法收敛速度和精度;针对算法易于早熟收敛的问题,引入混沌算子以提高算法局部搜索能力;进化过程中采用受约束的竞争选择机制（RCS）小生境技术保证种群多样性．建立了新的供电多目标优化模型并将CRMOPSO算法用于该模型优化电弧炉供电过程,达到了减少电量消耗,缩短冶炼时间,延长炉衬使用寿命的目的,表明了该算法的有效性．