不确定信息的物流配送实时车辆优化调度策略

通过分析物流配送不确定因素,运用GPS／GIS／GSM信息技术和构造性算法,把物流配送问题分成静态问题和动态问题来考虑。在已经得到静态调度解的基础上,分析实际可能发生的需求、交通和车辆变化等不确定因素,运用最近插入法、Dijstra算法,提出了解决物流配送过程中不确定性信息的车辆优化调度策略。     

风电-循环流化床-热电联产机组联合优化调度

并网发电机组整体的调峰调频能力影响着电网消纳风电负荷的能力,火电机组在一定时期内仍然是补偿风电的首选。但主流的普通煤粉锅炉机组,其调峰调频能力难以达到要求。对比发现,循环流化床机组调峰能力优良但调频能力差,而热电联产机组调峰能力差但调频能力优良。对此,将同一发电集团的风电场同循环流化床锅炉机组、热电联产机组组成一个联合调度体,并分析了不同调度模式下的整体收益,探究了循环流化床锅炉机组调峰能力对热电设备的替代效用。算例分析表明,在消纳风电量相同的条件下,所提模型经济性要高于热电设备消纳方案。     

海上风电与海蓄联合运行多时间尺度优化调度方法

针对沿海地区海上风电入网给电力系统安全稳定运行带来的挑战,提出一种海上风电与可变速海水抽水蓄能电站联合运行系统多时间尺度优化调度方法.首先,基于海上风电特性的研究建立了弹性电价优化模型.其次,日前阶段以运行成本最小为目标、以运行安全为约束,协调优化海蓄机组的出力;实时阶段基于海上风电超短期预测修正海蓄出力,减小联络线功...     

计及风电不确定性的虚拟电厂优化调度

虚拟电厂系统中的能量配置关系到虚拟电厂系统运行的经济性。计及风电机组出力的不确定性,假设风速服从Rayleigh分布,导出风电机组出力的概率分布表达式,进而得到风电机组的出力成本,将风电高估低估成本化,结合储能装置的成本和输出特性,建立相应的数学模型,以虚拟电厂系统运行成本最小为目标函数并确定相应的约束条件。最后通过相应的算例计算,验证了上述模型的合理性与有效性。     

年调节水电站水库优化调度

运用动态规划与马尔柯夫过程的原理,导出了确定年调节水电站水库供水期蓄水期调度最优策略的计算过程。拟定了根据最优决策和水文预报计算确定水电站供水期、蓄水期运行计划的计算程序。计算均在电子计算机上进行。以丹江口水电站为对象做了算例。     

考虑风电不确定性和有功无功联合调整的两阶段优化调度

基于风电不确定性以及网络中潮流的合理分布对机组出力均有影响的调度问题,文中建立含风电的两阶段优化调度模型。针对风电预测精度日内-实时逐步提高的特点,日内滚动阶段根据时间序列法预测风电出力数据,构造优化发电成本的初调度,确定机组基础出力;实时阶段为了进一步减小误差,通过蒙特卡洛场景生成和后向削减预测风电出力,考虑风电的不确定性;通过有功和无功功率联合调整的动态潮流,使各机组根据频率特性系数按比例分担有功功率不平衡量,根据节点区域控制策略调整无功功率不平衡量,修正机组基础出力,实现潮流的合理分布,建立优化网损和电压水平的调度模型,并通过粒子群算法对模型求解,最后以改进IEEE14节点为例,进行仿真验证。     

基于条件风险方法的含风电系统旋转备用优化调度

针对风电出力波动性和间歇性对电力系统运行的影响,构建基于条件风险方法的电力系统旋转备用模型。以发电总成本和旋转备用总费用最小为目标,在常规调度优化约束基础上,增加正、负旋转备用CVaR值的不等式约束,量化风电不确定性因素。采用蒙特卡罗模拟和解析法相结合,解决旋转备用CVaR值解析的难题,将函数离散化,计算方便简捷。仿真结果表明,旋转备用的条件风险方法可获得不同置信水平和不同风电出力情况下的经济成本和备用容量,更大限度利用风电出力,降低常规能源调度成本,有效解决了风电等新能源带来的随机性调度问题。     

风光发电与新能源汽车协同优化调度策略

针对新能源汽车无序充电给电力系统带来的负荷压力等问题,提出了一种新能源汽车与风光发电协同优化调度策略。首先,建立了新能源汽车动力电池模型,并提出了基于蒙特卡洛模拟法的充电负荷计算方法。其次,基于风光发电原理建立了风力发电和光伏发电的数学模型。最后,以最小化电网等效负荷标准差为目标,利用有效集算法求解了二次规划问题,得到了新能源汽车的最优充放电调度策略。仿真结果表明：本文所提出的协同优化调度策略能够有效降低大规模新能源汽车无序充电加剧的电网负荷峰谷差。     

代价敏感不确定贝叶斯分类器的单批测试算法

提出了一种针对不确定数据的贝叶斯代价敏感分类器算法SBT-CSUNB用来进行单批测试。SBT-CSUNB算法在代价敏感贝叶斯分类器的框架上定义了不确定数据属性对总代价的影响,提出了单批算法的最优属性集合的选择方式。在UCI数据集上的实验表明:SBTCSUNB有效地降低了总代价,并且在不同的参数设定下表现平稳,甚至在高不确定率的情况下算法仍旧表现良好。     

基于智能优化算法的多时段可中断负荷调度

探讨智能优化算法在多时段可中断负荷调度问题中的应用,建立了的优化模型,可考虑中断补偿费用最小化和中断频率最小化等多个优化目标,并可计入不同可中断用户的不同中断特性．并给出了的算例分析,着重比较了基于离散二元粒子群优化算法和遗传算法的结果,表明离散粒子群算法在收敛性和精度上均优于遗传算法,具有较好的应用价值．     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

基于蚁群算法的不确定条件下的Job Shop调度

蚁群算法是近年来新出现的一种随机搜索寻优算法，该算法为求解复杂的组合优化问题提供了一种新思路，引起了众多学者的研究兴趣，将蚁群算法引入不确定处理时间的Job Shop调度，用三角模糊数描述不确定处理时间，建立不确定处理时间的调度模型，在模糊数排序方法的基础上，用改进后的蚁群算法进行求解，仿真结果验证了本文提出的算法的有效性，考虑了算法中的参数选择对算法的求解结果的影响和模糊集的扩散程度，并就结果进行了讨论。     

基于二进制粒子群算法的可中断负荷优化调度

可中断负荷是非常重要的需求侧资源.本文对于在保证系统安全的前提下进行可中断负荷的优化调度,基于二进制粒子群优化算法(BPSO)分时段优化调度特性不同的多个可中断负荷,以满足系统各时段削减容量的需求,同时满足可中断负荷的运行约束条件,并使供电公司支付的补偿费用最小以及执行中断的次数最少.使用加权的处理方法把可中断负荷优化...     

基于蚁群算法的不确定条件下的Job Shop调度

蚁群算法是近年来新出现的一种随机搜索寻优算法.该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣.将蚁群算法引入不确定处理时间的Job Shop调度,用三角模糊数描述不确定处理时间,建立不确定处理时间的调度模型,在模糊数排序方法的基础上,用改进后的蚁群算法进行求解.仿真结果验证了本文提出的算法的有效性,考虑了算法中的参数选择对算法的求解结果的影响和模糊集的扩散程度,并就结果进行了讨论.     

基于多目标遗传算法的可调节变量产品族优化

为了实现可调节变量产品族的优化设计,在建立可调节变量产品族原理模型及优化模型的基础上,提出基于非支配排序遗传算法（NSGA-II）的产品族优化设计流程.根据产品族优化设计的数学模型,用NSGA-II算法求得多目标优化问题的Pareto集,并使用基于模糊集合理论的方法选择一个最优解.在优化设计的第一阶段中NSGA-II算法独立优化每个产品,依据设计变量的变化率确定产品平台常量集合及平台常量取值.第二阶段用NSGA-II算法优化每个实例产品的可调节变量值,在满足产品族设计要求的前提下,提高实例产品的性能.对通用电机产品族进行优化设计,并与One-Stage-Ps方法进行比较,证明了该方法在工程应用中的正确性与高效性.     

基于矩不确定分布鲁棒的微网经济调度

由于微网系统风电出力的分布函数无法准确估计,该文利用风电出力的矩(均值和协方差矩阵)不确定性,构建出风电出力的矩不确定集合,建立微网系统的分布鲁棒经济调度模型。该调度模型以可控机组的运行成本、网络损耗成本、与配电网的单向交互成本以及可中断负荷补偿成本之和的最小期望为目标,通过拉格朗日对偶理论,将分布鲁棒优化问题转化为半定规划(SDP)问题,借助内点法对SDP问题进行求解。仿真分析结果验证了所提模型的可行性和有效性。     

风电运行风险与备用协调优化的调度方法

风电功率的预测误差体现了风电的随机性,风电的波动性描述了风电出力在指定时空尺度上的逐点变化特性。针对风电功率预测误差和风电功率波动所需的备用容量,通过对风电的随机性、波动性分析应对,建立风电备用需求新模型。根据风电备用需求与系统运行备用之间的关联关系,定义了风电运行风险,并在此基础上构建了风电运行风险与备用协调优化的调度模型,在模型中采用惩罚的方式对因系统为风电提供的运行备用不足所造成的失负荷成本和风能浪费成本加以考虑。通过修订后的IEEE 6节点和118节点系统算例的仿真计算,验证了模型的正确性和有效性,为更大限度、更经济、更安全的利用风电功率提供了一种决策支持。     

集群电动汽车配合风电调峰的滚动优化调度方法

随着风电场建设和接入的规模不断扩大,电网的安全稳定也受到了风力不确定性的挑战。从解决风电不确定性的角度出发,在日前调度优化的基础上引入区域电网内的电动汽车集群形成虚拟储能系统,参与电网调度。为能实时处理预测误差,计及电动汽车用户的容量约束进行功率分配,通过日前优化与实时更新相结合的方法,建立了基于多维决策空间的多时间尺度滚动更新的调度方法,用于解决实时优化中火电机组备用和储能系统/备用响应预测误差的功率分配问题并基于算例验证了该方法在经济效益、风电消纳、运算效率上的可行性,为未来高比例风电的就地消纳提供参考。     

基于路径匹配的交通物流调度联合优化方法

针对大型交通物流调度的调度效率不佳的问题,提出了一种基于路径匹配的交通物流调度联合优化方法.构建交通物流调度联合优化数学模型,对物流配送终点进行定位;采用路径实时更新原则对生成的交通物流配送进行优化,匹配最优路径生成结果;根据跨多时段联合调度,获得最佳路径匹配联合调度结果.结果表明,相比于传统的物流配送调度方法,该方法能够有效节约调度时间,综合调度效率提高了8.05%.该方法能够对交通物流调度进行联合优化,具有一定的应用价值.     

考虑用户可调度潜力的负荷聚合商优化调度策略

充分挖掘需求侧资源的可调度潜力可以为电力系统调度提供可靠的数据支持。然而,需求侧资源的可调度潜力与用户内部心理因素、外部环境因素和电网运行工况密切相关,需要对其进行详细的建模分析。以居民用电负荷中占比较重的空调负荷和电动汽车作为研究对象,首先,从用户舒适度和物理层面建立数学模型,充分挖掘需求侧柔性负荷的可调度潜力。其次,在可调度潜力的基础上,采用负荷聚合商和居民用户签订协议的直接负荷控制模式,以负荷聚合商的利益最大化为目标函数,利用非合作博弈理论解决了各聚合商之间的最优投标决策问题。仿真算例验证了该模型不仅可以激励需求侧柔性负荷资源积极参与电力市场调控,实现各方的经济利益最大化,也可以有效减小负荷需求峰谷差,缓解电网供需平衡压力。