多可再生能源冷热电联供微网系统环境经济优化调度

针对含多种可再生能源的冷热电联供微网系统调度优化问题,提出微网系统最小运行费用和二氧化碳排放的多目标调度优化模型,并结合启发式调度规则,采用改进多目标交叉熵算法获取Pareto最优解集.为了提高算法的收敛速度和求解精度,依据重要抽样理论将多目标优化定义为小概率事件,并引入样本分段生成策略和参数更新机制.算例仿真表明,所提出的多目标模型及其优化算法能够使微网系统获取较好的经济和环境效益,满足用户多样性的优化需求.     

基于文化基因算法的冷热电联供型微网优化运行方法

多个供电源协调调度能够使得冷热电联供型微网运行综合效益达到最优,对此提出一种新的基于文化基因算法的方法。建立包含最小经济性运行成本和最小环保性运行成本的多目标函数模型,并为模型设置6个约束条件。在约束条件下,利用文化基因算法求取多目标函数模型最优解,得出冷热电联供型微网优化运行方案。结果表明,该方法应用,其综合效益以及两个单项成本较低,实现了多个供电源的协调调度。     

冷热电联供系统多目标运行优化

冷热电联供系统能够提高能源利用率和减少碳排放,是解决能源和环境危机的重要途径.本文提出了冷热电联供系统多目标优化运行方法,以运行成本日节约率、一次能源日节约率、CO2日减排率综合最优为目标,利用遗传算法求解,得到关键设备的逐时出力计划,并以此为基础,设计了由MATLAB和LABVIEW构成的运行优化器.最后本文基于TRNSYS与LABVIEW搭建了冷热电联供系统(CCHP)软硬件混合实时仿真系统,验证了运行优化器的有效性,结果表明本文提出的优化运行方法较传统运行模式,可有效提高冷热电联供系统的经济性、节能性和环保性.     

不确定因素下建筑集群冷热电联供系统多目标优化

为降低建筑楼宇的能源消耗,研究建筑集群中的多个建筑楼宇共享冷热电联供系统、热能存储装置以及电池时的能源调度优化问题.考虑到建筑楼宇的能源需求和能源价格具有随机性,并且每个建筑楼宇以各自的费用最小化为目标,从随机规划和多目标的角度,建立建筑集群供能系统的两阶段多目标随机规划模型.为了提高模型的求解效率,提出将线性规划松弛与Benders分解算法相结合,从而获得建筑楼宇共享能源系统的Pareto最优解集.算例分析中通过CPLEX软件求解,对比分析不同随机因素对最优化建筑集群供能系统总费用以及建筑楼宇各自费用的影响程度,结果表明了所提出算法的有效性以及所构建的模型可以有效提高最优化决策的准确性.     

基于深度强化学习的深圳市急救车调度算法

在院前急救领域中,急救反应时间是指患者拨打急救电话后,急救车到达现场的时间。传统急救车调度算法未全面考虑急救环境的动态性和复杂性因素,导致模型优化的急救反应时间与实际情况存在偏差。将急救车调度问题建模成马尔科夫决策过程,构建基于深度强化学习的急救车调度算法。以多层感知机作为评分网络结构,通过将急救站的动态信息映射为各个急救站的得分,确定急救车被调往各急救站的概率。同时,结合急救车调度的动态决策特点,利用强化学习中演员-评论家框架下的近端策略优化算法改进评分网络参数。在深圳市急救中心真实急救数据集上的实验结果表明,相比Fixed、DSM、MEXCLP等算法,该算法在每个急救事件中的急救反应时间平均缩短约80 s,并且在10 min内急救车的平均到达比例为36.5%,能够实时地将急救车调度到合适的急救站。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

基于联邦学习的无线网络节点能量与信息管理策略

在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略。仿真结果表明,相比MDP、GRE、RAN策略,该策略的长期效用较高且数据延迟较小,可实现客户端节点在信息传输过程中的数据隐私性、数据可用性与能量消耗之间的最优平衡。     

基于联邦学习的无线网络节点能量与信息管理策略

在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略。仿真结果表明,相比MDP、GRE、RAN策略,该策略的长期效用较高且数据延迟较小,可实现客户端节点在信息传输过程中的数据隐私性、数据可用性与能量消耗之间的最优平衡。     

含风电电力系统的主从博弈经济调度

风力发电具有显著的随机性和波动性,对电力系统原有调度模式提出挑战.采用鲁棒优化处理风电不确定性,利用鲁棒优化蕴含的博弈思想,将风电场看作调度中心的一个虚拟博弈者,利用双层规划法建立了二者的主从博弈模型,将调度中心看作领导层,其决策目标为电网运行的成本最低,将风电场看作下属层,其决策目标是能保证系统实时安全运行的最大风电出力区间.由于考虑了火电机组的阀点效应,主从博弈模型呈现出非线性双层规划的数学特点,提出一种改进教与学算法与线性规划相嵌套的求解方法.最后,采用改进的10机39节点系统对模型以及求解方法的有效性进行了验证.     

新能源电力系统控制与优化

新能源电力的规模化开发以及传统能源的清洁高效利用已成为当前能源革命的主题.目前,我国新能源电力比例持续增加,但受限于化石能源占主导的电源结构,未来很长一段时间内我国将处于混合能源时代.强随机波动性、间歇性以及不确定性使得规模化新能源电力的消纳问题日益严重,我国弃风弃光现象十分突出.深入认知电源侧、电网侧、负荷侧的基本特性,着重解决其控制与优化难题,是实现新能源电力系统安全高效运行的基本前提.本文围绕电源效应、电网响应、负荷响应,着重从电网友好型发电控制、基于多源互补的火力发电弹性控制、适应高比例新能源电力消纳的电网调度控制、需求侧资源特性与主动适应控制以及基于分布式能源的微电网控制5个方面阐述了新能源电力系统局部与全局控制中存在的关键科学问题.     

基于人工蜂群优化法的多区域电力系统经济调度

针对多区域电力系统经济调度问题,在满足联络线传输限制、多种燃料特征、阀点效应和禁止运转区的约束条件下,综合考虑多区域电力负载成本最小的要求,建立数学计算模型,利用人工蜂群优化法快速地寻找全局最优解。通过两个不同规模、不同程度复杂性的仿真测试系统进行计算,结果验证了所提算法的可行性。考虑获得解的质量,将人工蜂群优化算法与DE、EP、RCGA算法进行对比分析,结果表明所提算法在实际电力系统中解决多区域经济分配问题具有有效性和优越性。     

Commitment and dispatch of heat and power units via affinely adjustable robust optimization

The joint management of heat and power systems is believed to be key to the integration of renewables into energy systems with a large penetration of district heating. Determining the day-ahead unit commitment and production schedules for these systems is an optimization problem subject to uncertainty stemming from the unpredictability of demand and prices for heat and electricity. Furthermore, owing to the dynamic features of production and heat storage units as well as to the length and granularity of the optimization horizon (e.g., one whole day with hourly resolution), this problem is in essence a multi-stage one. We propose a formulation based on robust optimization where recourse decisions are approximated as linear or piecewise-linear functions of the uncertain parameters. This approach allows for a rigorous modeling of the uncertainty in multi-stage decision-making without compromising computational tractability. We perform an extensive numerical study based on data from the Copenhagen area in Denmark, which highlights important features of the proposed model. Firstly, we illustrate commitment and dispatch choices that increase conservativeness in the robust optimization approach. Secondly, we appraise the gain obtained by switching from linear to piecewise-linear decision rules within robust optimization. Furthermore, we give directions for selecting the parameters defining the uncertainty set (size, budget) and assess the resulting trade-off between average profit and conservativeness of the solution. Finally, we perform a thorough comparison with competing models based on deterministic optimization and stochastic programming.     

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.     

New optimization method based on energy management in microgrids based on energy storage systems and combined heat and power

Microgrids can be assumed as a solution model for green energy sources, energy storage systems, and combined heat and power (CHP) systems. In this work, the cost and emission minimization based on a demand response (DR) program is considered an optimization problem. To solve the mentioned problem a new multiobjective optimization algorithm (improved particle swarm optimization) is proposed based on a fuzzy mechanism to select the optimal value. The microgrid system includes two CHP units, fuel cell and battery systems, and the heat buffer tank. In this problem, two different feasible operating regions have been assumed in CHPs. Accordingly, to decrease the operational cost, time-of-use, and real-time pricing DR programs have been simulated, and the impacts of the mentioned models are evaluated overload profiles. The effectiveness of proposed models has been applied on different cases studies by different scenarios. The proposed model solved the DR program, time of use-DR and real-time pricing-DR problems. The proposed model could reduce the cost about 10%.