基于高斯-柯西变异帝国竞争算法的微电网优化调度

为提高微电网运行经济性,建立了以微电网综合运行成本最小为目标函数的微电网优化调度模型。利用高斯变异和柯西变异对帝国竞争算法进行改进,采用高斯-柯西帝国竞争算法对微电网优化调度模型进行求解,并与其他优化算法对比分析。结果表明,高斯-柯西帝国竞争算法求解的微电网综合运行成本为4 485.62元,低于其他优化算法;调度方案能够优化微电网系统内各分布式电源出力,合理与上级配电网交换电能,使微电网综合运行成本最小。验证了模型的正确性及求解方法的优越性。     

采用改进BBO算法的并网型微电网电源优化配置

针对并网型微电网的分布式电源优化配置问题,以年综合经济投资最小为目标,计及设备年等值投资成本、运行维护成本、燃料成本、环境折算成本以及年购电成本和余电出售收益,考虑分布式电源出力约束、系统自平衡度和冗余度等约束,建立了并网型微电网优化配置模型;同时提出一种基于余弦迁移模型、变尺度分段Lo-gistic混沌和高斯变异策略改进的生物地理学优化(BBO)算法用于模型求解。仿真结果验证了所提模型的合理性,并表明改进的BBO算法具有良好的收敛速度和收敛精度。     

基于改进灰狼优化算法的分布式能源系统优化调度

为了提高分布式能源系统（Distributed Energy System,DES）运行的经济性，以DES运行成本最小为目标函数，建立了基于改进灰狼优化（Improved Grey Wolf Optimization,IGWO）算法的分布式能源系统优化调度模型。采用Tent混沌映射和非线性调整收敛因子策略对灰狼优化算法（Grey Wolf Optimization,GWO）进行改进，提高了算法的性能。利用某综合大楼分布式能源系统进行算例分析，并与其他优化算法的求解结果进行对比，结果表明，IGWO算法收敛时的迭代次数更少，收敛时间更短，与其他三种算法相比，运行成本最低，各项指标均优于其他优化算法，在此调度方案下，各分布式电源出力合理，验证了本文DES优化调度模型的正确性和求解方法的有效性。     

基于改进帝国竞争算法的微电网优化调度

研究了并网状态下的微电网经济运行,并将改进的帝国竞争算法运用到并网模式下的微电网经济调度中。建立包含光伏、风机、燃料电池及蓄电池的微电网并网运行模型,调度模型以微电网运行成本最小为目标,以各个机组的出力限制、功率平衡、储能情况等为约束条件,由于帝国竞争算法在计算时收敛速度慢,将模糊隶属函数与轮盘算法引入帝国竞争算法来求解所建立的数学模型,通过改进的帝国竞争算法求得了最佳的出力方式。     

考虑微电网间能量互济的多微电网日前经济优化策略

当一定区域内大量微电网接入配电网时,微电网的调度高效性以及运行经济性将难以保证,为此提出基于实时电价的并网多微电网日前经济优化策略。首先以多微电网总运行成本最低为目标,通过协调多微电网内各微电网之间能量互济、微电网与配电网之间的能量交互以及微电网内部各分布式发电单元的出力分配,实现多微电网的经济优化;继而为求解该模型,提出基于非线性变异算子的改进Jaya算法以获得更高的求解精度以及抗早熟收敛能力。测试结果表明:该经济优化模型能切实降低多微电网的总运行成本,所提出的改进优化算法具有良好的求解性能。     

基于自适应人工鱼群算法的微电网优化运行

针对含风、光、储、微型燃气轮机和燃料电池的并网和离网型微电网,综合考虑燃料、电能交互、投资折旧、维护及环境成本等变动成本,使系统在一个调度周期内的总运行成本最低,建立了微电网多目标经济优化模型。采用约束优化自适应人工鱼群算法(AFSA),求得一个调度周期内各分布式电源的最佳出力及运行总成本,并与基本人工鱼群算法求得的结果作对比。仿真结果表明:改进的算法具有收敛速度快和精度高的特点。     

基于改进粒子群算法的微电网多时段经济调度

分布式微电源与储能装置的广泛接入使微电网联网系统的能量交换形式更为复杂。研究微电网系统中各个时段的分布式电源和储能装置的协调优化调度,将大大降低微电网运行成本,提高系统电网经济调度能力。论文考虑负荷需求、微电源维护成本、购电、售电价格和网络损耗等微电网运行约束条件,建立了微电网经济调度目标函数模型,分别研究了微电网处在孤网和并网下多时段经济调度。运用了动态规划算法来协调微电网各时段的经济调度,即将各时段储能的最大容量离散成若干个小区间分别作为储能的上下限,同时提出在各时段的每个区间容量采用改进粒子群算法对微电源出力进行优化,最终求出各时段储能的最优状态及其它微电源的最优出力。通过算例验证了所提微电网多时段经济调度方法对各个时段的微电源及储能装置协调优化调度和微网运行经济成本,取得很好的效果。     

基于ICA和NSGA-Ⅱ组合算法的微电网优化调度

为了提高微电网运行的经济性,提出了一种基于ICA和NSGA-Ⅱ组合算法的微电网优化调度方法。首先对含有多种分布式电源的微电网结构进行分析;然后通过ICA算法筛选对微电网运行经济性影响较大的因素,并建立相关目标函数和约束条件;接着结合改进NSGA-Ⅱ算法建立优化调度模型;最后利用该组合算法对含多种分布式电源的微电网进行优化调度仿真分析。其结果表明：基于ICA和NSGA-Ⅱ组合算法的后期搜索能力强,且收敛速度快。通过该算法得到微电网经济运行成本值仅为1 120.2元/天,比PSO算法和FPA算法分别少了150.5元/天和733元/天,并且其收敛速度比PSO算法快28%。此外,通过组合算法得到的微电网优化调度能够有效调节系统内分布式电源输出功率,使得系统功率分配更合理。当电网售电价高和负荷大时,充分利用分布式电源发电以降低购电成本,起到削峰填谷的效果,使系统运行的经济性达到最佳。     

基于改进DBO优化BiLSTM的IGBT老化预测模型

为了表征逆变器故障中IGBT模块的老化趋势,提高老化过程的预测精度,本文提出一种基于改进蜣螂搜索算法(IDBO)优化双向长短期神经网络(BiLSTM)超参数的IGBT老化预测模型。首先提取老化过程中V_ce.on的时频域特征,利用核主成分分析进行降维构建归一化综合指标。其次,针对蜣螂搜索算法(DBO)的不足,通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能,利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后,通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明,所构建的IDBO-BiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。     

采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。     

基于排序交叉优化算法的智能微电网调度研究

分布式可再生能源具有出力不稳定等问题,导致智能微电网的经济效益与环保效益较差,为此研究基于排 序交叉优化算法的智能微电网调度.根据分布式电源与储能装置的运行特性建立其数学模型,为智能微电网多目标调 度提供理论基础,以智能微电网运行成本和排污、治污花费最小为目标,构建多目标调度模型,基于排序交叉优化算 法求解模型,实现各机组出力的优化调度.以某地冬季典型日为例,获取智能微电网负荷数据展开算例分析,结果显 示采用所设计方法调度后微电网的运行与排污、治污总成本节约了46.25％,说明该调度方法具有经济与环保效益优 化的效果.     

基于改进生物地理学算法的并网型微电网优化调度

在综合考虑燃气轮机、柴油发电机等分布式电源以及储能装置的基础上,建立了各微电源出力的数学模型;建立了计及分时电价和负荷转移策略的双重指标负荷侧响应模型;以微网日运行成本最低为目标,建立了微电网优化调度目标函数。为求解负荷侧响应模型和调度模型,对生物地理学优化（Biogeography-based optimization,BBO）算法进行改进,结合差分进化思想修改迁移算子,使用基于协方差矩阵的迁移操作来增强BBO对不可分离问题的适应性。结果表明,改进后生物地理学算法的收敛性有所改善;优化后的微电网运行具有更好的经济效益。     

并网型微电网优化调度及经济性分析

分布式电源出力的波动性和随机性,会对微电网并网运行产生较大影响,导致可再生能源不能充分消纳,针对这一问题,以微电网运行总成本最小为目标函数,构建含风电、光伏、微型燃气轮机和储能装置的优化调度模型。为提高算法收敛性,应用改进遗传算法,结合实际微电网工程案例,以Matlab为主要工具对上述模型进行求解,得到微电网各机组出力优化结果并进行分析。算例结果表明该模型能够实现微电网经济最优,验证了所提方法的有效性。     

基于混沌的多Agent粒子群算法在微电网并网调度中的优化研究

考虑到微电网中的分布式电源具有较强的波动性和随机性,会对微电网并网的优化运行带来较大影响,在满足系统约束条件下,提出综合考虑各分布式电源发电成本、环境治理费用、微电网并网收益和新能源发电补贴的微电网并网多目标优化调度模型。针对现有标准粒子群算法中可能存在的局部收敛等问题,将多Agent技术和混沌优化的思想引入粒子群算法中,提出一种多Agent混沌粒子群算法用于求解微电网并网多目标优化调度问题,并结合实际微电网案例验证所提出的数学模型的合理性与优化算法的有效性。     

基于改进天鹰优化算法的微电网多目标优化调度研究

微电网优化调度对降低企业用电费用,减少能源损耗和环境污染具有重要意义。研究了覆盖光伏、风电、储能、燃气轮机和柴油发电机的分布式电源,在微电网并网运行的情况下,为协调系统内部各微电源的出力情况,对光伏发电、风力发电和用电负荷功率进行预测,建立了以运行成本和污染治理费用最低的目标函数,并采用改进天鹰优化算法(IAO)进行求解,求得不同分布式电源和大电网的出力情况。仿真结果表明,该模型在保证用户持续供电的情况下,可以在一定程度上有效降低企业用户的用电成本以及减少污染物的排放,为微电网实际运行的功率分配提供指导。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

基于自然选择-杂交PSO算法的微电网并网多目标优化调度

由于微电网中的分布式电源具有较强的波动性和随机性,对微电网的并网运行产生很大影响。为充分消纳可再生能源,在综合考虑各分布式电源发电成本和环境治理费用的基础上,计及微电网并网收益、新能源发电补贴,结合分时电价机制,建立并网运行方式下的微电网多目标优化调度模型。针对现有标准粒子群算法中可能存在的局部收敛及速度慢等问题,提出基于自然选择-杂交的改进粒子群算法,应用于微电网并网的优化调度研究中,并结合实际微电网工程案例,验证所提出方法的合理性与有效性。     

基于改进微分进化算法的微电网动态经济优化调度

针对微电网静态经济调度忽略了各时段之间内在联系的不足,考虑风电机组、光伏电池以及钠硫电池等不确定性因素对经济调度的影响,以微电源出力和微电网运行成本最小为目标函数,建立了微电网动态经济调度模型。采用VC++编制了利用改进微分进化算法的微电网动态经济调度程序,通过改变动态交叉因子,提高了算法的收敛速度和防止陷入局部最优的能力。根据微电网算例结构的特点,分别针对微电网孤网/并网运行情况,制定了微电源的出力原则和运行控制策略。计算结果表明,采用动态优化理论的微电网经济调度较静态调度在成本节约上更具优势,也使得钠硫电池的充放电更具有全局性和实际意义。     

考虑经济成本的微电网调度运行

为提高微电网经济运行水平,首先以微电网发电成本最小为目标,考虑微电网运行实际约束条件,将蜂群算法运用到并网状态下的微电网经济调度模型中;其次,将对立学习策略初始化种群,改善初始种群质量,同时将Metropolis准则引入蜂群算法,提高跳出局部最优解的概率;最后,以并网状态下的微电网为例,比较未改进蜂群算法与改进蜂群算法优化结果.结果 表明,改进蜂群算法的调度方案降低了微电网的日调度综合成本,同时验证了所改进算法在求解微电网调度优化问题上的有效性与优越性.     

基于改进粒子群优化算法的微电网经济调度研究

微电网经济调度是一个复杂的多约束、多目标非线性优化问题。为了实现微电网中各微电源设备的经济运行,充分发挥分布式能源的发电优势,基于改进粒子群优化算法对微电网经济调度进行研究。在研究中,提出光伏发电预测与负荷预测背景下的微电网多目标模型,考虑蓄电池使用寿命,以经济成本最低和环境成本最低为目标,利用改进粒子群优化算法进行求解。通过案例分析,确认了研究成果的有效性。