考虑储能分时自动控制策略的微电网容量优化配置方法研究

由于不同分布式电源出力的差异性和波动性,在微电网中对不同分布式电源容量进行优化配置是实现系统的经济、可靠运行的关键,为此提出了考虑储能分时自动控制策略的微电网容量优化配置方法.根据微电网拓扑结构,建立微电网中不同分布式电源的模型并提出储能系统分时自动控制策略.基于储能控制策略建立微电网容量优化配置模型,以微电网系统综合...     

基于分布式光伏运维的多类型资源调度技术

针对当前分布式光伏运维过程中存在的人工调度方式效率低,成本高的问题,提出了适用于分布式光伏运维的多类型资源调度方法.该方法通过分析分布式光伏运维资源匹配规则,建立了分布式光伏运维资源调度问题模型;为了验证不同算法求解不同场景下该模型的性能,开发了分布式光伏运维资源调度系统,并进行了验证分析,为每种场景选择了最优的调度算...     

基于粒子群算法和仿真技术的RGV动态调度建模与优化

基于10台计算机数控机床(CNC)和1辆轨道式自动引导车(RGV)组成的智能加工系统,设计了RGV动态调度策略,包括CNC工序分配、CNC编号奇偶优先和RGV任务分派策略,建立了以系统作业效率最大化和RGV移动时间最短为优化目标的数学模型,设计了基于工序编码的粒子群算法。最后利用C++语言编程,通过对一个8 h班次两道工序物料加工过程的三组数据的计算,得出了在最优策略下一个班次三组数据分别生产熟料的数量、系统作业效率、RGV移动时间、奇偶优先策略引起的CNC工序排布变化。通过仿真对比和实例,验证了所提方法的有效性。     

海岛智能微电网综述

主要介绍了海岛智能微电网的构成、特点、运行模式切换以及实施步骤,同时针对海岛的特殊地理环境,指出构建海岛智能微电网过程中面临的挑战,特别是海底电缆等需要解决的关键问题。     

粒子群优化算法求解车间调度问题

针对车间调度问题的特点构造了此问题的粒子表达方法,给出了具体的算法应用过程,并将结果与神经网络方法、遗传算法、改进的加工效率函数的调度算法做了对比.结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的.     

智能电网节能经济调度运行研究

阐述了智能电网的内涵和特点,总结了智能电网技术的国内外研究现状以及发展智能电网对我国的重要意义,同时分析探讨了实行节能经济调度给电力行业所带来的影响。通过建立促进提高能源效率的新机制,改进发电调度方式,可以促进电力系统整体效率的不断提高,实现节能降耗的目标。     

考虑负荷重要性的微电网电源容量优化配置

微电网内负荷分为重要负荷和可中断负荷。该文采用粒子群优化算法,在根据负荷特性的分布式电源选址基础上,对并网运行的高渗透微电网和低渗透微电网进行电源容量优化,并考虑电压水平、微电网对大电网的渗透性、分布式电源容量的限制,采用分布式电源折算到每年的建设费用、运行维护费用、向上级大电网售电或购电费用、网络损耗费用的经济性模型。该模型符合现实优化要求,算法求解效率高,其结果更具有实用性和经济性,对实际的微电网规划具有一定的指导意义。     

基于免疫粒子群优化算法的微电网谐波抑制策略

为解决微电网中变频器和电力设备运行引起的非线性负载谐波问题,提出了基于免疫粒子群优化(IPSO)算法的微电网无源滤波器谐波抑制策略,将免疫系统的免疫机制原理引入粒子群算法中,有助于提高粒子群算法全局收敛能力,主要目的是实现免疫粒子群算法优化滤波器参数,最终通过优化滤波器的方式达到微电网谐波抑制。从仿真结果可以得出,并网模式与孤岛模式相互转化过程中,IPSO算法可以有效地降低负载侧输出电压谐波比。     

兼顾用户满意度和发电侧收益的微电网系统量子粒子群优化

兼顾微电网系统发电侧与用户侧的综合利益,从能量管理的角度出发,建立了以用户满意度和发电侧收益为目标的优化模型。首先,采用多目标局部变异-自适应量子粒子群算法(Multi-objective local mutation adaptive quantum particle swarm optimization,MO-LM-AQPSO)获得用户满意度及发电侧收益的Pareto前沿。然后,引入缺电损失,以发电侧收益最大为目标,选取了非支配解中的最优解,并通过算例仿真验证其有效性。进而引入可平移负荷及分时电价激励机制,通过合理的峰谷电价比以引导用户积极参与需求侧响应。仿真结果表明,合理的激励措施,可提高微电网收益和用户满意度实现可再生能源的最大化利用及蓄电池运行损耗的有效减少。     

基于改进粒子群算法的独立热电联供微电网优化运行

微电网运行时需要考虑到运行成本及环境污染等诸多因素,现提出了一种基于改进粒子群算法的优化模型,针对微电网中发电成本及污染气体排放等问题建立目标函数,使得其在不同条件下可以选择不同的调度方案;同时以某个目标为例,选择发电成本和环境污染的权重比为9∶1和1∶9时得到了2种优化后的调度方案,结果表明使用改进后的粒子群算法可以实现对独立热电联供微电网的优化。     

并行机调度问题粒子群优化研究

采用粒子群算法优化并行机调度问题,提出了基于机器和粒子位置取整的粒子编码方法和基于工件和粒子位置次序的粒子编码方法,并给出了两种不同粒子编码方法所对应的粒子群算法的步骤.通过对两个并行机算例的计算说明,基于两种不同编码方法的粒子群算法都能有效地对并行机调度问题进行优化,其中,基于工件和粒子位置次序的粒子编码所对应粒子群算法的优化性能要好些.     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

改进的粒子群算法在电力经济调度中的应用

电力系统经济调度(ELD)是一种多约束性和非线性的问题,提出使用改进粒子群优化算法IPSO来优化ELD问题。一方面,通过重组的方式改变粒子的运行方向和速度,提高种群多样性,防止算法早熟收敛。另一方面,提出一种凹函数模型的动态惯性权重ω,并对学习因子c1和c2加以改进,以提高算法的全局搜索能力。将改进的算法应用于8种ELD案例中进行仿真实验,并与其他三种算法进行对比。结果显示,对于8种案例,只有IPSO能全部搜索到最小的燃料成本值,并且IPSO体现出更优越的收敛性和稳定性,能跳出局部最优,因此IPSO是一种高效的解决ELD问题的方法。     

区域微电网群两级能量调度策略优化研究

针对现阶段微电网能量管理技术发展趋势,在满足其内部经济调度的基础上,还需要关注微电网间的能量互补机制。对并网型区域微电网群提出了一种两级能量优化调度模型。引入条件风险指标(CVaR)衡量可再生能源与负荷预测误差对调度方案造成的影响,结合微电网运行收益,作为微电网内部能量调度的优化目标;采用多目标粒子群优化算法(MOPSO)进行求解,研究收益风险比作为优化调度策略的筛选指标,提出微电网内部能量优化调度策略;以区域微电网群公共并网点有功功率梯度变化最小化为前提,获得最佳微电网净功率组合方案,由此平抑微电网群对配电网造成的功率波动;考虑电力传输距离制定了微电网间净功率互补机制,提高功率传输效率。算例仿真结果表明,该模型能够合理实现微电网内与微电网间经济运行与功率平衡,为微电网群日前调度计划提供了有效设计流程。     

基于轮盘赌编码和粒子群算法的并行机调度优化

将粒子群算法用于优化并行机调度问题,将遗传算法选择策略方法中的轮盘赌方法引入到编码方法中,提出了一种基于轮盘赌的粒子编码方法,用于表示并行机调度问题的解。通过对两个并行机算例的计算说明,基于轮盘赌编码方法的粒子群算法都能有效地对并行机调度问题进行优化。     

协同PSO算法在Job-Shop调度中的应用

提出一种解决车间调度作业的有效改进型粒子群算法,该算法可以有效地避开标准粒子群算法局部搜索能力较差、搜索精度不够高、容易陷入局部极小解等缺点,并通过实例验证了该算法的有效性与可行性。     

基于PSO算法的光伏发电MPPT控制研究

针对光伏电池输出呈现非线性特性,传统控制方法控制效率低的问题。文章提出采用粒子群(Particle Swarm Optimization,PSO)算法进行光伏电池输出最大功率跟踪控制。结果表明:PSO方法可实现恒定天气条件下和变化天气条件下的最大功率跟踪控制,跟踪功率精度高,速度快,不存在稳态振荡。     

用于车间作业调度的粒子群优化算法

设计了2种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式,同时选择一些典型的Job-Shop调度问题作为算法的试验对象.试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果.在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.