分时电价下基于NSGA-Ⅱ的柔性作业车间绿色调度

通过规划绿色生产调度实现了时间、经济和能耗三者的协同优化。以柔性作业车间为背景,结合分时电价政策,构建了设备不同工作状态下的设备能耗成本计算模型;同时兼顾碳排放与订单交付等绿色生产车间管理要求,建立了包括最小化碳排放、能耗成本和最大完工时间在内的柔性作业车间绿色调度多目标优化模型;为避免算法过早陷入"早熟"并保持种群多样性,采用基于动态控制参数和改进精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解;最后,通过具体算例验证了所建立模型的可行性与改进算法的优越性。     

分时阶梯电价下流水车间节能调度问题研究CSCD

节能降耗是制造业的发展趋势,车间的节能调度问题一直是企业重点关注的问题之一。在综合考虑分时电价和阶梯电价政策下,针对流水车间环境,建立了以最小化电力成本为目标的生产调度数学模型,设计了一种基于工序及时间编码的遗传算法。最后,通过实例验证所建模型的正确性和算法的有效性。     

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题(RHFSP)的特点,在机器分配和工序排序的基础上引入分时电价机制,构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型,提出了一种改进的多目标文化基因算法(MOMA)来求解该问题,通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法(MOPSO)和带精英策略的非支配排序遗传算法(NSGA-Ⅱ),四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业,合理转移用电负荷,达到降低总用电成本和碳排放的目的。     

[供应链调度]分时电价和时变行程时间下的供应链调度

针对单机供应链调度问题,在生产计划和批次配送阶段分别考虑分时电价政策和时变行程时间。以总成本最小为目标建立混合整数规划模型,通过对模型的分析给出了最优解的性质,以此将模型分解为若干个批次的机器调度子问题。对于子问题优化,设计了子集划分启发式算法并证明了算法的最优性。对于主问题的优化,设计了自适应变邻域搜索算法。数值计算结果验证了模型和算法的有效性,证明了供应链集成调度能减少大量的能源消耗。     

分时电价政策下电动汽车充电策略研究

针对电网的分时电价政策,对电动汽车提出充电侧电价的时段划分,并建立以电网峰谷差最小为目标函数的最优模型;用蒙特卡罗法得到电动汽车接入电网后的实际日负荷曲线和负荷情况。在此基础上,建立优化模型,并用遗传算法对充电侧峰谷电价的时段划分进行寻优。最后分析对比模型中有序充电与无序充电的峰谷差,以证明策略的优势。     

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。     

基于遗传算法的多目标微电网优化调度研究

针对孤岛模式下含风光、微燃机、柴油发电机及蓄电池的微电网系统,以考虑经济性和环保性的综合成本为目标函数,结合系统功率平衡、各机组出力限制等约束条件,建立优化调度模型。由于改进了学习因子和惯性权重的粒子群算法仍存在陷入次优解概率较高,易陷入局部最优等问题,本文提出一种引入多目标遗传算法,以增强算法的全局和局部搜索能力。最后,基于典型日孤岛微电网运行数据进行仿真分析,结果表明,本文所采用的多目标遗传算法有效降低了综合目标成本,取得了良好的优化效果。     

基于分时电价的电动汽车有序充电策略研究

大量电动汽车随机并入电网对电网的安全经济运行等方面产生了不利影响,为了减小由于电动汽车无序充电对电网负荷引起的波动.提出了一种以分时电价为基础,综合电网和用户两方利益的电动汽车有序充电策略.首先,根据用户的出行规律、电动汽车返回时刻的荷电状态建立电动汽车充电模型;其次,利用峰谷分时电价,建立以电动汽车用户充电费用最少和电网峰谷差最小为目标的电动汽车有序充电模型;最后,以某小区为例验证了该有序充电策略.结果表明:新的基于分时电价的电动汽车有序充电控制策略,可以有效减小电网的峰谷差,充分证明了该策略的有效性与合理性.     

基于分时电价的电动汽车有序充电策略研究

大量电动汽车随机并入电网对电网的安全经济运行等方面产生了不利影响,为了减小由于电动汽车无序充电对电网负荷引起的波动.提出了一种以分时电价为基础,综合电网和用户两方利益的电动汽车有序充电策略.首先,根据用户的出行规律、电动汽车返回时刻的荷电状态建立电动汽车充电模型;其次,利用峰谷分时电价,建立以电动汽车用户充电费用最少和电网峰谷差最小为目标的电动汽车有序充电模型;最后,以某小区为例验证了该有序充电策略.结果表明:新的基于分时电价的电动汽车有序充电控制策略,可以有效减小电网的峰谷差,充分证明了该策略的有效性与合理性.     

V2M系统分时电价博弈研究

目前,传统的静态电价联动模型已经很难描述复杂的含有电动汽车的微电网市场,V2M系统的需求管理和电价优化有待深入的研究。本文根据含有电动汽车的微电网的并网工作模式,运用博弈论描述含有电动汽车的微电网中各个主体的经济行为,提出一种更符合实际的基于博弈均衡的分时电价最优定价策略的微电网运行优化调度方法,建立含有电动汽车的微电网系统电价博弈场景,并且严格证明了场景中系统NE的存在性,求取出博弈场景的NE。通过算例分析,结果证明了博弈模型的有效性,研究结果对V2M系统分时电价定价提供一种新的途径。     

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...     

基于动态分时电价的电动汽车有序充放电研究

大规模电动汽车随机无序充电将对电网安全运行带来巨大挑战,诸如增大负荷峰谷差、加大运营成本、增加谐波污染等。该文在考虑电动汽车充放电功率约束、电池容量约束的前提下,基于动态分时电价制度,建立电动汽车多目标优化调度模型,以降低电网负荷峰谷差率和用户充电成本,并采用改进学习因子与惯性权重的粒子群优化算法对模型进行求解。仿真结果表明,基于动态分时电价的调度策略比固定电价下优化效果更优,能够更好地减小系统负荷峰谷差率,提高负荷率,增加电力设备的利用率,降低电动汽车充电成本。     

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。     

独立运行方式下的微电网能量优化管理

针对独立运行方式下的微电网经济运行和管理问题,提出了独立运行方式下的微电网能量优化管理方法,该方法通过缩减下垂控制单元的基点运行功率范围,使其具有类似于传统发电机组自动发电量控制(AGC)的功率调节裕量,以吸纳实时调度周期内的非计划瞬时波动功率;在每次调度时刻,根据系统净负荷功率大小和可控型微电源的基点运行功率范围之间的关系,采用不同的能量调度策略,并引入负荷竞价策略,增加了切负荷和卸荷控制作为功率调节手段,建立了所涉及的负荷优化分配模型和负荷可中断优化模型。最后,通过一个微电网系统算例验证了该方法的有效性。     

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。     

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略,提出了一种支持多目标和多优先级车间调度策略的随机规划模型,并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现,首先利用随机仿真生成近似的样本数据,然后利用神经网络进行不确定目标和约束函数的逼近,并用遗传算法最终完成对多目标优化解的搜索。最后,通过一个汽车企业模具制造车间中调度问题的实例,验证了该模型和算法的有效性及实用性。     

面向大规模定制的装配线优化调度研究

针对大规模定制生产模式下汽车装配线调度存在的问题,提出一种多目标优化调度的方法,设计了相应的目标函数。提出一种多目标遗传算法,设计了相应的编码、选择和交换方案,在算法实现中对精英策略和选择机制进行了改进。仿真实验说明该算法可行有效,优于VEGA、PGA和NPGA等其他遗传算法。     

工艺路线可变的双资源双目标车间调度优化

将遗传算法与启发式调度规则相结合 ,研究了工艺路线可变的双资源双目标的作业车间调度优化问题。在探讨过程中 ,不仅考虑到了每个工件有几条可行的工艺路线 ,而且考虑到了工件的调度受到机床、工人等资源的制约 ,以及在加工过程中发生的储存费用、机床的加工费用和工人的劳动费用对工件调度的影响 ,设计了以生产周期和生产成本综合优化为目标的适应度函数。启发式调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性。最后给出了算例 ,并对计算结果进行了分析和讨论