基于HGAG优化算法的能源成本最小化研究

文章提出了一种智能优化的碳排放需求侧分析框架，能与可再生能源集成在智能电网中。通过人工神经网络预测用户的能源使用行为，完成电力公司的基于实时价格的需求响应程序（Real-Time Pricing Demand Response Program, RTPDRP），最大限度地降低能源成本、峰值负荷、碳排放，同时提高用户舒适度并避免峰值反弹。对杂交遗传蚁群（HGAC）优化算法的仿真结果表明，与现有框架相比，需求侧分析框架在能源成本最小化、峰值负荷缓解、碳排放缓解和用户不适最小化等方面具有优越性。文章所提出的HGAC优化算法，使碳排放量降低了4.00%。