新能源电力系统不确定优化调度方法研究现状及展望

风电场和光伏电站出力的不确定性给电力系统优化调度带来很大技术挑战。文中主要介绍了考虑新能源不确定性的电力系统优化调度方法的研究现状及后续研究方向展望。首先,重点论述了各种不确定优化调度(UOD)方法,包括随机优化方法、鲁棒优化方法、随机鲁棒优化结合方法和基于人工智能技术的方法。其中,随机优化方法包括场景法、机会约束规划法和近似动态规划法;鲁棒优化方法包括传统鲁棒优化法和分布鲁棒优化法;随机鲁棒优化结合方法包括采样鲁棒优化法和分布鲁棒机会约束规划法。然后,介绍了每一种方法的优化模型形式、模型的转化和求解原理及其优缺点。最后,对UOD的后续重点研究方向进行展望,包括兼顾多个目标的UOD问题及多目标不确定优化方法、输配系统UOD问题及分布式不确定优化方法、考虑稳定性约束的UOD问题及含常微分方程约束的不确定优化方法、考虑管道传输动态的综合能源系统UOD问题及含偏微分方程约束的不确定优化方法。

基于网侧资源协调的自储能柔性互联配电系统日前-日内优化

为优化储能型智能软开关(E-SOP)、传统网侧调控设备的运行策略,提升高渗透率光伏配电网运行水平,提出了基于网侧资源协调的自储能柔性互联配电系统日前-日内优化模型。首先,提出了“源网荷储”下多种网侧资源协调利用的多时间尺度优化控制架构;其次,在日前阶段构建计及有载调压变压器、无功补偿装置、联络开关、E-SOP和柔性负荷的长时间有功-无功联合优化模型,在日内阶段建立多目标滚动优化模型,并采用线性化方法将模型转换为混合整数线性规划模型;然后,基于KL散度构建源荷不确定性模糊集,给出日前两阶段分布鲁棒优化模型转化过程和基于列与约束生成算法的求解方法;最后,算例仿真验证所提方法的有效性。

求解工程优化问题的多种智能优化算法仿真

探究新型优化算法的寻优性能和工程优化问题求解能力,选取6种智能算法:天鹰优化器(AO)、算术优化算法(AOA)、非洲秃鹫优化算法(AVOA)、人工大猩猩部队优化器(GTO)、饥饿游戏搜索算法(HGS)、野马优化器(WHO),对其进行仿真对比。首先阐述新型算法的主体框架;然后,选取6个基准测试函数并测试其寻优性能;最后,用其求解2种典型的工程优化问题,并且分析其改进方向和应用前景。对于测试函数的仿真结果分析,GTO算法的寻优能力最强,多次获取测试函数理论值,且运行时间较短;在工程优化问题的仿真中,GTO算法与WHO算法的寻优能力较为突出,寻优时间短,可靠性高。

基于数值模拟的建筑设计优化研究综述

在双碳目标的背景下,对建筑物进行优化设计是实现节能减排的一个新途径;计算机技术的飞速发展,更使得建筑优化设计的效率有了很大的提升。为了更加全面地掌握基于数值模拟的优化技术在实际建筑中的应用现状,对优化研究的主要阶段进行了概括,归类分析了各类优化平台的优缺点,总结对比了各类优化算法的性能。分析发现,优化阶段主要分为预处理、优化、后处理3个阶段;优化工具根据开发目的分为三大类;常用的优化算法有:进化算法、无导数搜索算法、混合算法;并且当下的优化研究还有很大的空间值得探索与改进。

车身结构性能多学科优化技术研究及应用

汽车市场竞争日渐加剧,车身设计面临严峻挑战。在前期的车身结构平台设计时,需要同时考虑平台不同车型的车身碰撞,噪声、振动与声振粗糙度(NVH)以及强度疲劳性能设计。随着车身结构耐撞性设计难度加大,车身重量随之增加,性能和结构轻量化设计平衡难度加大。为了应对车身开发的种种挑战,文章研究基于车身结构性能多学科优化技术,在车身概念设计阶段贯穿仿真优化驱动设计的理念即结构性能一体化,快速实现重量增加最小前提下的性能指标,基于某运动型多功能车(SUV)的车型开发案例诠释了此技术的可行性,为后期的车身开发提供参考。

特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

基于小样本迁移代理模型的高速永磁电机应力优化

针对目前电机代理模型样本空间计算效率低的问题,该文提出迁移径向基函数神经网络代理模型。该模型的样本信息源于足量可快速获取或先验积累的低可信度数据和少量高可信度的数据。基于高速永磁电机应力优化问题,研究该模型对小样本的学习能力、对电机相似拓扑结构的学习能力以及基函数对迁移模型精度的影响,证明该模型在工程优化中的效率优势。最后展望迁移学习技术在电机优化中的发展趋势。

基于机器学习的数据库系统参数优化方法综述

参数优化是影响数据库性能和适应性的关键技术,合理的参数配置对于保障数据库系统的高效运行至关重要,但由于参数较多且参数间具有强关联性,传统参数优化方法难以在高维连续的参数空间中寻找最优配置,机器学习的发展为解决这一难题带来新的机遇。通过总结和分析相关工作,将已有工作按照发展时间和特性分为专家决策、静态规则、启发式算法、传统机器学习方法和深度强化学习方法。对数据库参数优化问题进行定义,并说明启发式算法在参数优化问题上的局限性。介绍基于传统机器学习的参数优化方法,包括随机森林、支持向量机、决策树等,描述机器学习方法解决参数优化问题的一般流程并给出一般实现。由于需要大量带标注的数据,传统机器学习模型在适应性和调优能力等方面存在不足。侧重介绍深度强化学习模型的工作原理,定义参数优化问题与深度强化学习模型的映射关系,比较基于深度强化学习的相关工作对数据库性能提升、模型训练时间和涉及的技术,描述基于深度神经网络构建和训练智能体的具体流程。最后,总结已有工作的特点,对当前机器学习在数据库参数优化方面的研究热点和发展方向进行展望,指出多粒度调优、自适应算法和自运维是未来的研究趋势。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

箱梁桥断面优化设计分析

为提高箱梁桥设计水平,分析了箱梁桥断面的优化理论,将桥梁优化设计问题转换为数学问题。同时,以某高速公路的连续箱梁桥为研究对象,并以腹板厚度、顶板厚度、梁高、纵隔板数量为设计变量,对箱梁桥的断面尺寸和形式进行优化。同时,还分析了箱梁桥断面横隔板、梗腋的设置方法,研究成果可为类似桥梁工程设计提供理论指导。

基于改进深度Q网络的虚拟电厂实时优化调度

深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved deep Q-network,MDQN)算法。该算法将深度神经网络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供了一种有效的解决方案。

基于AMOWOA的区域综合能源系统运行优化调度

目前,智能优化算法已广泛应用于工程优化中,在当前多能耦合与互补的能源发展趋势下,仅考虑系统经济指标的单目标优化模式已经不再适用于目前区域综合能源系统(Integrated energy system, IES)的运行优化调度,需要研究一种多目标运行策略来解决区域综合能源系统的运行优化调度问题.首先综合考虑经济与能源利用两个指标并结合商业住宅区域的特性,以系统日运行收益和一次能源利用率为优化目标构建商业住宅区域综合能源系统多目标运行优化调度模型.其次由于传统多目标智能优化算法缺乏一种最优解综合评价方法,基于非支配排序以及拥挤度计算的多目标算法框架,提出一种利用模糊一致矩阵选取全局最优解的多目标鲸鱼优化算法(A multi-objective whale optimization algorithm, AMOWOA),并将提出算法对商住区域综合能源系统多目标运行优化调度模型进行求解.最后以华东某商业住宅区域综合能源系统为例进行仿真,验证了该方法的有效性和可行性.

基于贝叶斯优化支持向量回归的流线型箱梁颤振气动外形优化方法

为解决风洞试验耗时费力和计算流体动力学(CFD)计算量大的问题,提出了一套新型流线型箱梁断面颤振性能气动外形优化方法.以风嘴参数为设计变量,利用CFD获取断面三分力系数,以准定常理论估算的颤振临界风速为优化目标.根据贝叶斯优化支持向量回归构建代理模型,利用混合加点法更新模型,通过寻优算法确定最优断面.以虎门大桥为例,得到桥梁在可行域内颤振性能最佳的断面方案.结果表明,风嘴升高,颤振临界风速先增后减,相对高度为0.6时整体性能较优,相对高度为0.7时可获得最优断面.底板宽增加,颤振性能显著降低,下斜腹板倾角为14°~16°时颤振性能最优.断面优化后桥梁颤振临界风速相比原始断面提升约31%.

基于多分辨率-多边形单元建模策略的多材料结构动刚度拓扑优化方法

利用多边形有限单元的高精度求解优势,融合多分辨率拓扑优化方法,实现粗糙位移网格条件下的高分辨率构型设计,由此提出多材料结构动刚度问题的拓扑优化方法。将多边形单元(位移场求解单元)劈分为精细的小单元,构造设计变量与密度变量的重叠网格,形成多分辨率-多边形单元的优化建模策略;以平均动柔度最小化为目标和多材料的体积占比为约束,建立多材料结构的动力学拓扑优化模型,通过HHT-α方法求解结构动响应,采用伴随变量法推导目标函数和约束的灵敏度表达式,利用基于敏度分离技术的ZPR设计变量更新方案构建多区域体积约束问题的优化迭代格式;通过典型数值算例分析优化方法的可行性和动态载荷作用时间对优化结果的影响机制。

计及UPFC最优配置的电力系统鲁棒调度协同优化策略

统一潮流控制器(UPFC)应用于潮流调控时,计及UPFC调控参数的交流潮流计算是非凸、非线性问题,且多台装置间的非线性交叉耦合特性也会直接影响优化配置方案。为此,基于UPFC的潮流调控特性,构建了计及UPFC的松弛型交流潮流二阶锥规划模型;计及风电的不确定性,协同考虑UPFC的规划和电力系统的调度问题,建立了计及UPFC最优配置的电力系统鲁棒协同优化模型,并采用列和约束生成算法进行求解。以IEEE RTS-24节点系统为算例进行仿真分析,结果表明所提协同优化策略有效提升了UPFC配置方案的适应性,提高了系统运行经济性和风电消纳能力,增强了系统运行调控的灵活性。

计及不确定性的风光抽蓄发电系统容量优化

风光等新能源的大规模利用是实现双碳目标的重要途径,其不确定性影响电力系统稳定运行和对新能源的消纳能力。对此,本文提出了一种计及不确定性的风光抽蓄联合发电系统容量优化配置方法。首先,采用不同的随机分布函数来描述风电、光伏发电的出力特性和负荷分布情况,建立了互补发电系统数学模型;其次,构建了基于信息间隙决策理论与熵权法的双层容量优化配置模型;最后,采用多元宇宙优化算法求解容量优化配置方案。算例结果表明,投资者可以根据投资意愿,对源荷不确定性采取不同的配置策略,所得的运行结果均能很好地满足不同运行模式和多种运行场景的要求;能有效地降低综合成本、提高新能源消纳能力,并且能保持抽蓄电站的长久运行。

基于改进NSGA-Ⅱ算法的间歇采油制度优化

对于低渗透率油井,采用间歇采油制度能有效避免空抽磨损,并减少电能消耗量。为此通过分析沉没度和地层流压随抽油机井生产时间变化的规律,从系统节能的角度出发,建立以采油总产量最大、能耗最低为目标的间歇采油制度多目标优化模型。引入NSGA-Ⅱ并改进该算法对间歇采油制度多目标优化模型求解,运用改进算法得到的Pareto最优解的多样性和收敛性,合理优化抽油机的最优停机时间,最大效率地提升采油效率的同时,最小化电能消耗量。试验结果表明,基于Pareto多目标遗传算法的间歇采油机制优化具有明显的优势,在优化系统效率的同时能够有效减少电能消耗。研究结果可为油井间歇采油机制的改进和优化提供有力的技术支持。

一种求解高维优化问题的改进灰狼算法

为求解高维优化问题,提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor,ORGWO).设计一种灰狼反向学习模型,模型考虑问题搜索边界信息和种群历史搜索信息,初始种群阶段增加反向学习,增强种群多样性.根据算法各个阶段不同特征引入衰减因子,平衡全局和局部勘探能力.选取8个高维函数和23个不同特征的优化函数对算法性能进行测试,进一步使用收敛性分析,寻优成功率,CPU时间,Wilcoxon秩和检验来评估改进算法,实验结果表明,ORGWO算法在求解高维问题上具有较好的精度,鲁棒性和更快的收敛速度.

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。