基于改进麻雀搜索算法的电-热-气-氢综合能源系统优化

在“双碳”目标背景下,随着清洁能源并网规模不断扩大,能源系统正面临着各方面的巨大挑战。针对碳排放、新能源消纳等问题,提出一种计及需求响应的电–热–气–氢综合能源系统优化模型,引入碳捕集–多阶段电转气运行框架,发掘电转气技术中氢能源的低碳潜力;利用氢燃料电池、储氢罐,提高系统资源调度灵活性;负荷侧考虑需求响应,源荷双侧协同参与优化。为验证该模型的有效性,设置4种不同场景,将考虑碳交易的系统总成本最小值作为优化目标,采用含Tent混沌映射与权重因子的改进麻雀搜索算法对模型求解。结果表明,所构建的模型在降低成本、节能减排等方面具有积极作用。

基于改进生成对抗网络生成风光场景的微电网多时间尺度优化调度策略研究

针对微电网中风光出力不确定性对微电网优化调度的影响,文中提出了一种基于Wasserstein距离的条件生成对抗网络(conditional Wasserstein generative adversarial networks,C-WGAN)方法生成风光场景的微电网多时间尺度优化调度策略。首先,通过C-WGAN模拟生成指定的风光场景。然后,在日前优化调度阶段综合考虑蓄电池退化成本和联络线功率交互成本,并引入优化系数来优化联络线的交互功率。在日内优化调度阶段,以跟踪日前优化调度的结果为主要目标,从而有效减少日前可再生能源以及负荷的预测数据误差所带来的影响。算例结果表明,文中所提方法不但能够很好地减小可再生能源输出不确定性所带来的影响,也能够有效保证微电网运行的经济性,对微电网运行调度研究具有一定意义。

基于QGA-QBP的动力电池SOC估计

提出了一种基于量子遗传算法改进量子神经网络模型的荷电状态估计方法。考虑电池健康状态指标,分析引入内阻参数对电池估计精度的影响。针对传统神经网络及其改进算法的不同估计缺陷,在其基础上进行量子编码并动态自适应调整量子旋转角,缩短搜索时间的同时提高了收敛精度。最后在MATLAB仿真测试,验证了所提算法相较传统神经网络的收敛性能优势。