基于Multi-agent改进粒子群优化算法的分时电价机制下多微网系统联合优化调度

随着分布式能源与微网技术的发展,大量分布式电源或微网并入主电网,对电网运行带来一定影响。针对多个微网接入主电网的情况,在计及分时电价机制的基础上,从微网整合角度考虑各微网间的互补性。结合微网中储能装置对电网削峰填谷的作用,提出一种基于分时电价机制下多微网系统联合优化调度方法。考虑不同时刻电价差异,分别制定峰、平、谷不同时刻调度策略,建立以整个多微网系统的运行成本和环境治理成本最小为目标的数学优化模型,并采用基于multi-agent改进粒子群优化算法对模型求解。通过算例分析,比较了各微网单独运行和多微网联合调度两种策略下的多微网系统成本,验证了所提方法的有效性。

执勤行车时间的KMP-RBF融合预测方法

针对执勤车辆沿某一路径行驶时长难以预测的问题,文中提出一种KMP-RBF融合方法,采用GPS定位、悉尼自适应交通控制系统(SCATS)线圈作为融合信号源,建立路况信息选择融合模型,将模糊推理知识表达、MAPSO算法寻优和RBF网络训练相结合,自适应优化系统关键参数,从训练数据库匹配适用时间、空间数据.实验中,使用交通监控系统实测实验用车行驶时长数据,并与预测数据进行对比,从误差率、算法迭代与精确度方面证明文中方法是高效而可靠的.