考虑运营风险的医疗废物回收选址多目标鲁棒优化研究

为规避突发公共卫生事件下的不确定风险,研究医疗废物回收网络中的回收中心、处理中心、处置中心等节点选址问题,以总成本最小以及总风险最小为目标,构建考虑运营风险的医疗废物回收选址多目标鲁棒优化模型,设计非支配排序遗传算法,提出p鲁棒迭代算子求解p值下界,采用轮盘赌选择,结合精英策略、均匀交叉和反向变异等遗传操作。基于仿真案例,求解确定性模型与鲁棒优化模型得到帕累托解。模型对比结果表明鲁棒优化模型适用所有情景,且成本相对遗憾值均小于2%,能够有效应对参数不确定引起的设施选址变化。对p值进行灵敏度分析,结果表明当0.004≤p≤0.08时,解的质量随p值增大而上升;p值越接近下界0.004,目标值下降越迅速,越适于应对紧急情况;同时决策者的风险偏好程度和总成本对设施布局有重要影响,需对二者进行综合权衡。

基于RBF网络的四旋翼无人机姿态鲁棒自适应反步滑模控制

针对存在干扰的四旋翼无人机姿态系统,设计了一种RBF网络鲁棒自适应反步滑模控制器.在反步滑模控制的基础上,通过RBF网络逼近和补偿标称控制律,采用神经网络最小参数学习法,取神经网络的权值上界估计作为神经网络的估计值,通过设计参数估计自适应律来代替神经网络权值的调整,并用Lyapunov理论证明系统的稳定性.仿真结果表明:该方法相比反步滑模控制方法,在有干扰的情况下,有更短的调节时间,更好的跟踪精度,验证了本方法具有更好的抗干扰性和鲁棒性.

基于鲁棒模型预测的无人拖拉机跟踪控制方法分析

无人驾驶拖拉机是一种利用自动化技术和传感器设备进行自主导航的农业机械设备,可以在无人操作的情况下完成农田的耕作、种植、施肥、除草等作业。无人驾驶拖拉机田间运动控制是拖拉机整机与自动驾驶系统沟通的关键技术。为此,在无人驾驶拖拉机田间运行给定形式路径的基础上,通过构建无人驾驶拖拉机运动模型并进行线性化处理,运用模型预测控制拖拉机田间运行轨迹,以实现对田间无人驾驶拖拉机轨迹跟踪的研究目标。结果表明:基于鲁棒模型预测的拖拉机跟踪控制器能够提高拖拉机田间运行控制精度,拖拉机直线运行控制误差<0.03 m。

多产消者的两阶段四层主从-合作博弈鲁棒模型及求解

针对含可再生能源和柔性负荷的产消者参与电力市场的主从-合作交易过程,提出一种多产消者两阶段四层主从-合作博弈鲁棒模型。通过引入“最大波动幅度”的概念以及定义波动比例系数,建立可再生能源不确定性集;考虑可再生能源的不确定性和柔性负荷对交易策略的影响,建立max-max-min-max形式的两阶段四层主从-合作鲁棒模型;提出一种交替迭代的列约束生成算法,通过解耦子问题加速求解;将共识乘子交替方向法与改进的动态自适应交替优化法相结合,克服非凸的主从-合作鲁棒模型收敛困难的问题。基于某智慧能源示范项目的仿真验证了所提模型和方法的有效性。

基于混合场景集性能和时间相关性微电网鲁棒优化算法

针对孤岛型微电网内可再生能源、负荷的不确定性以及降低碳排放量等问题,提出了一种基于数据驱动和时间相关性的微电网鲁棒优化算法。通过聚类方法生成了典型场景,进而构建包括典型场景、极端场景以及预测场景的混合场景集。在日前阶段,将混合场景集加入约束,以混合场景集所对应的微电网运行成本的概率加权指标作为目标函数,并且在成本中引入阶梯式碳交易模型,得到预调度解。在鲁棒检验阶段引入时间相关性,加快其检验速度以及效率,确保所有场景可行。在日内阶段,利用测量的新能源和负荷数据,对日前阶段的优化解进行优化调整,得到微电网设备的最优出力,从而提高微电网的经济性和鲁棒性,仿真结果验证了该方法的有效性。

考虑移动氢能存储的港口多能微网两阶段分布鲁棒优化调度

为有效应对海上风电固有的间歇及波动性给港口多能微网带来的不确定性风险,提出一种考虑移动氢能存储的港口多能微网两阶段分布鲁棒优化调度模型。首先,结合Wasserstein距离实现风电出力概率分布模糊集的精确刻画,并通过非参数核密度估计拟合海上风电预测误差概率分布,获得不同置信水平下风电出力区间及场景。其次,分析氢能船舶、汽车等移动氢能存储资源对间歇性风电出力的能源存储潜力,并结合用能心理、交通属性差异,将两者分别建模为激励型、价格型需求响应,实现港口移动氢能存储灵活性资源的高效聚合。再次,针对含移动氢能存储的港口多能微网,构建基于概率分布模糊集的日前-日内两阶段分布鲁棒优化调度模型,并运用线性决策规则与强对偶理论将其转换为混合整数线性规划模型求解。最后,基于海上风电实测数据进行仿真验证。结果证明,移动氢能存储可显著提升港口多能微网的低碳灵活性,所提模型在兼顾港口多能微网经济性的同时,可进一步保证风电不确定性风险下的鲁棒性。

含CCUS和P2G的综合能源系统分布式鲁棒优化调度

在双碳战略背景下,综合能源系统成为探索可再生能源低碳高效利用及多能耦合的主要途径。为兼顾综合能源系统在低碳优化时的稳定性和经济效益,提出了一种含碳捕集、利用与封存-电转气协同运行的综合能源系统分布式鲁棒低碳优化策略。首先,对电转气过程精细化建模,研究氢能的多方面效益,建立CHP-CCUS-P2G耦合模型,并引入阶梯式碳交易机制,提出一种基于阶梯式碳交易机制的CHP-CCUS-P2G低碳经济调度方法;其次,考虑风光出力的不确定性,以调度系统中可用的历史数据为基础,构建数据驱动下min-max-min的两阶段鲁棒调度模型,采用1-范数和∞-范数约束场景概率分布模糊集;最后,基于列约束生成算法对模型反复迭代求解。算例仿真结果表明,上述模型提高了IES的风光消纳率和经济性,并降低了系统碳排放量。

基于分布鲁棒优化的车-站-网日前能量管理与交易

为考虑上级电网电价、光伏出力等多重多层级不确定性对车-站-网互动博弈模型的影响,且充分体现配电网主动管理技术支撑效果,文中提出了一种基于分布鲁棒优化的车-站-网能量管理与交易方法。首先,针对主动配电网内多元主体能量管理与交易问题,建立了配电网运营商、充电站和电动汽车的日前市场互动框架。其次,融合主动网络管理技术和网络约束,在配电网运营商与聚合了电动汽车的多个充电站之间构建了以多主体各自利益最大为目标的双层Wasserstein分布鲁棒互动博弈模型。然后,提出了结合Karush-Kuhn-Tucker条件、对偶原理和大M法的化简方法以解决多层级不确定性造成的求解难题,将双层Wasserstein分布鲁棒模型转化为单层混合整数二阶锥规划模型,并利用商业求解器YALMIP/GUROBI进行了求解。最后,通过算例仿真验证了所提模型和方法的有效性。

基于广义比例积分观测器的永磁同步电机鲁棒谐振预测电流控制

针对永磁同步电机(PMSM)采用无差拍预测电流控制(DPCC)时,性能易受电机参数失配及死区效应的影响,该文提出一种基于广义比例积分(GPI)观测器的鲁棒谐振预测电流控制(RRPCC)方法。首先,分析PMSM参数失配将产生非周期扰动及逆变器死区效应会导致周期扰动,进而建立带有非周期和周期性扰动的PMSM精确数学模型;其次,基于内模原理,将包含扰动频率的谐振多项式嵌入电流预测模型,可有效地抑制周期性扰动;最后,采用GPI观测器估计由参数失配引起的集总扰动,并通过前馈补偿消除非周期扰动。实验结果表明,该方法能提高系统面对非周期及周期性扰动时的鲁棒性。

基于混合两阶段鲁棒的多微网合作优化运行

针对微网独立运行时面临运行成本高,受可再生能源出力和多能负荷功率不确定性影响大等问题,提出一种基于混合两阶段鲁棒优化的多微网合作运行方法。首先,为了应对源荷双重不确定性挑战,在传统两阶段鲁棒优化基础上,提出一种基于多场景数据的最恶劣概率场景驱动的混合两阶段鲁棒优化方法,并采用可并行计算列与约束生成(column and constraint generation,C&CG)算法来提高求解效率。然后,在建立的多微网点对点分布式能源交易系统框架上,根据纳什谈判理论构造多微网合作成本最小化问题和收益分配问题,并提出一种耦合可并行计算C&CG的交替方向乘子法进行求解。最后,根据各微网不同的贡献率,设计一种基于点对点电能交易贡献度的非对称纳什谈判机制来分配各微网的合作收益。算例结果表明,所提方法能兼顾系统的鲁棒性、经济性和隐私性,并实现每个微网公平合理的收益分配。

含整体煤气化燃料电池-碳捕集电厂的风火储系统分布鲁棒调度方法

整体煤气化燃料电池(integrated gasification fuel cell,IGFC)是与碳捕集技术高度适配的清洁、高效、稳定的绿色煤电技术,有望克服传统碳捕集技术在低浓度CO_(2)环境下产生的高成本、高能耗问题。该文构建含IGFC碳捕集电厂的风火储发电系统。研究IGFC碳捕集电厂的运行机理,对IGFC内部各环节建立数学模型,提出工况匹配时燃烧利用率和阴极空气利用率需要满足的运行条件,并针对该型碳捕集电厂的电碳特性进行分析。为计及风电出力的不确定性,构建风火储系统的两阶段分布鲁棒经济调度模型,引入k阶适应性理论,提出基于正交支撑子集策略的求解方法来获得鲁棒对等式。最后,在改进IEEE-30节点系统中进行算例分析,结果表明,该型碳捕集电厂可利用阳极碳富集的优势,实现系统低碳经济调度的目标,并验证所提优化方法能为可行解提供可解释性。

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。

基于用户窃听的MU-MISO反向散射通信系统鲁棒资源分配算法

针对反向散射通信系统信道估计不准、信息容易被窃听等问题,该文提出一种基于用户窃听的多用户-多输入单输出(MU-MISO)反向散射通信系统鲁棒资源分配算法,以提高系统传输鲁棒性与信息安全性。首先,考虑基站最大功率、时间分配、信道不确定性、能量收集和保密率等约束,建立一个MU-MISO的反向散射通信系统鲁棒资源分配问题。其次,基于非线性能量收集模型和有界球形信道不确定性模型,利用变量松弛法和S过程将原NP-hard问题转化为确定性问题,随后利用连续凸近似、半正定松弛与块坐标下降法将其转化为凸优化问题求解。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较高的系统容量和较低的中断概率。

部分分布式电源提供辅助服务的主动配电网快速鲁棒优化

经逆变器接入配电网的分布式电源提供有功与无功辅助服务是确保配电网安全经济运行的重要手段。该文同时计及了储能系统、可投切电容电抗器、有载调压变压器分接头、静止无功补偿器调节能力,以储能与网络损耗及弃风弃光最小为目标函数,计及运行约束,基于支路潮流方程构建了部分分布式电源提供辅助服务的多时段二阶段混合整数二阶锥鲁棒优化模型,提出了一种新颖的基于割平面的主、次问题二阶段直接交替迭代求解方法。不同于现有列与约束生成(columns and constraints generation,CCG)算法,该方法求解主问题时无需增加新的变量与约束条件,求解次问题时,只需针对每个时段进行求解,因此极大降低了求解复杂度与计算机内存。若求解结果不满足二阶锥精确凸松弛条件,则构建二阶段混合整数序列二阶锥鲁棒优化模型,依然能够快速求解,且可恢复出原问题的精确解。最后,采用2个仿真实例验证了所提出方法的性能。IEEE 123节点配电网的仿真结果表明,该方法计算速度是CCG算法的12~22倍。该方法可为含高比例间歇性分布式电源配电网鲁棒优化运行提供实时快速分析与求解工具,提高新能源就地消纳能力。

多特征融合的无人艇视觉目标长时相关鲁棒跟踪

[目的]针对显著海浪遮挡、相机剧烈晃动引起的无人艇视觉目标跟踪脱靶问题,提出一种基于多特征融合的长时相关鲁棒跟踪算法。[方法]首先,采用多特征融合技术,增强目标特征表达,提高目标模型鲁棒性;其次,利用高维特征降维和响应图子网格插值,提高目标跟踪的效率与精度;然后,设计水面目标重识别机制,解决目标完全脱离视野时的稳定跟踪问题;最后,采用多个代表性视频数据集进行验证和比较分析。[结果]实验结果表明,相较于传统的长时相关跟踪算法,平均成功率提升15.7%,平均距离精度指标提升30.3%,F-Score指标提升7.0%。[结论]所提算法能够处理恶劣海况下的目标脱靶问题,对于提升无人船艇及海洋机器人智能感知能力,具有重要技术支撑意义。

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

基于融合注意力机制LSTM网络的地下水位自适应鲁棒预测

地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问题,本文提出了一种新的鲁棒自适应水位预测算法。首先,对水文数据进行预处理,解决了数据时间跨度大、噪声多、缺失及异常、非平稳等问题。其次,针对不同输入特征对预测指标的影响,在模型训练阶段提出一种新的空间变量注意机制,可快速识别与水位关联的关键变量,并对输入特征赋予不同的影响权重。然后,针对不同序列长度对预测效果的影响,还设计了自适应时间注意力机制,帮助网络自适应地找出与不同时间序列长度预测指标相关的编码器隐藏状态,以更好地捕捉时间上的依赖关系。在此基础上,以上下文向量作为输入,提出一种融合注意力机制的长短时记忆网络水文预测算法。最后,通过意大利Petrignano水文数据验证了所提算法的有效性,并与GRU、Elman、LSTM、VA–LSTM和S–LSTM等方法进行预测性能比较。结果表明,基于融合注意力机制的LSTM网络在面临大规模、噪点多的复杂数据时有优于其它几种算法的预测效果,表明该算法具有强自适应性和鲁棒性。本文研究结果可以为市政排水策略合理调整、及时控制提供参考。

基于KL散度距离处理风电不确定性的负荷恢复分布鲁棒优化

在构建以新能源为主体的新型电力系统的背景下,在恢复控制过程中积极利用新能源并充分应对其对运行安全带来的潜在风险对于减小停电损失具有重要意义。首先,为了表征风电出力的不确定性,采用KL散度(Kullback-Leibler)距离作为筛选极端风电出力场景的控制条件,并据此构建模糊集作为风电出力典型场景。在满足相关运行安全约束的前提下,建立了以最大化加权负荷恢复量为优化目标的分布鲁棒优化模型以制定计及风电的负荷恢复方案。经松弛处理和对偶转换所得到的混合整数二阶锥模型可调用商业求解器求解。以接入规模风电场的IEEE 10机39母线系统为例进行仿真,结果表明:相比于传统的鲁棒优化方法,该方法降低了优化结果的保守性,有助于加快负荷恢复,减小停电损失。

考虑风险和碳交易机制的微电网分布鲁棒优化调度

提高微电网风电的消纳能力是实现双碳目标的重要手段。该文构建了一种考虑极限场景和净负荷条件风险价值的微电网低碳分布鲁棒优化模型。首先,针对源-荷不确定性构造基于Wasserstein距离的概率分布模糊集,并考虑极限场景修正该模糊集,以提高模糊集的鲁棒性,减少场景数目,提高求解效率。其次,以包括供能成本、阶梯式碳交易成本和风险成本的微电网日运行成本最小为优化目标,建立分布鲁棒优化调度模型,并利用分段线性近似法和对偶理论将模型转换为线性规划问题求解。最后,通过算例仿真进行验证,结果表明,考虑极限场景的分布鲁棒优化方法具有较强的鲁棒性;引入阶梯式碳交易成本可以有效减少微电网的碳排放量,并提高风电的消纳能力;净负荷条件风险价值可以有效平衡微电网运行的经济性与风险性。

基于鲁棒优化的电动汽车充电站点流融合选址模型

随着电池技术的发展,电动汽车续航里程日益增长,用户充电行为从在途充电逐渐向目的地充电转变,形成了以点需求为主、流需求为辅的综合需求模式。因此,规划充电设施选址需同时考虑点需求和流需求,以便设施布局与充电需求模式能够充分匹配,提高设施利用率。将经典选址理论中的集合覆盖模型与截流模型相结合,提出了一种能够服务综合充电需求的点流融合选址模型。考虑到充电需求的不确定性,采用鲁棒优化方法,以最小化充电设施建设和电力设备扩容总成本为目标,建立了需求不确定情形下的鲁棒选址模型,并通过对模型做等价对偶转换进行求解。最后,针对两个路网算例开展了数值分析,结果表明,与传统单一需求选址模型相比,本文提出的点流融合模型能在充分覆盖不同类型充电需求的情形下有效降低充电设施的总体规划成本。