基于ACO-PAM综合算法的电力负荷聚类分析

负荷特性分类与综合是实现负荷模型实用化的关键.为建立合适的变电站负荷模型,将聚类方法引入负荷特性分析,提出一种基于ACO-PAM的综合聚类算法.该综合算法是PAM算法对蚁群的历史最优位置进行聚类分析,将此位置代替PAM的参考点,作为新的聚类中心,数据将自适应地加入到适合它的聚类中.ACO算法具有全局搜索能力强、易于与其他方法结合的优点,改进了PAM算法易陷入局部最优、实际数据聚类效果差等不足.实例分析验证了ACO-PAM综合算法应用的可行性和有效性.

基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度

为了实现园区综合能源系统(PIES)的低碳化经济运行和多能源互补,解决碳捕集装置耗电与捕碳需求之间的矛盾,以及不确定性源荷实时响应的问题,提出了基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度方法。该方法通过在PIES中添加碳捕集装置,解决了碳捕集装置耗电和捕碳需求之间的矛盾,进而实现了PIES的低碳化运行;通过采用近端策略优化算法对PIES进行动态调度,解决了源荷的不确定性,平衡了各种能源的供给需求,进而降低了系统的运行成本。实验结果表明:该方法实现了不确定性源荷的实时响应,并相比于DDPG(deep deterministic policy gradient)和DQN(deep Q network)方法在低碳化经济运行方面具有有效性及先进性。

机载分布式智能蒙皮波束综合算法研究

针对机载智能蒙皮天线孔径共形和分布化的特点,开展了基于Broyden族算法的波束综合优化研究。算法以最小化副瓣电平为优化目标,通过K-S函数连续化处理,实现低副瓣波束赋形。通过不同的加权方式对算法的有效性进行了验证,相与遗传算法(genetic algorithm,GA)等随机优化算法,本文算法收敛速度快,能够避免陷入局部最优,适用于大规模非均匀共形天线阵列,具有较高的工程应用价值。

基于近端策略优化算法的燃料电池混合动力系统综合价值损耗最小能量管理方法

为了降低市域动车组燃料电池混合动力系统运行燃料经济成本,提升燃料电池耐久性,该文提出一种基于近端策略优化算法的能量管理方法。该方法将混合动力系统能量管理问题建模为马尔可夫决策过程,以综合考虑燃料经济性和燃料电池耐久性的综合价值损耗最小为优化目标设置奖励函数,采用一种收敛速度较快的深度强化学习算法—近端策略优化算法求解,实现负载功率在燃料电池和锂电池间的合理有效分配,最后,采用市域动车组实际运行工况进行实验验证。实验结果表明,在训练工况下,所提方法相较基于等效氢耗最小能量管理方法和基于Q-learning能量管理方法,综合价值损耗分别降低19.71%和5.87%;在未知工况下,综合价值损耗分别降低18.05%和13.52%。结果表明,所提方法能够有效降低综合价值损耗,并具有较好的工况适应性。

基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

基于改进粒子群算法的综合能源系统多目标优化运行

“双碳”目标下,电力能源系统需要逐步向节能低碳的方向发展,综合能源系统(IES)是解决能源与环保问题的重要举措。目前对IES的研究主要集中在分布式能源、储能并网和多目标优化等方面,智能算法是处理优化问题的重要途径,但随着模型复杂化,传统的智能算法存在收敛性差、容易陷入局部最优的问题。基于此围绕IES经济、环保与稳定运行目标,构建了考虑经济性、环保性及出力不平衡性3个指标的基于改进粒子群算法的IES多目标优化模型。首先,以3个指标最优为目标搭建了IES模型;其次,采用隶属度函数和层次分析法(AHP)进行归一化处理并确定权重系数;最后,引入粒子浓度评价算子改进粒子群算法,对所提模型进行求解,并分析系统在单一目标和多目标情况下的运行结果,验证了模型和算法的有效性。改进算法显著提高了收敛速度,有效避免了粒子陷入局部最优。

多主体博弈下基于改进灰狼算法的综合能源服务商优化运行策略

为促进新能源消纳和满足不同负荷需求,本文提出了多主体博弈下的综合能源服务商优化运行策略。通过分析不同主体的交互及利益关系,建立综合能源服务商与分布式发电商、负荷用户的主从博弈双层优化模型,上层综合能源服务商通过售能价格激励下层负荷用户调整用能需求,并以高于新能源上网电价的购电价格激励下层分布式发电商进行售电量调整。针对模型的高维、非线性特征,通过引入差分进化和精英保留策略加速灰狼算法的全局搜索能力和收敛性。仿真结果表明所建模型在兼顾不同主体利益的同时,降低了系统的碳排放量,所提优化求解方法快速高效。

基于μ综合理论与遗传算法的并网逆变器鲁棒控制方法

在并网逆变器的实际运行中,电网阻抗和时间延迟系数的不确定性会影响到系统的稳定运行。为提高该含参数不确定性的系统的鲁棒性,提出采用μ综合理论来对系统进行鲁棒控制,通过对参数不确定性及其他性能约束的加权函数进行设计,从而使系统能够满足鲁棒稳定性与鲁棒性能要求。针对μ综合法设计的控制器阶数过高,难以工程实现的问题,可将其与遗传算法结合来对定结构控制器进行优化。首先采用μ综合理论搭建系统的摄动模型,然后用遗传算法对系统控制器的参数进行设计,使摄动系统能够实现结构化奇异值最小化的目标,从而达到对参数变化具有更强的鲁棒适应性的要求。实验结果表明,用该方法设计的控制器比用传统方法设计的控制器具有更好的鲁棒性。

基于改进遗传算法的园区综合能源系统规划研究

通过能源综合化建设来实现终端能源的高效化,成为当前支撑碳中和碳达峰的重要途径之一。针对园区能源系统能效提升、规划配置等问题,提出了园区综合能源系统经济-能效多目标优化规划模型。分析园区综合能源系统的基本结构,以年总成本、综合能效为优化目标,并考虑能源规划投资和能源运行安全的各类约束,建立了园区综合能源系统多目标优化规划模型;然后,基于NSGA-II算法和融合模拟退火算法的特点,融合模拟退火算法的搜索机制改进NSGA-II的求解性能;最后,以我国某园区为例验证模型和算法的有效性。

基于改进黏菌算法的综合能源系统优化调度

为了提高综合能源系统运行的经济性和环保性,提出了一种计及综合需求响应的综合能源系统优化调度模型,分别以系统运行成本最低和碳排放成本最低为目标,利用改进的黏菌算法进行优化求解。以某工业园区为研究对象,进行算例验证。结果表明,该系统考虑综合需求响应对负荷侧用能起到良好的“削峰填谷”的效果,改进黏菌算法可明显降低系统的运行成本和碳排放成本,验证了模型和改进算法的有效性和可行性。

基于非支配排序蜣螂算法的综合能源系统优化调度

为加快推动工业园区实施能源效率提升与绿色转型,充分考虑工业园区用能及降碳需求,构建了一种考虑阶梯式碳交易机制、冷热电联供机组及电转气运行的综合能源系统低碳经济调度模型。首先,对工业园区内各设备构建数学模型并引入阶梯式碳交易机制限制工业园区碳排放;其次,建立以工业园区综合能源系统运行成本和碳交易成本最小为目标的优化调度策略;最后,使用非支配排序的蜣螂算法对模型进行优化求解。仿真结果表明:所提模型进一步降低了碳交易成本及系统运行成本。

基于改进LSTM算法的综合能源系统多元负荷预测

准确预测短期多种能源负荷,是确保综合能源系统可靠、高效运行的必要前提。为此,提出了一种基于遗传粒子群混合优化(genetic algorithm particle swarm optimization,GAPSO)算法的卷积长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)综合能源系统多元负荷预测模型。首先,利用皮尔逊系数来描述各影响因素与负荷之间的相关性强弱。其次,采用GAPSO算法对长短期记忆(long short-term memory,LSTM)网络模型进行改进,然后构建卷积神经网络(convolutional neural networks,CNN)以提取小时级高阶特征,并通过改进后的LSTM网络模型对提取的隐含高阶特征进行分位数回归建模,构建了基于GAPSO-CNN-LSTM综合能源系统多元负荷预测模型。最后,以美国亚利桑那州立大学坦佩校区综合能源系统负荷数据为算例进行验证,结果表明:改进后的算法具有更好的收敛能力,模型具有更高的预测精度。

基于国密算法的铁路综合视频监控系统网络安全方案研究

随着信息技术的不断发展,铁路网络安全问题也愈发凸显。铁路综合视频监控系统包含许多重要信息,若出现信息泄露、篡改和非法访问等问题,会对铁路运营安全构成严重威胁。文章提出了基于国产商用密码(简称:国密)算法的铁路综合视频监控系统的网络安全方案,该方案既能满足铁路综合视频监控系统在网络安全等级保护方面的合规性要求,又能保障其信息在存储和传输过程中的完整性和保密性,还能有效防范可能发生的网络安全风险,维护铁路综合视频监控系统的安全稳定运行,为铁路运输安全提供技术保障。

基于网络综合指标算法的FTTH质量评价系统研究与应用

本文从光网络设备采集的参数中抽取与FTTH网络质量以及运维工作相关的参数,依据不同参数对网络质量影响的占比,设计出一个FTTH的网络综合指标(NPC,Network Performance Comprehensive),该参数对光网络的维护有重要的意义,可以作为运维工作绩效考核的核心指标,也可以为网络优化改造提供重要参考。

基于“2-4”模型和Apriori算法的商业综合体火灾成因分析

为深入分析商业综合体火灾事故成因,揭示事故致因因素之间的关联规则,运用事故致因“2-4”模型和Apriori算法,对40起商业综合体火灾事故原因进行分析,研究结果表明:在组织文化、管理体系、个体能力和个体动作4个层面中,安全主体责任的认识(100%)、安全管理制度未执行(80%)、无安全培训(70%)等因素是火灾事故的主要原因;通过Apriori算法挖掘出277条关联规则,并从高支持度、高置信度和高提升度3个维度进行深入分析,发现员工参与度与防火意识薄弱、安全管理知识匮乏与报警意识薄弱且应急响应不及时等因素之间存在显著关联。基于分析结果,提出加强安全责任意识、完善管理制度执行、强化安全培训等针对性建议,为商业综合体火灾预防提供理论依据和实践指导。

基于CIPSO算法的综合能源系统优化

随着“双碳”政策的提出,节能环保理念的重要性更加凸显提高。为降低系统运行成本、减少弃风弃光和二氧化碳的排放,构建了含P2G和碳捕集设备的综合能源系统;采用非线性惯性权重、异步学习因子和混沌映射改进粒子群算法,并测试对比改进前后的算法性能;以改进的综合能源系统作为算例,使用改进后的粒子群算法(CIPSO)对综合能源系统模型进行求解,分析P2G设备和碳捕集设备参与综合能源系统对系统总成本、碳交易成本和购能成本等的影响。研究结果表明改进后算法对目标函数求解具有快速性和准确性。

基于改进蜻蜓算法的综合能源系统经济调度

为了提升热、电、气综合能源系统(Integrated Energy System,IES)的经济效益,文章以IES总成本最小构建了综合能源系统经济调度模型。采用逆混沌映射和非线性惯性权重对蜻蜓算法进行改进,使改进的蜻蜓算法(Improved Dragonfly Algorithm,IDA)具备更好地寻优性能。采用IDA算法对综合能源系统经济调度模型进行求解,并将求解结果与常用优化算法进行对比,结果表明,IDA算法在进行综合能源系统经济调度时的优化效果更好,在该调度方案下,各设备出力合理,IES总成本也达到了最小,实现了IES的经济调度。

基于改进粒子群算法的区域综合能源优化调度方法

针对目前区域综合能源优化调度方法调度能耗和负荷过高的问题,基于改进粒子群算法提出一种新的区域综合能源优化调度方法。通过电网、风电、光伏和天然气建立区域综合能源系统,利用P2G设备处理信息,完成储电、储气和储热工作。计算区域综合能源系统的目标收益和最终能源采购总价得到目标函数,以天然气汽锅释放的热量功率、天然气发动机的热功率、电热锅的热功率和电锅炉的输出功率模型确定约束条件。利用改进粒子群算法得到隶属度函数,依次排列每个目标函数的关键水平,建立目标矩阵,实现区域综合能源层次分析,根据粒子合理性函数进行单次优化,完成能源优化调度。实验结果表明:基于改进粒子群算法的区域综合能源优化调度方法的最高能耗仅为48.7%,调度负荷低于60.0%,具有极好的调度能力。

基于离散布谷鸟算法的综合能源系统电气互联鲁棒状态估计方法

受量测装置采样时间单位不统一影响,GEIES量测数据误差较大,为提升GEIES状态估计精度,将离散布谷鸟算法应用至综合能源系统状态估计中,提出一种新的GEIES状态估计方法。建立贝叶斯量测模型获取气网和电网状态估计量测数据,增加量测数据集的完备性,为保证GEIES状态估计结果不受噪声因素影响,设置高斯噪声方差。将量测结果代入至GEIES状态估计中,分别建立电网状态估计模型和气网状态估计模型,并将二者结合建立综合能源系统电气互联鲁棒状态估计模型,通过离散布谷鸟算法求解该模型,获取状态估计最优解。算例结果表明,不论是无噪声环境还是有噪声环境,所提方法的状态估计结果精度均较高,且能够起到坏数据辨识的作用,说明其状态估计效果较好。

精英竞争和综合控制的多目标粒子群算法

目的多目标粒子群算法虽然极易实现且收敛速度快,但在平衡其收敛性和多样性方面仍需进一步改善。方法针对上述问题,提出一种精英竞争和综合控制的多目标粒子群算法(ECMOPSO)。一方面,算法采用全局损害选择精英粒子集,然后将两两竞争引入多目标粒子群算法中,通过精英竞争选取优胜者粒子,将其与全局领导者融合形成更全面的社会综合信息,以增强种群中粒子之间信息的交互性,更好引导种群中的粒子飞行,提升算法全局探索能力;另一方面,结合全局损害和基于位移密度估计对外部存档进行维护,从而提高外部存档中非劣解的质量,平衡算法的收敛性和多样性。结果将ECMOPSO算法与4个多目标粒子群算法和4个多目标进化算法在ZDT和UF系列基准测试问题上进行仿真实验,并采用Wilcoxon秩和检验和Friedman秩检验比较ECMOPSO算法与所选对比算法的整体性能。实验结果表明:相比其他几个对比算法,ECMOPSO算法的收敛能力、解的分布性以及稳定性都得到了一定的提升。结论ECMOPSO算法可以很好地平衡收敛性和多样性,提升其整体性能,能有效求解大多数多目标优化问题。