基于供冷/热系统质-量调节的区域综合能源系统动态最优能流计算

区域综合能源系统(regional integrated energy system,RIES)的最优能流计算是求解RIES的设备配置、优化调度、故障分析等问题的基础。考虑供冷/热和供气管道传输能量的动态特性,建立RIES动态最优能流计算模型,其中基于特征线法获得了供冷/热管道和供气管道动态偏微分方程的代数解析解。针对基于供冷/热系统质–量调节模式下管道能量传输时滞变量造成RIES的动态能流计算模型难以求解的问题,提出采用分段插值法获得供冷/热管道两端节点温度之间关系的近似表达式并加入动态最优能流计算模型中。此外,针对优化模型中供冷/热系统的流量与温度相乘的双线性项,提出一种能够缩紧松弛间隙的分段凸包络松弛方法将原混合整数非线性优化模型转化为混合整数二次约束规划模型,能够在保证计算精度的同时实现高效求解。最后以某个RIES算例进行分析,验证了所提方法的计算准确性和高效性,并与常用的质调节模式相比,表明在供冷/热系统质–量调节模式下能找到经济性更优的RIES运行点。

暂态电压安全多目标混合整数最优控制模型及凸松弛方法

该文以调节发电机励磁参考电压和投切电容/电抗器组为控制手段,建立暂态电压安全控制的多目标混合整数最优控制模型。该模型的求解关键在于对离散控制变量的处理。该文采用规格化法平面约束法将多目标混合整数最优控制模型转化为一系列单目标混合整数最优控制模型后,借助凸化松弛技术将单目标混合整数最优控制模型转化为单目标连续最优控制模型,然后通过优化控制变量的大小及其切换时间实现离散控制变量的自然归整,对于不能自然归整的情况,再通过引入罚函数将其归整。以3机9节点系统和10机39节点系统为例,通过与通用代数建模系统(general algebraic modeling system,GAMS)中SBB解法器进行对比分析,证实了所提方法的有效性。

求不定二次规划全局解的一个新算法(英文)

本文提出了一个求不定二次规划问题全局最优解的新算法.首先,给出了三种计算下界的方法:线性逼近法、凸松弛法和拉格朗日松弛法;并且证明了拉格朗日对偶界与通过凸松弛得到的下界是相等的;然后建立了基于拉格朗日对偶界和矩形两分法的分枝定界算法,并给出了初步的数值试验结果.

基于改进二阶锥松弛的多区域电-气综合能源系统优化调度快速求解方法

针对多区域电-气综合能源系统(MIEGSs)优化调度策略求解过程中面临的区域子问题非凸的难点,提出一种能快速求解的改进二阶锥(SOC)松弛方法。构建MIEGSs的数学模型,将管道方程约束松弛为线性约束,通过求解松弛模型得到管道流量初值,由初值确定管道流向;根据管道流向采用SOC松弛方法,从而避免引入整数变量,并得到区域子问题的最优解;进而采用交替方向乘子法(ADMM)迭代求解各区域子问题,实现各区域间协同。所提方法无需引入整数变量,使得所求解问题均为凸优化问题,能够保证ADMM算法的收敛性,并具有较快的求解速度。最后,通过算例仿真验证了所提方法的有效性和快速性,并分析了算例参数对所提方法性能的影响。

求解可分离凸优化问题的惯性近似松弛交替方向乘子法

基于交替方向乘子法(ADMM)提出了一种求解可分离凸优化可行问题的惯性近似松弛交替方向乘子法(IPR-ADMM)。新构造的算法不仅具有提高算法收敛性的优势的惯性外推项,而且引入随机变量以随机加速新步长,从而提高算法的灵活性。并在适当的假设下,证明了算法的全局迭代收敛性。数值实验结果表明,数据维数取值越大,算法收敛越快,越趋于稳定,且IPRADMM算法的收敛性明显优于扩展的邻近交替方向法(ePADM)。

含有L1数据保真项的非凸优化脉冲噪声去除模型

随着数字图像处理技术的高速发展,图像恢复被广泛应用于医学领域、军事领域、公共防卫领域及农业气象领域.本文综合TVL1、ROF、STVL1(Squares TVL1)、SHI模型,提出了非凸非光滑关于脉冲噪声去除模型,并使用变量分离技术的ADMM算法对模型进行求解,通常情况下,基于梯度的方法不适合非光滑优化,半二次(halfquadratic)和重权最小二乘算法(IRLS)在零点不可微分情况下不能应用到非光滑函数上, Graduated NonConvexity(GNC) algorithms跟踪非光滑和非凸的最小值沿着一系列近似的非光滑能量函数的势能,需要考虑其计算时间.为了处理模型的非凸非光滑项,本文应用多阶凸松弛方法对模型的子问题进行求解,虽然该方法仅导致原始非凸问题的局部最优解,但该局部解是对初始凸松弛的全局解的改进.此外,因为每个阶段都是凸优化问题,所以该方法在计算上是高效的.利用遗传算法对模型参数进行选择,通过在不同图片及不同噪声上的大量实验表明,该模型的鲁棒性、运行时间和ISNR、PSNR都优于其他三个模型.并且该模型能够保持图像的局部信息具有更好的可视化质量.