基于智能优化算法的能源互联网能量适配研究

发布时间：2021-01-21 19:30

　　作为信息技术与各种分布式能源相结合的产物,能源互联网为解决多类型能源的适配调度、开放智能的能源传输控制以及能源信息的获取与高效处理提供了可行的技术方案。其中,多类型能源的适配调度是能源互联网有待解决的一个核心问题。该问题主要是通过确定能源互联网各分布式电源在一天内各时间段的输出功率以使得总运行成本最小化,从本质上来说是NP难的优化问题。而随着用户也可参与进能源互联网各分布式电源的适配调度,为各分布式电源适配调度提供个性化能源支撑。传统的数学方法在能源互联网能量适配的求解效率和精度都存在一定的问题。因此,有效选用和改进智能优化算法求解能源互联网能量适配问题,具有重要的理论意义和研究前景。本文将能源互联网中的能量适配过程建模为一个智能优化问题,并采用融合改进的飞蛾算法对能源互联网的能量适配问题进行优化研究,具体工作如下:（1）针对能源互联网中的各分布式电源模型理论,构建能源互联网能量经济适配模型。此外,将邻域搜索策略引入飞蛾算法,以实现对当前解的邻域搜索。并将改进算法运用于能源互联网能量经济适配模型,仿真实验结果表明改进算法在上述模型显示出一定的优势。（2）基于差分进化算法的变异和交叉操作... 

【文章来源】：南京邮电大学江苏省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

四种算法运行20次的描述性分析

图 4.5 五种算法运行 20 次的描述性分析一步说明 LSDEMFO 在能源互联网能量环境适配模型的优化性能，图、LSMFO、MFO、PSO 以及 DE 在一天中对能源互联网能量环境适配优化值的最大值、最小值、平均值以及标准差进化比较，这就避免了实验的最偶然因素而导致的。因此，在实验仿真中对每个算法各自独立运行 20 次， 20 次实验中的最大值和最小值，并计算 20 次实验的平均值和标准差。从SDEMFO 在最大值、最小值、平均值上都要小于其余三种算法，说明了该能量环境适配上的总运行成本最低，最终得到的能源互联网能量环境适配好。而标准差反应了智能优化算法在某个特定问题优化的稳定程度，标准差稳定程度越高，反之则越低。从图中不难看出在标准差上 LSMFO 也略小表明了 LSDEMFO 算法在收敛后的稳定性上也要优于 LSMFO、MFO、P述，DE 中的变异、交叉操作和邻域搜索策略引入 MFO 中，不仅使得融合


本文编号：2991760