为探究高比例可再生能源系统下风光资源的消纳与多元化利用途径,提出一种电氨转换及风光时空相关性的多能耦合系统两阶段鲁棒优化模型。首先分析了电制氨的运行机制,并结合直接氨燃料电池技术,探讨了电制氨与氨燃料电池协同运行的系统...为探究高比例可再生能源系统下风光资源的消纳与多元化利用途径,提出一种电氨转换及风光时空相关性的多能耦合系统两阶段鲁棒优化模型。首先分析了电制氨的运行机制,并结合直接氨燃料电池技术,探讨了电制氨与氨燃料电池协同运行的系统特性。为综合考虑风光出力的相关性与不确定性并选择最相近极限场景,该文采用最小体积封闭椭球算法构建高维椭球集,并通过1-范数和∞-范数建立风光出力场景的概率分布置信集,有效整合风光出力不确定性的分布信息。针对鲁棒优化模型中二元变量导致计算时间较长问题,该文提出了一种改进列与约束生成(column and constraint generation,C&CG)算法,利用三分块-交替方向乘子法和近似凸化方法分别处理主-子问题,并通过非精确C&CG算法对主-子问题进行迭代求解,在确保计算效率的同时,快速逼近最优解。结果表明,所提模型获取的极限场景能够准确捕捉风光出力的时空相关性及不确定性,电-氨转换系统有效促进了可再生能源的合理消纳,在确保系统安全稳定运行的同时,显著提升了调度经济性及求解效率。展开更多
针对无人机在进行电力巡检时遇到的变电站设备或密集树木场景下的障碍物避障困难问题,在传统快速扩展随机树(rapid-exploring random tree,RRT)算法的基础上,提出了一种新的快速扩展随机树-椭球子集采样算法(quick and informed RRT-sta...针对无人机在进行电力巡检时遇到的变电站设备或密集树木场景下的障碍物避障困难问题,在传统快速扩展随机树(rapid-exploring random tree,RRT)算法的基础上,提出了一种新的快速扩展随机树-椭球子集采样算法(quick and informed RRT-star,QI-RRT^(*))算法。算法提出了两项关键优化:通过采用Q-RRT^(*)(quick RRT-star)算法中的重连重写步骤提升无人机电力巡检路径优化效果;引用含椭球子集采样的多目标采样策略,增强路径规划的目标导向性。最后,将QI-RRT^(*)算法与其他算法在模拟巡检环境下进行了对比仿真实验,从扩展情况、路径代价、规划时间等多个维度分析实验结果。结果表明,该算法相比RRT^(*)(RRT-star)算法平均缩短83.07%的规划时间,同时减少了4.76%的路径代价,验证了在多障碍物环境下,QI-RRT^(*)算法对无人机快速寻找有效的巡检路径具有显著的提升效果。展开更多
文摘为探究高比例可再生能源系统下风光资源的消纳与多元化利用途径,提出一种电氨转换及风光时空相关性的多能耦合系统两阶段鲁棒优化模型。首先分析了电制氨的运行机制,并结合直接氨燃料电池技术,探讨了电制氨与氨燃料电池协同运行的系统特性。为综合考虑风光出力的相关性与不确定性并选择最相近极限场景,该文采用最小体积封闭椭球算法构建高维椭球集,并通过1-范数和∞-范数建立风光出力场景的概率分布置信集,有效整合风光出力不确定性的分布信息。针对鲁棒优化模型中二元变量导致计算时间较长问题,该文提出了一种改进列与约束生成(column and constraint generation,C&CG)算法,利用三分块-交替方向乘子法和近似凸化方法分别处理主-子问题,并通过非精确C&CG算法对主-子问题进行迭代求解,在确保计算效率的同时,快速逼近最优解。结果表明,所提模型获取的极限场景能够准确捕捉风光出力的时空相关性及不确定性,电-氨转换系统有效促进了可再生能源的合理消纳,在确保系统安全稳定运行的同时,显著提升了调度经济性及求解效率。
文摘针对无人机在进行电力巡检时遇到的变电站设备或密集树木场景下的障碍物避障困难问题,在传统快速扩展随机树(rapid-exploring random tree,RRT)算法的基础上,提出了一种新的快速扩展随机树-椭球子集采样算法(quick and informed RRT-star,QI-RRT^(*))算法。算法提出了两项关键优化:通过采用Q-RRT^(*)(quick RRT-star)算法中的重连重写步骤提升无人机电力巡检路径优化效果;引用含椭球子集采样的多目标采样策略,增强路径规划的目标导向性。最后,将QI-RRT^(*)算法与其他算法在模拟巡检环境下进行了对比仿真实验,从扩展情况、路径代价、规划时间等多个维度分析实验结果。结果表明,该算法相比RRT^(*)(RRT-star)算法平均缩短83.07%的规划时间,同时减少了4.76%的路径代价,验证了在多障碍物环境下,QI-RRT^(*)算法对无人机快速寻找有效的巡检路径具有显著的提升效果。
