电化学储能电站在应用于调频、调压等功率波动性工况时,存在能量效率较低、荷电状态(state of charge,SOC)不均衡等问题。该文提出考虑能量效率和SOC均衡的电池储能电站双层功率分配策略,其主要包括单元优化层和子系统优化层:单元优化...电化学储能电站在应用于调频、调压等功率波动性工况时,存在能量效率较低、荷电状态(state of charge,SOC)不均衡等问题。该文提出考虑能量效率和SOC均衡的电池储能电站双层功率分配策略,其主要包括单元优化层和子系统优化层:单元优化层通过充电/放电优先级分区计算实际运行单元数量及其编号,建立以储能单元能耗最小为目标的优化模型,并采用遗传算法求解最优解集;子系统优化层引入基于电化学阻抗的电池能耗模型,以储能子系统能耗最低和SOC均衡为目标建立多目标优化模型,并采用非支配快速排序遗传算法(non-dominated sorting genetic algorithms-II,NSGA-II)进行求解。通过某地区锂电池储能电站实际参数验证所提策略的有效性,结果表明,与SOC比例分配策略和单层功率分配策略相比,所提功率分配策略在降低电站能耗的同时能最大程度实现SOC均衡,保障电站双向调节能力,提高储能电站经济性。展开更多
文摘在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。
