微电网中的分布式发电和存储系统在实时定价下使用基于生物地理的优化算法进行最佳运行
Emad M Ahmed1, Mehrdad Ahmadi Kamarposhti2, Hammad Alnuman3
1Department of Electrical Engineering, College of Engineering, Jouf University, Sakaka, 72388, Saudi Arabia. emamahmoud@ju.edu.sa.
生物地理和遗传算法优化微电网能源管理,以节省成本. 生物地理算法在降低微电网费用和管理能源资源方面被证明更有效.
科学领域:
- 能源系统工程 能源系统工程
- 人工智能的人工智能
- 优化技术 优化技术
背景情况:
- 微电网越来越多地采用来自电力和热源的分布式发电 (DG).
- 有效的能源管理对于优化GD和储存利用,减少消耗和合理投资至关重要.
- 实时定价 (RTP) 需要微电网能源管理的先进策略.
研究的目的:
- 在微电网中优化电力和热能总局资源的利用,以实现实时定价的成本节约.
- 为了比较生物地理算法和基因算法在微电网能源管理中的有效性.
- 为了降低微电网的整体能源供应成本.
主要方法:
- 利用生物地理算法和遗传算法来优化总局资源分配.
- 嵌入式电气GD源 (太阳能电池板,柴油发电机,电池储能) 和热源 (炉热).
- 包括一个热电联产系统,用于同时产生热能和电能.
主要成果:
- 生物地理算法在微电网能源资源管理方面表现出卓越的性能.
- 与遗传算法相比,生物地理算法在微电网中实现了更大的成本降低.
- 这两种算法都旨在最大限度地减少微电网的能源供应,而生物地理算法显示出更好的结果.
结论:
- 生物地理算法对于优化不同GD来源的微电网中的能源管理非常有效.
- 拟议的生物地理算法为微电网运行提供了比遗传算法更具成本效益的解决方案.
- 负载响应策略对于微电网中高效的热能和电能管理至关重要.
更多相关视频
11:53Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
14:33Optimize Flue Gas Settings to Promote Microalgae Growth in Photobioreactors via Computer Simulations
Published on: October 1, 2013
相关概念视频
Fast Decoupled and DC Powerflow
Optimal Foraging
Maximum Power Flow and Line Loadability
Distributed Loads: Problem Solving
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
The Power Flow Problem and Solution
