CN111429302A - 一种综合能源***稳态能流计算中天然气***初值计算方法 - Google Patents
一种综合能源***稳态能流计算中天然气***初值计算方法 Download PDFInfo
- Publication number
- CN111429302A CN111429302A CN202010288150.2A CN202010288150A CN111429302A CN 111429302 A CN111429302 A CN 111429302A CN 202010288150 A CN202010288150 A CN 202010288150A CN 111429302 A CN111429302 A CN 111429302A
- Authority
- CN
- China
- Prior art keywords
- natural gas
- fitness
- value
- calculating
- loop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 76
- 238000004364 calculation method Methods 0.000 title claims abstract description 46
- 239000003345 natural gas Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000002068 genetic effect Effects 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 5
- 210000000349 chromosome Anatomy 0.000 claims description 52
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002028 premature Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims description 4
- 238000009396 hybridization Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种综合能源***稳态能流计算中天然气***初值计算方法,首先输入天然气子***网络管道的参数值;然后设定环路流量初值以此计算环路压强差,并判断环路压强差是否收敛,若收敛则直接通过牛顿法计算天然气网络管道流量和各节点压强,否则通过计算出雅可比矩阵和解修正方程,修正管道压强差;接下来计算并判断适应度函数fit的数值是否大于2,若大于2,则将环路流量作为初始值,否则形成新的种群,直至适应度函数fit的数值大于2。本发明通过遗传算法和牛顿初值选择定理选取计算初值,可以在工程实际应用中面对管网复杂的情况时,既提高算法效率,减少计算时间,又使天然气子***的能流计算结果必然收敛。
Description
技术领域
本发明属于综合能源***稳态能流计算技术领域,具体涉及一种综合能源***稳态能流计算中天然气***初值计算方法。
背景技术
综合能源***作为一种多能源耦合***,对于它的能流计算研究多是侧重于对于它的研究多是关于稳态建模与分析、运行策略优化、静态安全分析等。参考文献[1]提出适用的多能流计算方法,并且进行稳态分析,参考文献[2]借鉴天然气***中稳态分析方法,对天然气***进行稳态求解,从而探究电气互联***的稳态分析方法,最后分析天然气网自身状态发生变化对整体***的影响。
当前现有的天然气***部分的能流计算方法一般为节点法和环路法,环路法因其准确性较高,程序设计简单,计算量小而得到了广泛应用,对于环路法中的非线性方程组需要用牛顿法来求解。牛顿法具有二阶收敛的特性,但对初值的选取要求比较高,并且潮流计算收敛的迭代次数也因初值选取的不同有很大变化,甚至会由于初值的选取不当而不收敛。因此,初值的选取和收敛性的判断是影响牛顿法潮流计算收敛性和收敛时间的根本性问题之一,也决定了天然气***能流计算最后是否有解,现有的文献并未对此问题进行解决。
遗传算法是一种随机化搜索方法,是自然界的进化规律(适者生存,优胜劣汰遗传机制)为基础演化而来的。其特点在于可以直接对结构对象进行操作,不存在函数连续性和求导的限定;采用概率化的寻优方法,能自动获取和指导优化的捜索空间,自适应地调整搜索方向,不需要确定的规则;具有更好的全局寻优能力。算法的全局寻优能力可以为计算提供合理的初值,同时算法在电力***潮流计算选取初值的合理性已经得到很好的验证。
参考文献:
[1]王英瑞,曾博,郭经,史佳琪,张建华.电–热–气综合能源***多能流计算方法[J].电网技术,2016,40(10):2942-2951.
[2]王伟亮,王丹,贾宏杰,陈沼宇,郭炳庆,周海明,范孟华.考虑天然气网络状态的电力–天然气区域综合能源***稳态分析[J].中国电机工程学报,2017,37(05):1293-1305.
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种综合能源***稳态能流计算中天然气***初值计算方法。
为实现上述技术目的,本发明采取的技术方案为:
一种综合能源***稳态能流计算中天然气***初值计算方法,所述综合能源***为电-气互联综合能源***,所述方法包括:
步骤1:输入天然气网络管道的参数值;
步骤2:各环路流量初始化种群,给定环路流量初值;
步骤3:设定迭代次数K=0;
步骤4:以环路流量初值计算环路压强差,并判断环路压强差是否收敛,若收敛则转步骤10,否则转步骤5;
步骤5:计算雅可比矩阵J各元素,并解修正方程,修正环路压强差;
步骤6:K=K+1,判断K是否大于2,若大于2则转步骤7;否则转步骤5;
步骤7:采用适应度函数fit计算种群中每个染色体的适应度值,并判断是否存在适应度值大于2的染色体,若存在则转步骤9,否则转步骤8;
步骤8:通过个体选择、交叉和变异,形成新种群,转步骤7;
步骤9:将种群中适应度值大于2的染色体数值设置为各自对应参数的初值;
步骤10:进行牛顿法潮流计算,计算天然气网络管道流量和各节点压强。
上述的步骤2中,将遗传算法嵌入环路法计算天然气子***网络参数的初始部分,具体为:
将各环路流量初始化种群,规模为N,N随天然气子***环路数目的增多而增多;
环路i的流量表示为Qi,并将其编码为染色体;
从而遗传算法的染色体表述为:Ci=(Q1,Q2,…,Qi),其中,Qimin≤Qi≤Qimax,i=1,2,…N;Qimin指环路流量的最小值,Qimax指环路流量的最大值。
遗传算法中的染色体代表牛顿潮流计算的初值并服从于最优化问题的约束。
上述的步骤7中,采用如下适应度函数计算种群中每个染色体的适应度值:
fit为适应度函数,F为潮流方程,J0,J1,J2分别为初始和第一次和第二次计算的雅可比矩阵,ρ为潮流计算收敛算子。
上述的步骤8中,个体选择方法为:
步骤8.1:选取两个个体:
步骤8.2:计算并比较选取个体的适应度值,如果两个个体的适应度值相同,则选取两个个体中的任意一个个体放入配对库中,否则选取适应度值大的个体放入配对库中,并淘汰适应度值小的个体,即f′m=max{f′i,f′j};
步骤8.3:重复步骤8.1-8.2,直至配对库中包含1/2N个体为止。
上述的步骤8中,交叉过程为:
选择两个个体为父代,在母代随机选取若干基因按照如下概率进行两点交叉杂交:
Pc是交换概率,favg是初始适应度的均值,fmax是初始适应度的最大值,f'是为克服早熟现象采用线性定标原则定标后的适应度函数,k1,k2为常数。
每个进行交配的父代染色体,交换部分基因,产生两个新的子代染色体,子染色体取代父代染色体进入新种群,没有进行交配的染色体直接复制进入新种群。
上述的步骤8中,变异过程为:
在新种群中选取一个新的个体作为母代,若干基因按照如下概率对新的种群中染色体的基因进行变异操作:
pm是变异概率,favg是初始适应度的均值,fmax是初始适应度的最大值,f'是为克服早熟现象采用线性定标原则定标后的适应度函数,k3,k4为常数。
发生变异的基因数值发生改变,变异后的染色体取代原有染色体进入新种群,未发生变异的染色体直接进入新的种群。
本发明具有以下有益效果:
本发明通过遗传算法和牛顿初值选择定理选取计算初值,可以在工程实际应用中面对管网复杂的情况时,既提高算法效率,减少计算时间,又使天然气子***的能流计算结果必然收敛。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
本发明的一种综合能源***稳态能流计算中天然气***初值计算方法,所述综合能源***为电-气互联综合能源***,所述方法为:
首先输入天然气子***网络管道的参数值;然后设定环路流量初值以此计算环路压强差,并判断其是否收敛,若是收敛则直接通过牛顿法计算天然气网络管道流量和各节点压强,否则通过计算出雅可比矩阵和解修正方程,修正管道压强差;接下来借用遗传算法中描述个体适应度的函数来判断修正结果的准确性,判断适应度函数fit的数值是否大于2,若大于2,则将环路流量作为初始值,否则通过遗传算法形成新的种群,直至适应度函数fit的数值大于2。
参见图1,本发明的一种综合能源***稳态能流计算中天然气***初值计算方法,具体包括:
步骤1:输入天然气网络管道的参数值;
步骤2:各环路流量初始化种群,给定环路流量初值;
步骤3:设定迭代次数K=0;
步骤4:以环路流量初值计算环路压强差,并判断环路压强差是否收敛,若收敛则转步骤10,否则转步骤5;
步骤5:计算雅可比矩阵J各元素,并解修正方程,修正环路压强差;
步骤6:K=K+1,判断K是否大于2,若大于2则转步骤7;否则转步骤5;
步骤7:采用适应度函数fit计算种群中每个染色体的适应度值,并判断是否存在适应度值大于2的染色体,若存在则转步骤9,否则转步骤8;
步骤8:通过个体选择、交叉和变异,形成新种群,转步骤7;
步骤9:如果染色体的适应度值大于2,则潮流计算的收敛算子会小于1/2,则潮流计算可以获得收敛解。故将凡是种群中适应度值大于2的染色体数值设置为各自对应参数的初值。
步骤10:进行牛顿法潮流计算,计算天然气网络管道流量和各节点压强。
实施例中,所述步骤2中,不同于现有的综合能源***能流计算流程中天然气网络的猜测性给定初值方法,本发明将遗传算法嵌入环路法计算天然气子***网络参数的初始部分,具体为:
将各环路流量初始化种群,规模为N,N随天然气子***环路数目的增多而增多;
环路i的流量表示为Qi,并将其编码为染色体;
从而遗传算法的染色体表述为:Ci=(Q1,Q2,…,Qi),其中,Qimin≤Qi≤Qimax,i=1,2,…N;Qimin指环路流量的最小值,Qimax指环路流量的最大值。
遗传算法中的染色体代表牛顿潮流计算的初值并服从于最优化问题的约束。
实施例中,所述步骤7中,采用如下适应度函数计算种群中每个染色体的适应度值:
保存适应值最大的染色体Best,若有适应值大于2的染色体则直接将此染色体作为Best(即步骤9)。
实施例中,所述步骤8中,个体选择方法为:
步骤8.1:选取两个个体:
步骤8.2:计算并比较选取个体的适应度值,如果两个个体的适应度值相同,则选取两个个体中的任意一个个体放入配对库中,否则选取适应度值大的个体放入配对库中,并淘汰适应度值小的个体,即f′m=max{f′i,f′j};
步骤8.3:重复步骤8.1-8.2,直至配对库中包含1/2N个体为止。
这种方法既保证了配对库中的个体在解空间中有较好的分散性,同时保证了加入配对库中的个体具有较大的适应值。
实施例中,所述步骤8中,交叉过程为:
选择两个个体为父代,在母代随机选取若干基因按照如下概率进行两点交叉杂交:
每个进行交配的父代染色体,交换部分基因,产生两个新的子代染色体,子染色体取代父代染色体进入新种群,没有进行交配的染色体直接复制进入新种群。
实施例中,所述步骤8中,变异过程为:
在新种群中选取一个新的个体作为母代,若干基因按照如下概率对新的种群中染色体的基因进行变异操作:
发生变异的基因数值发生改变,变异后的染色体取代原有染色体进入新种群,未发生变异的染色体直接进入新的种群。变异后的新种群转入步骤7取代原有种群,直至新种群的适应度函数大于2为止。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种综合能源***稳态能流计算中天然气***初值计算方法,其特征在于,所述综合能源***为电-气互联综合能源***,所述方法包括:
步骤1:输入天然气网络管道的参数值;
步骤2:各环路流量初始化种群,给定环路流量初值;
步骤3:设定迭代次数K=0;
步骤4:以环路流量初值计算环路压强差,并判断环路压强差是否收敛,若收敛则转步骤10,否则转步骤5;
步骤5:计算雅可比矩阵J各元素,并解修正方程,修正环路压强差;
步骤6:K=K+1,判断K是否大于2,若大于2则转步骤7;否则转步骤5;
步骤7:采用适应度函数fit计算种群中每个染色体的适应度值,并判断是否存在适应度值大于2的染色体,若存在则转步骤9,否则转步骤8;
步骤8:通过个体选择、交叉和变异,形成新种群,转步骤7;
步骤9:将种群中适应度值大于2的染色体数值设置为各自对应参数的初值;
步骤10:进行牛顿法潮流计算,计算天然气网络管道流量和各节点压强。
2.根据权利要求1所述的一种综合能源***稳态能流计算中天然气***初值计算方法,其特征在于,所述步骤2中,将遗传算法嵌入环路法计算天然气子***网络参数的初始部分,具体为:
将各环路流量初始化种群,规模为N,N随天然气子***环路数目的增多而增多;
环路i的流量表示为Qi,并将其编码为染色体;
从而遗传算法的染色体表述为:Ci=(Q1,Q2,…,Qi),其中,Qimin≤Qi≤Qimax,i=1,2,…N;Qimin指环路流量的最小值,Qimax指环路流量的最大值;
遗传算法中的染色体代表牛顿潮流计算的初值并服从于最优化问题的约束。
4.根据权利要求1所述的一种综合能源***稳态能流计算中天然气***初值计算方法,其特征在于,所述步骤8中,个体选择方法为:
步骤8.1:选取两个个体:
步骤8.2:计算并比较选取个体的适应度值,如果两个个体的适应度值相同,则选取两个个体中的任意一个个体放入配对库中,否则选取适应度值大的个体放入配对库中,并淘汰适应度值小的个体,即f'm=max{fi',f'j};
步骤8.3:重复步骤8.1-8.2,直至配对库中包含1/2N个体为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288150.2A CN111429302B (zh) | 2020-04-14 | 2020-04-14 | 一种综合能源***稳态能流计算中天然气***初值计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288150.2A CN111429302B (zh) | 2020-04-14 | 2020-04-14 | 一种综合能源***稳态能流计算中天然气***初值计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429302A true CN111429302A (zh) | 2020-07-17 |
CN111429302B CN111429302B (zh) | 2023-07-25 |
Family
ID=71557836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010288150.2A Active CN111429302B (zh) | 2020-04-14 | 2020-04-14 | 一种综合能源***稳态能流计算中天然气***初值计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429302B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417665A (zh) * | 2020-11-17 | 2021-02-26 | 南京工程学院 | 一种基于天牛须初值的电-气综合能源能流计算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005940A (zh) * | 2015-07-09 | 2015-10-28 | 河海大学 | 计及相关性的电-气互联***概率最优潮流计算方法 |
CN106874554A (zh) * | 2017-01-13 | 2017-06-20 | 重庆大学 | 一种天然气***能流计算的改进方法 |
CN108389136A (zh) * | 2018-01-29 | 2018-08-10 | 重庆大学 | 一种考虑多重不确定性的天然气概率-模糊能流分析方法 |
CN108875269A (zh) * | 2018-07-09 | 2018-11-23 | 重庆大学 | 一种考虑电力***多平衡机与天然气***慢动态特性的电-气互联***多时段能流计算方法 |
CN109066692A (zh) * | 2018-09-14 | 2018-12-21 | 吉林大学 | 一种分布式能源接入的电力网络潮流优化方法 |
CN109063379A (zh) * | 2018-09-11 | 2018-12-21 | 东北电力大学 | 基于最大熵原理的电-气综合能源***概率能流计算方法 |
CN109325598A (zh) * | 2018-09-26 | 2019-02-12 | 中国人民解放军陆军工程大学 | 一种面向资源分配的组合混沌遗传算法 |
-
2020
- 2020-04-14 CN CN202010288150.2A patent/CN111429302B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005940A (zh) * | 2015-07-09 | 2015-10-28 | 河海大学 | 计及相关性的电-气互联***概率最优潮流计算方法 |
CN106874554A (zh) * | 2017-01-13 | 2017-06-20 | 重庆大学 | 一种天然气***能流计算的改进方法 |
CN108389136A (zh) * | 2018-01-29 | 2018-08-10 | 重庆大学 | 一种考虑多重不确定性的天然气概率-模糊能流分析方法 |
CN108875269A (zh) * | 2018-07-09 | 2018-11-23 | 重庆大学 | 一种考虑电力***多平衡机与天然气***慢动态特性的电-气互联***多时段能流计算方法 |
CN109063379A (zh) * | 2018-09-11 | 2018-12-21 | 东北电力大学 | 基于最大熵原理的电-气综合能源***概率能流计算方法 |
CN109066692A (zh) * | 2018-09-14 | 2018-12-21 | 吉林大学 | 一种分布式能源接入的电力网络潮流优化方法 |
CN109325598A (zh) * | 2018-09-26 | 2019-02-12 | 中国人民解放军陆军工程大学 | 一种面向资源分配的组合混沌遗传算法 |
Non-Patent Citations (2)
Title |
---|
HONG-BO WANG 等: "《Energy Flow Analysis of Combined Natural Gas and Electric System Using the Multi-Balanced Buses Power Flow Calculation》" * |
钟俊杰 等: "《综合能源***多能流准稳态分析与计算》" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417665A (zh) * | 2020-11-17 | 2021-02-26 | 南京工程学院 | 一种基于天牛须初值的电-气综合能源能流计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111429302B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488315B (zh) | 一种基于深度强化学习和遗传算法的分批调度优化方法 | |
CN104268077A (zh) | 基于混沌遗传算法的测试用例集约简算法 | |
CN104867062A (zh) | 一种基于遗传算法的低损耗配电网络的优化重构方法 | |
CN110838590A (zh) | 一种质子交换膜燃料电池气体供应控制***及方法 | |
CN105868867A (zh) | 一种供热锅炉集群优化运行方法及*** | |
Chen et al. | Genetic algorithm-based design and simulation of manufacturing flow shop scheduling | |
Peng et al. | Birandom variables and birandom programming | |
CN111429302A (zh) | 一种综合能源***稳态能流计算中天然气***初值计算方法 | |
CN115392139A (zh) | 一种燃料电池参数辨识方法 | |
CN114386659A (zh) | 核电厂用水***泵管优化方法 | |
CN107590572A (zh) | 一种基于ibbo的复杂环网方向保护mbps求取方法 | |
CN107016441A (zh) | 一种遗传算法与差分进化算法串行融合的进化算法 | |
CN110796295A (zh) | 一种能源互联网气网传输优化方法 | |
CN116562113A (zh) | 一种基于聚类算法的用电评估方法、***及介质 | |
CN111460550B (zh) | 一种基于变化小生境的自由曲面结构多工况Pareto解集优化法 | |
CN110571791B (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
Zhou et al. | Double-tank liquid level control based on genetic algorithm | |
CN112508424A (zh) | 综合能源***能流计算中天然气子***计算初值选定方法 | |
CN113139330B (zh) | 一种基于改进型遗传算法的核电厂冷链***配置方法 | |
CN117895557B (zh) | 一种配电网调控方法、装置、介质及产品 | |
CN114565241B (zh) | 一种计及碳成本的电-气综合能源***调度方法及装置 | |
CN117745390B (zh) | 多种群遗传算法的多目标模糊供应链配置优化方法和*** | |
CN114491903B (zh) | 基于白边界的最优有理多项式与超细群结合的共振算法 | |
Li et al. | Aluminum electrolysis multi-objective control system based on quantum optimized | |
Lei et al. | Nonlinear Function Optimization Based on Adaptive Genetic Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |