机构名称：
¥ 2.0
弹性微电网（MG）的能力计划和优化问题被广泛认为是非确定性多项式时间硬化（NP-HARD）问题。因此，可以利用受各种自然和物理过程启发的顶级算法 - 可用于确定设计MGS的近乎最佳性。然而，对主流文献的全面综述表明，尚未评估几种元启发式学的表现。回应，本文首先基于在MG尺寸应用中针对文献中良好的元硫素化的MG尺寸应用中的效率，即粒子群优化（PSO）算法。为此，将元启发式学分别集成到一种新型的MG尺寸方法中，该方法知道从电动汽车（EV）充电载荷获得的最佳需求响应能力。对两个无网格，100％可再生的MG进行了建模，这使得可以在远离网格的区域的可靠且强大的电荷供应。此外，还将高级的EV收费需求响应程序集成到整体方法中，同时量化了各种时间序列数据不确定性的来源并考虑特定的弹性约束。在Aotearoa-new Zealand的三个现实世界中孤立的社区案例研究中得出的仿真结果证实了所提出的随机，面向弹性的，面向弹性的，可弹性的，可恢复需求的需求响应 - 可响应 - 可降低的MG尺寸方法。重要的是，基于综合统计的绩效评估表明，新的元启发式学有可能在MG尺寸应用程序中胜过高达〜6％的PSO。这表明使用先进的元启发式学来改善经济学，从而推出资本密集型网格渗透的100％可再生级别的MGS具有潜在的重要含义。
效率com
主要关键词
相关文件推荐
