XiaoMi-AI文件搜索系统
World File Search Systemnonconvex
对微电网优化的综述，使用元热门技术：范围，趋势和建议
微电网（MGS）使用可再生能源来满足对消费者需求和技术进步不断增长的能源需求的增长。他们使用分布式能源资源独立用作小规模的能源网络。但是，可再生能源和功率差的间歇性是必不可少的操作问题，必须减轻改善MG的性能。为了应对这些挑战，研究人员引入了MGS的启发式优化机制。然而，本地的最小值以及无法找到全球启发式方法的最小值，在非线性和非convex优化方面造成了错误，在处理MG的几个操作方面时，挑战构成了挑战，例如能源管理优化，成本效益的调度，可靠性，存储能力，存储量，网络攻击最小化以及网格最小化和网格整合。这些挑战通过增加存储容量的管理，成本最小化，可靠性保证和可再生资源的平衡来影响MG的绩效，从而加速了对元神灵优化算法（MHOAS）的需求。本文介绍了MHOAS的最新评论及其在改善MGS运营绩效中的作用。首先，讨论了MG优化的基础知识，以探索MG网络中MHOAS的范围，必需品和机会。其次，描述了MG结构域中的几个MHOA，并总结了MG技术经济分析，负载预测，弹性提高，控制操作，故障诊断和能量管理的最新趋势。摘要表明，在这些领域的研究中，近25％的研究利用了粒子群优化方法，而遗传和灰狼算法分别被近10％和5％的本文研究，分别用于优化MG的性能。该结果总结了MHOA提出了一种系统不合稳定的优化方法，为增强未来MG的有效性提供了新的途径。最后，我们强调了在将MHOAS整合到MGS中时出现的一些挑战，有可能激励研究人员在该领域进行进一步的研究。
使用伪凸凸优化的信号走廊中连接车辆的文章类型实时控制†
没有人类驾驶员的干预，并与其他车辆和/或基础设施以及其他设备2进行通信2。美国运输部总结了将CAV技术引入运输系统3：道路安全，经济和社会福利，能源效率和公共流动性的四个主要潜在好处。CAV技术为驾驶员/车辆和交通基础设施创造了一个新的环境，以在现实世界中进行交互。在这种环境中，连接起着至关重要的作用，无线通信使车辆能够相互通信（V2V）以及基础架构（V2I）（v2i）关于实时车辆位置，速度，加速度和其他数据。这些实时数据的可用性为CAVS提供了协调交通相互作用的机会，以使交通相互作用，以最大程度地提高燃油效率并减少碰撞4。猜测对自动运输系统进行了实质性转变，已经进行了许多研究，以调查涉及CAV应用程序的挑战和机会5,6,7,8。例如，橡树岭国家实验室9正在开发用于CAVS应用程序的实时移动控制系统（RTMC），其中包括流量数据管理，路线计划，集中式通信和可视化。已经证明，可以使用交通信号阶段和计时（SPAT）信息来提高车辆燃油效率以协调车辆操作10。还已经确定，可以通过解决相关的最佳控制问题4来确定车辆的最佳速度方案。然而，尽管许多研究人员已经证明了使用SPAT信息来优化燃油经济性的潜力，但大多数努力都集中在提高单个车辆的性能并发出信号计时控制11,12。此外，相关作品主要集中于为CAV生成可行的轨迹，同时忽略了以计算效率和保证收敛性来实时执行生成的轨迹。骑士的运动控制系统是安全至关重要的，并严重依赖于车载算法。需要对操作的实时更新，以应对周围环境的动态。尽管已经提出了许多方法来获得轨迹的轨迹，但由于高计算成本，无法保证最佳解决方案，并且无法应付非凸运动限制和动态环境，因此它们的优化方法不适合现实世界实施。13,14。本文将通过开发一种基于凸优化的新型方法来满足这种需求，该方法使用SPAT信息产生速度曲线。具有多项式解决方案时间和全球最佳收敛的优点，凸优化方法对于车载应用非常有前途。这项研究的贡献是三倍。首先，提出的顺序凸编程（SCP）算法解决了非线性和非凸的最佳速度控制问题，并确保收敛性和多项式解决方案时间在解决每个步骤中解决凸的问题时。本文的其余部分如下：第2节对相关工作进行了简要审查。第二，我们利用伪搭配方法与线路搜索和信任区域技术结合使用，从根本上改善了提出的SCP算法，以提高准确性，更好的实时和融合性能。第三，得益于高级计算效率，该提出的方法实现了实时模型预测控制（MPC）框架，并对动态交通环境的即时响应，以避免碰撞和车辆协调。第3节描述了本研究中考虑的系统动力学和最佳控制问题。第4节介绍了一种新方法，该方法确定了在信号走廊中行驶的骑士的最佳车辆速度轮廓。第5节通过模拟结果和比较证明了拟议方法的性能和有效性。第6节总结了本文的工作。
风光水电抽水蓄能混合能源系统两阶段稳健优化容量配置
水电、抽水蓄能与可再生能源混合能源系统已成为现代电力系统发展的新课题方向，实现不同能源容量的合理、高效配置至关重要，但现有研究与混合能源系统进一步发展的要求之间仍然存在差距。本文重点研究风电、光伏、水电、抽水蓄能电力系统的最优容量配置，推导了风电、光伏、水电、抽水蓄能电力系统最优容量配置的双层规划模型。为了对抽水蓄能电站的运行模式进行建模，引入了两个 0-1 变量。为了处理由两个 0-1 变量引起的非线性、非凸的下层规划问题，建议将 0-1 变量视为一些不确定参数。另外，通过将 0-1 变量视为一些不确定参数，最终引入两阶段稳健优化问题，将原始双层规划问题分解为主问题和子问题。然后应用 Karush-Kuhn-Tucker (KKT) 条件来简化和线性化主问题中的最小-最大问题和非线性项。这使得主问题和子问题都被表述为混合整数线性规划 (MILP) 问题。通过利用强大的列和约束生成 (C&CG) 算法，两阶段稳健优化模型被分解为依次解决主问题和子问题的迭代过程。这种方法消除了混合能源系统现有双层规划问题中常用的复杂优化算法的需要。最后，通过案例研究的数值结果验证了所提出模型的有效性和优势。
量子计算在电力系统中的应用
由于不断扩张，当前的互联电力系统是地球上最大、最复杂的人造动态系统。这些庞大的系统具有高度的非线性，在空间和时间上表现出多尺度行为。此外，由于可再生能源的整合，电力系统的随机性和不确定性越来越强。日益增加的复杂性使得分析电力系统中的一系列相关问题变得越来越困难。这里，我们提供了一些典型的例子。暂态稳定评估（TSA）是确保当今庞大电网安全的关键技术，高度的非线性使得电力系统的暂态稳定性分析变得越来越困难。最优潮流（OPF）是能源行业的一个重要的优化问题，它用于系统规划、确定日前市场的价格以及有效分配一天中的发电能力。潮流方程的约束使得OPF问题非凸且难以求解。机组组合（UC）是电力系统调度中一个非常重要的优化问题，它可以建模为NP难混合整数非线性规划。还有与电力系统分析相关的其他问题，例如经济调度、静态稳定性等。一般而言，由于电力系统规模和复杂性的增加，所有上述问题对于传统计算范式来说都变得越来越困难。研究人员正在尝试寻找其他更有效的计算范式来解决这些多方面的问题。随着量子硬件的发展，量子计算作为一种有前途的计算范式开始受到越来越多的关注。诸如HHL、Shor's Factorization和Grover搜索之类的算法可以在量子硬件上实现，以利用量子特性（即叠加和纠缠）来实现量子优势。大规模纠错量子计算机可以解决甚至最大的经典超级计算机都无法解决的问题。然而，在嘈杂的中尺度量子（NISQ）时代，由于量子比特资源的限制（包括但不限于量子比特数量和量子电路深度），在量子硬件上实现的量子算法很难在短时间内应用于实际工业。因此，又提出了另外两类有趣的算法。一类是混合量子-经典算法，将量子计算与经典计算相结合，以降低量子比特资源需求。另一类是量子启发算法，它在经典计算机上运行，并将量子概念引入经典算法。这两类算法也可以带来潜在的性能改进。上述三种量子相关算法的开发和应用引起了广泛关注，并已应用于包括电力系统在内的许多场景。本期特刊旨在探索电力系统问题的新量子相关方法，例如经济调度、最优潮流、机组组合、暂态稳定性和静态稳定性。这些方法基于量子计算 (QC) 技术的应用（即采用量子算法、量子启发算法、量子强化学习或量子神经网络）。通过探索