针对微电网集群在复杂约束下发电成本偏高和经济效益不足的问题,提出一种基于双种群金豺优化(dual population golden jackal optimization,DGJO)算法的微电网集群优化调度模型。首先,以综合成本最小化为目标,构建涵盖运行、储能、电力...针对微电网集群在复杂约束下发电成本偏高和经济效益不足的问题,提出一种基于双种群金豺优化(dual population golden jackal optimization,DGJO)算法的微电网集群优化调度模型。首先,以综合成本最小化为目标,构建涵盖运行、储能、电力交易及环境等多项成本的微电网集群优化调度模型。其次,提出DGJO算法,利用莱维飞行实现自适应收敛,以双种群策略平衡探索与开发,引入哈里斯鹰围攻和缓存猎取算子提升寻优精度。然后,采用DGJO对时间卷积网络(temporal convolutional network,TCN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的超参数进行优化,提升收敛速度和模型的泛化能力。最后算例结果表明,所提模型在复杂约束与扰动情景下有较好的鲁棒性,并有效降低了系统的综合成本。展开更多
文摘针对微电网集群在复杂约束下发电成本偏高和经济效益不足的问题,提出一种基于双种群金豺优化(dual population golden jackal optimization,DGJO)算法的微电网集群优化调度模型。首先,以综合成本最小化为目标,构建涵盖运行、储能、电力交易及环境等多项成本的微电网集群优化调度模型。其次,提出DGJO算法,利用莱维飞行实现自适应收敛,以双种群策略平衡探索与开发,引入哈里斯鹰围攻和缓存猎取算子提升寻优精度。然后,采用DGJO对时间卷积网络(temporal convolutional network,TCN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的超参数进行优化,提升收敛速度和模型的泛化能力。最后算例结果表明,所提模型在复杂约束与扰动情景下有较好的鲁棒性,并有效降低了系统的综合成本。
