Детальная информация

Данная работа посвящена использованию алгоритмов MOCS, Map-Elites и линейного программирования для оптимизации мощности оборудования солнечной электростанции с накопителями энергии. Задачи, которые решались в ходе исследования: 1)Электрическая модель ФЭС с накопителем, модель генерации ФЭС, многотарифные цены, запрет продажи энергии, обнуление накопителя за период. 2)Модель линейного программирования для минимизации затрат на покупку энергии: 4 параметра (мощность ФЭС, контроллер накопителя, сетевой контроллер, емкость накопителя). 3)Трёхкритериальная оптимизация: эксплуатационные затраты, затраты на оборудование, недоиспользование солнечной энергии. 4)Построение MOCS и MAP-Elites: генераторы случайных чисел, правила отбора решений. 5)Сравнительный анализ алгоритмов, рекомендации для практики. Получен следующий вывод: MOCS подходит для задач, требующих высокой точности и учёта приоритетов, а MAP-Elites подходит для интерактивных сценариев с необходимостью предоставления множества альтернатив. MOCS обеспечивает глубину сходимости, MAP-Elites обеспечивает широту поиска. Были использованы следующие информационные технологии:MATLAB 2025A; linprog; структура поиска кукушки; NSGA-II; Map-Elites с собственной многокритериальной доработкой.

This thesis focuses on the use of MOCS, Map-Elite, and linear programming algorithms to optimize the power of solar power plant equipment with energy storage. The research set the following goals: 1) Electrical model of a PV power plant with storage, PV power generation model, multi-tariff prices, energy sales ban, and storage reset for a period. 2) Linear programming model for minimizing energy purchase costs: 4 parameters (PV power plant capacity, storage controller, grid controller, storage capacity). 3) Three-criteria optimization: operating costs, equipment costs, and solar energy underutilization. 4) Construction of MOCS and MAP-Elites: random number generators, solution selection rules. 5) Comparative analysis of algorithms, recommendations for practice. The following conclusion was reached: MOCS is suitable for problems requiring high accuracy and consideration of priorities, while MAP-Elites is suitable for interactive scenarios requiring multiple alternatives. MOCS provides depth of convergence, while MAP-Elites provides breadth of search. The following information technologies were used: MATLAB 2025A; linprog; cuckoo search framework; NSGA-II; Map-Elites.