Оптимизация автономных энергетических систем с использованием возобновляемых источников энергии с помощью метаэвристических алгоритмов и алгоритма метода MAP-Elites: выпускная квалификационная работа магистра: направление 13.04.02 «Электроэнергетика и электротехника» ; образовательная программа 13.04.02_28 «Экология энергетики, автономные и возобновляемые источники энергии» = Optimization of autonomous energy systems using renewable energy sources with metaheuristic algorithms and the MAP-Elites method

Го Чэньюй

Детальная информация

Название	Оптимизация автономных энергетических систем с использованием возобновляемых источников энергии с помощью метаэвристических алгоритмов и алгоритма метода MAP-Elites: выпускная квалификационная работа магистра: направление 13.04.02 «Электроэнергетика и электротехника» ; образовательная программа 13.04.02_28 «Экология энергетики, автономные и возобновляемые источники энергии» = Optimization of autonomous energy systems using renewable energy sources with metaheuristic algorithms and the MAP-Elites method
Авторы	Го Чэньюй
Научный руководитель	Коровкин Николай Владимирович
Организация	Санкт-Петербургский политехнический университет Петра Великого. Институт энергетики
Выходные сведения	Санкт-Петербург, 2026
Коллекция	Выпускные квалификационные работы ; Общая коллекция
Тематика	микросеть ; фотоэлектрическая система ; накопитель энергии ; линейное про-граммирование ; многокритериальная оптимизация ; NSGA-II ; MAP-Elites ; паре-то-фронт ; microgrid ; photovoltaic system ; energy storage ; linear programming ; multi-objective optimization ; pareto front
Тип документа	Выпускная квалификационная работа магистра
Язык	Русский
Уровень высшего образования	Магистратура
Код специальности ФГОС	13.04.02
Группа специальностей ФГОС	130000 - Электро- и теплоэнергетика
DOI	10.18720/SPBPU/3/2026/vr/vr26-5735
Права доступа	Доступ по паролю из сети Интернет (чтение, печать, копирование)
Дополнительно	Новинка
Ключ записи	ru\spstu\vkr\44884
Дата создания записи	04.09.2026

Разрешенные действия

–

Действие 'Прочитать' будет возможно после подготовки администраторами необходимых файлов

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа	Анонимные пользователи
Сеть	Интернет

Работа посвящена многокритериальной оптимизации фотоэлектрической микросети с накопителем энергии и сравнению NSGA-II и MAP-Elites. Задачи: построение модели микросети и недельного ЛП-планирования; трёхкритериальная оптимизация; программная реализация NSGA-II и MAP-Elites; сравнительный анализ. Использованы профили промышленной нагрузки и летней радиации. Двухуровневый метод: ЛП (нижний уровень) вычисляет недельные эксплуата-ционные затраты, эволюционные алгоритмы (верхний) ищут Парето-решения. Стоимость ступенчатая, надёжность – экспоненциальное распределение. Результаты: При 20 000 вычислений MAP-Elites превосходит NSGA-II по гиперобъёму (+2,8%), IGD (+14,5%), числу уникальных недоминируемых ре-шений (+33%) и заполнению сетки (88% против 56%). Используются следующие информационные технологии: среда MATLAB R2025a с пакетами Optimization Toolbox (решатель linprog), Global Optimization Toolbox (функция gamultiobj для NSGA-II) и fmincon (алгоритм SQP) для ло-кального поиска; средства работы с разреженными матрицами.

This work is devoted to multi-objective optimization of a photovoltaic mi-crogrid with battery energy storage and comparison of NSGA-II and MAP-Elites. Objectives: construction of a microgrid model and weekly linear programming scheduling; three-objective optimization; software implementation of NSGA-II and MAP-Elites; comparative analysis. Industrial load profiles and summer solar radiation data were used. A two-level method is applied: linear programming (lower level) computes weekly operating costs, while evolutionary algorithms (upper level) search for Pareto-optimal solutions. Equipment costs follow a piecewise pricing model, and reliability is modeled by an exponential distribution. Results: With 20,000 computations, MAP-Elites outperforms NSGA-II in terms of hypervolume (+2.8%), IGD (+14.5%), the number of unique non-dominant solutions (+33%), and grid coverage (88% vs. 56%). Information technologies used: MATLAB R2025a with Optimization Toolbox (linprog solver), Global Optimization Toolbox (gamultiobj function for NSGA-II), and fmincon (SQP algorithm) for local search; sparse matrix tools.

Место доступа	Группа пользователей	Действие
Локальная сеть ИБК СПбПУ	Все
Интернет	Авторизованные пользователи СПбПУ
Интернет	Анонимные пользователи

...