Details

Задачи: двухуровневая модель (ЛП-диспетчеризация, трёхкритериальная верхняя задача), получение начального фронта MOPSO, построение поведенческих сеток 15×15, локальный поиск (fmincon) и фильтрация выбросов по медиане. Методы исследования: MOPSO с внешним архивом, MAP‑Elites с элитарной заменой, линейная регрессия для штрафа за ненадёжность, локальная оптимизация SQP. Результаты: покрытие ячеек сеток выросло с 41 % до 83 % и 80 %; суммарные затраты снижены на 15–20 % в ряде областей; найдены новые допустимые конфигурации.

Work: filtering and improvement of the Pareto-optimal set of configurations of an autonomous electric power system with photovoltaics and energy storage by means of MAP Elites. Research methods: MOPTasks: two-level model (LP-based dispatch, three-objective upper-level problem); obtaining the initial front with MOPSO; constructing 15×15 behavioral grids; local search (fmincon) and outlier filtering using the median. SO with an external archive; MAP Elites with elitist replacement; linear regression for the unreliability penalty; local SQP optimization. Results: grid cell coverage increased from 41 % to 83 % and 80 %; total costs decreased by 15–20 % in several regions; new feasible configurations were discovered.

• ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
• ВВЕДЕНИЕ
  • 1.1.Актуальность темы
• 2.Моделирование системы накопления энергии вфотоэл
  • 2.1. Топология и состав системы
  • 2.2. Модель выходной мощности фотоэлектрических мо
  • 2.3. Модель нагрузки
  • 2.4. Механизм дифференцированных по времени тарифо
  • 2.5. Циклический возврат накопителя к нулю
  • 2.6. Запрет на продажу электроэнергии в сеть
  • 2.7. Сводка входных параметров модели
  • 2.8. Анализ чувствительности модели к дискретизаци
• 3. Модель диспетчерского управления первого уровня
  • 3.1. Дискретизация непрерывной временной области
    • 3.1.1. Преобразование непрерывного времени в дискр
    • 3.1.2. Соответствие между непрерывным и дискретным
  • 3.2. Определение переменных решения
  • 3.3. Целевая функция
  • 3.4. Ограничения-равенства
    • 3.4.1. Уравнение энергетического баланса
    • 3.4.2. Рекуррентное соотношение для накопителя
    • 3.4.3. Начальное условие (обнуление накопителя)
    • 3.4.4. Конечное условие (обнуление накопителя)
  • 3.5. Ограничения-неравенства
  • 3.6. Граничные ограничения переменных
  • 3.7. Общая структура модели линейного программиров
  • 3.8. Алгоритм решения: метод внутренней точки
  • 3.9. Верификация модели: проверка рекуррентного со
  • 3.10. Результаты линейного программирования для ис
  • 3.11. Интерпретация решения: экономический смысл
• 4. Построение двухуровневой многокритериальной зад
  • 4.1. Стандартная форма многокритериальной оптимиза
  • 4.2. Переменные решения и их допустимые диапазоны
  • 4.3. Формулировка целевых функций
    • 4.3.1. Минимизация недельных эксплуатационных затр
    • 4.3.2. Минимизация инвестиционных затрат на оборуд
    • 4.3.3. Минимизация системной ненадёжности f3(x)
  • 4.4. Ограничения-неравенства и метод штрафных функ
    • 4.4.1. Технические неравенства, сужающие допустиму
    • 4.4.2. Сведение к безусловной задаче с помощью вне
  • 4.5. Вычислительная схема оценки конфигурации
• 5. Построение алгоритма оптимизации роя частиц (PS
  • 5.1. Бионические правила оптимизации роя частиц (и
  • 5.2. Обзор процесса многокритериального алгоритма
  • 5.3. Механизмы обновления скорости и положения час
    • 5.3.1. Формула обновления скорости (инерционный ве
    • 5.3.2. Формула обновления положения
  • 5.4. Стратегии настройки инерционного веса и коэфф
  • 5.5. Обработка границ (ограничение скорости и поло
  • 5.6. Внешний архив и стратегия сохранения элитных
  • 5.7. Расширение однокритериального алгоритма на мн
    • 5.7.1. Теория Парето-оптимальности
    • 5.7.2. Стратегии выбора компромиссного решения (на
• 6. Построение алгоритма MAP-Elites
  • 6.1. Основные понятия алгоритма MAP-Elites
  • 6.2. Общий обзор процесса алгоритма MAP-Elites
  • 6.3. Проектирование пространства поведенческих хар
    • 6.3.1. Определение трёх архивов
  • 6.4. Генерация сетки
  • 6.5. Правила сохранения решений (элитарная замена)
  • 6.6. Настройка эволюционных операторов
    • 6.6.1. Полиномиальная мутация
    • 6.6.2. Симуляция бинарного скрещивания
  • 6.7. Определение диапазонов целевых функций
  • 6.8. Локальная оптимизация ячеек с помощью fmincon
• 7. Сравнительный анализ многокритериального алгори
  • 7.1. Исходные данные и параметры вычислительного э
  • 7.2. Результаты работы алгоритма MOPSO
    • 7.2.1. Трёхмерный Парето-фронт
    • 7.2.2. Двумерные проекции Парето-фронта
    • 7.2.3. Статистические характеристики популяции
  • 7.3. Результаты работы алгоритма MAP-Elites
    • 7.3.1. Сравнительный анализ двумерных карт элит
  • 7.4. Анализ результатов локальной оптимизации и за
  • 7.5. Сравнительная характеристика двух алгоритмов
    • 7.5.1. По качеству решений
    • 7.5.2. По вычислительной эффективности
    • 7.5.3. По пригодности для принятия решений
• ЗАКЛЮЧЕНИЕ