基于HGAG优化算法的能源成本最小化研究

作者：杨帆; 李雪男; 李楠; 张桂红; 李显桃

来源：可再生能源, 2023, 41(8): 1122-1128.

DOI：10.3969/j.issn.1671-5292.2023.08.018

• 需求侧
• 智能电网
• 碳排放
• 杂交遗传蚁群

文章提出了一种智能优化的碳排放需求侧分析框架,能与可再生能源集成在智能电网中.通过人工神经网络预测用户的能源使用行为,完成电力公司的基于实时价格的需求响应程序(Real-Time Pricing Demand Response Program,RTPDRP),最大限度地降低能源成本、峰值负荷、碳排放,同时提高用户舒适度并避免峰值反弹.对杂交遗传蚁群(HGAC)优化算法的仿真结果表明,与现有框架相比,需求侧分析框架在能源成本最小化、峰值负荷缓解、碳排放缓解和用户不适最小化等方面具有优越性.文章所提出的HGAC优化算法,使碳排放量降低了4.00%.

• 单位
  国网青海省电力公司; 清华四川能源互联网研究院; 浙江大学; 国网青海省电力公司经济技术研究院