СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

В работе рассмотрена задача оптимального управления генерирующим потребителем

с возобновляемыми источниками энергии в интеллектуальной сети с распределенной генерацией и двусторонними потоками энергии. Показано, что управление необходимо выполнять

в недетерминированных условиях из-за невозможности точного прогнозирования выработки электроэнергии возобновляемыми источниками. Для управления генерирующим потребителем использована модель выбора управляющих действий на основе логических правил, что приводит к необходимости решения задачи структурно-параметрической оптимизации списка правил и значений их численных параметров. В отличие от существующих исследований, рассмотрена задача оптимального управления с точки зрения отдельного генерирующего потребителя, а не всей распределенной системы, а также управление без использования в явном виде прогнозов выработки и потребления. Решение данной задачи оптимизации выполнено тремя алгоритмами роевого интеллекта (алгоритм роя частиц, алгоритм пчел, алгоритм светлячков) и алгоритмом градиентного спуска. Вычислительные эксперименты проведены для моделей ветроэнергетических систем на дальневосточных островах Русский и Попова. Полученные результаты показали высокую эффективность роевых алгоритмов, которые продемонстрировали надежную и быструю сходимость к глобальному экстремуму задачи оптимизации при различных вариантах взаимодействия и различных параметрах генерирующих потребителей. Также проведен анализ влияния емкости аккумуляторных батарей генерирующего потребителя на вариативность его действий и в конечном счете на повышение выгоды от взаимообмена электроэнергий с внешней электроэнергетической системой и соседними генерирующими потребителями. Дано обоснование экономической выгоды от повышения емкости накопителей энергии до определенного предела, который может быть определен предложенным

в работе способом.

1. Манусов В.З., Хасанзода Н. Оптимизация энергоэффективности ветровых ресурсов Дальнего Востока на основе алгоритма роевого интеллекта // Альтернативная энергетика и экология (ISJAEE). – 2018. – № 19–21. – С. 12–22.

2. Optimal scheduling for coordination renewable energy and electric vehicles consumption / D.L. Ha, H. Guillou, N. Martin, V.D. Cung, M. Jacomino // 2015 IEEE International Conference on Smart Grid Communications, 2–5 November, 2015. – Miami, FL, 2015. – P. 319–324.

3. Load shedding and smart-direct load control using internet of things in smart grid demand response management / H. Mortaji, S. Siew, M. Moghavvemi, H. Almurib // IEEE Transactions on Industry Applications. – 2017. – Vol. 53, iss. 6. – P. 5155–5163.

4. Shah P., Hussain I., Singh B. Multi-resonant FLL based control algorithm for grid interfaced multifunctional solar energy conversion system // IET Science, Measurement and Technology. – 2018. – Vol. 12, iss. 1. – P. 49–62.

5. Сокольникова Т.В., Суслов К.В., Ломбарди Л. Определение оптимальных параметров накопителя для интеграции возобновляемых источников энергии в изолированных энергосистемах с активными потребителями // Вестник Иркутского государственного технического университета. – 2015. – № 10 (105). – C. 206–211.

6. Манусов В.З., Хасанзода Н, Бобоев Ш.А. Исследование оптимальных режимов интеллектуальных сетей с двухсторонним потоком энергии // Научный вестник НГТУ. – 2018. – № 3. – С. 175–190.

7. Растригин Л.А. Современные принципы управления сложными объектами. – М.: Советское радио, 1980. – 232 с.

8. Ногин В.Д. Введение в оптимальное управление: учебно-методическое пособие. – СПб.: ЮТАС, 2008. – 92 с.

9. Манусов В.З., Хасанзода Н., Матренин П.В. Повышение энергоэффективности ветроэнергетических установок на основе роевого интеллекта // Новое в российской энергетике. – 2018. – № 10. – С. 36–43.

10. Swarm intelligence and bio-inspired computation: theory and applications / ed. by X.-Sh. Yang et al. – Amsterdam; Boston: Elsevier, 2013. – 450 p.

11. Матренин П.В. Разработка адаптивных алгоритмов роевого интеллекта в проектировании и управлении техническими системами: дис. … канд. техн. наук: 05.13.01. – Томск, 2018. – 197 с.

12. Матренин, П.В., Манусов В.З. Адаптивный алгоритм роя частиц в задачах оперативного планирования // Вестник компьютерных и информационных технологий. – 2016. – № 4 (142). – С. 11–15.

13. Глебов Н.И., Кочетов Ю.А., Плясунов А.В. Методы оптимизации: учебное пособие. – Новосибирск: Изд-во НГУ, 2000. – 105 с.