从低碳向可持续能源生产过渡的势头正在增强,支持日益增长的能源需求过渡导致可再生能源更多地渗透电网,这带来了新的挑战。此外,预测电动车辆数增加表示电载量变异增加

计算智能提供全套工具有效设计、调度和维护智能网格和微格在所有CI技术中,数据驱动方法基于机器学习,包括神经网络、随机森林、深学习、进化优化和模糊逻辑都有可能促进未来能源应用建模分析机器学习算法可被用于不同的时空范围,与不同的决策活动相对应。可应用到不同时间尺度的生产和加载预测中举例说,深度学习算法可用于图像或时间序列分析,提高短期预测预测精度

进化优化算法可有效处理非线性、多式和高维问题设计阶段可使用EO寻找最佳系统配置,同时考虑不同目标可分析系统稳定性、运营和投资成本、服务质量以及其他多项技术这些目标可合并成多目标问题最后,可直接或结合模糊逻辑和ML技术用于系统管理模糊逻辑可用于系统管理甚或维护目的的高级控制逻辑定义非数字分类常由经验丰富的运算符提供

本特题的目的是集合原创研究文章并审查讨论本研究题目的文章提交资料应侧重于智能微网格应用计算智能技术

潜在题目包括但不限于:

• 可变可再生能源预测不同时界(例如极短短日日间)
• 负载预测电动车充电时间预测
• 通过计算智能和微网格电动车辆集成
• 故障诊断分析电气系统
• 进化算法分级
• 进化算法优化系统设计(例如单目标多目标分析)
• 微网格系统能源管理控制
• 优化可再生能源(如太阳能光电机、燃料电池、风轮机和节能)
• 机器智能微网格通信系统学习计算智能应用