基于智能电网技术的能源网络供应链买电策略研究

智能电网的提出不仅是电网技术本身发展的需要，更是各国能源和经济发展战略层面的需要。可再生能源作为清洁能源的突出代表，其分布式发电系统是智能电网发展的必然趋势。但是，由于天气等因素导致的可再生能源高度不确定性和间歇性却给智能电网系统的稳定带来很大挑战。为了应对这一挑战，并发挥可再生能源的成本优势，本文从微观运营的角度，研究带有可再生能源供给的"多对多"能源网络供应链的买电决策问题，求得能源集成商的最优买电量，以及能源短缺成本、发电厂产能、可再生能源不确定性等参数对最优解的影响。本文发现，发电厂产能对能源集成商使用可再生能源的策略有直接影响。并且，可再生能源产能较大的能源集成商因为规避不确定性风险反而会提高买电量。本文的结论能帮助智能电网节省用电成本，为实现节约型、可靠型和稳定型电网系统提供一定参考。     

基于资源流网络优化的Max-npv项目调度

活动拖期通过资源流网络的传递会严重影响项目的净现值收益。针对该问题，本文首先在确定性环境下采用模拟退火算法(SA)构建了Max-NPV(Maximize the Net Present Value)非鲁棒性基准调度计划，然后考虑到活动工期的不确定性，设计了MEPC(Minimize Expected Penalty Cost)资源流网络优化算法，通过鲁棒性资源分配实现净现值期望惩罚成本最小化。大规模仿真对比实验结果表明，在活动工期低、中、高三种不确定性程度下，相对于采用随机资源分配算法(SA+RRAS)构建的非鲁棒性调度计划，SA+MEPC算法构建的鲁棒性调度计划在项目净现值实际收益、调度计划的“解”鲁棒性和“质”鲁棒性三个方面都取得了更好的结果，并且应对活动拖期风险的能力也更强。