融合通信优化的虚拟电厂分布式能源调度框架研究——基于网络感知蛙跳算法的分时协同调度策略

《Applied Sciences》：Co-Optimization of Revenue and Communication for Virtual Power Plants via Renewable Energy Forecasting and Time-Segmented Access

　　

摘要

通过虚拟电厂（VPP）集成分布式能源资源（DER）面临诸多挑战，如可再生能源的间歇性、通信调度的不确定性以及高昂的数据采集成本。尽管现有研究往往忽视了实际实施的效率问题，但本文提出了一种融合通信优化的VPP调度框架。首先，建立了一个通信-调度模型，用于量化网络不确定性对收益的影响。其次，提出了一种基于历史数据聚类的设备预分配策略，以降低试错成本和算法复杂度。最后，采用一种全局优化算法，实现设备接入的分时协同优化，在降低网络切换频率的同时，平衡丢包率、传输时延和运行收益。仿真结果表明，与传统贪婪算法相比，所提策略可将VPP调度收益损失降低约23.6%。此外，在与PSO等经典元启发式基线算法的相同预测条件下进行对比评估，网络感知蛙跳算法（NAFA）能够有效跳出局部最优并实现最低收益损失，强有力地验证了所提框架的经济效率、算法优越性和调度可靠性。