近日，我校自动化学院庞新富博士以beat365为第一单位，在计算机与人工智能领域顶刊之一《Expert Systems With Applications》发表重要研究成果。
《Expert Systems With Applications》期刊2022-2023综合影响因子8.5，在中科院SCI分区的大类学科Computer Science、小类学科Artificial Intelligence和 Electrical & Electronic均为1区期刊，是计算机与人工智能领域Top期刊。
论文链接：
https://doi.org/10.1016/j.eswa.2023.122875
本研究为了提高热电联产系统的风电消纳能力，降低碳排放，提高运行效率，引入了碳捕集与封存（CCS）技术、储能（ES）技术和需求响应（DR）机制，构建了考虑CCS、ES和DR的双目标低碳经济调度模型。在该模型中，CCS和ES消除了系统发电和供热之间的耦合，基于分时电价和供热舒适度的DR机制进一步增强了系统的灵活性，提出了一种改进多目标骨干粒子群优化（IBBMOPSO）算法，求解双目标调度模型并获得帕累托前沿（图1）。该算法改进了粒子位置更新模式以平衡各个寻优阶段的全局进化和局部搜索能力；采用Taguchi方法标定了算法参数；使用反转世代距离、超体积和覆盖范围去评估算法的分布和收敛性能；利用基于熵权法的逼近理想解排序方法得到最佳折中解。以中国东北地区某一热电联产系统为计算实例，仿真结果表明：在引入CCS、ES和DR之后，有效地降低了系统运行的平均经济成本和碳排放；IBBMOPSO算法在热电联产系统低碳经济调度问题中较NSGA-II、MOWDO、MOMA、MOPSO和BBMOPSO算法有更加优越的性能（图2）。
图1基于改进多目标骨干粒子群算法的求解流程
图2经济性和碳排放双目标下6种算法的帕累托前沿
作者简介：
庞新富，博士，毕业于东北大学流程工业综合自动化全国重点实验室，beat365自动化学院副教授。入选辽宁省高等学校创新人才支持计划、“沈工人才”培育计划拔尖人才，控制科学与工程学科骨干成员。主要研究方向：人工智能驱动的智能制造系统、综合能源系统的优化决策与智能数据解析。主持国家自然科学基金面上项目、中国博士后科学基金特别资助、中国博士后科学基金面上资助等纵向项目14项；参与国家863重大专项、工信部重大专项、国家自然科学基金重点等纵向项目20余项。发表学术论文80余篇，其中SCI检索20篇，EI检索42篇，出版学术专著2部。
