提示:DS C君认为的难度:B<A,开放度:A<B。
以下为AB题选题建议及初步分析:
A题:园区微电网风光储协调优化配置
题目描述:
园区微电网由风光发电和主电网联合为负荷供电,需要优化风光发电装机容量和储能配置,以尽量提高风光电量的负荷占比,减少弃电,并考虑投资及收益。
难度:4/5
开放度:4/5
适合专业:电气工程、能源工程、控制工程、运筹学、计算机科学等
需要用到的算法:
l 优化算法(如线性规划、非线性规划)
l 动态规划
l 仿真算法(如蒙特卡罗模拟)
l 时间序列分析
添加图片注释,不超过 140 字(可选)
题目背景与简单分析:
这道题目主要涉及园区微电网的优化配置问题,目的是提高风光发电的负荷占比,减少弃电,同时考虑储能配置的投资及收益。题目要求分析各园区在不同运行模式下的经济性,并优化储能配置方案。
园区微电网由风力发电、光伏发电和主电网联合供电。由于风光发电的不稳定性,配置储能系统可以缓解负荷与发电功率的时序不匹配问题。题目需要分别考虑独立运营、联合运营和未来负荷增长的协调配置方案。
建模过程
-
数据预处理:
-
负荷数据:处理各园区的负荷曲线数据,得到典型日的负荷变化情况。
-
风光发电数据:处理各园区的风力和光伏发电数据,得到典型日的发电功率。
-
储能系统参数:包括储能容量、功率、充放电效率、SOC范围等。
-
模型构建:
-
经济性分析模型:
-
计算未配置储能时各园区的购电量、弃风弃光电量、总供电成本和单位电量平均供电成本。
-
储能配置模型:
-
各园区独立运营时,建立优化模型,考虑50kW/100kWh储能配置的经济性,并制定最优储能运行策略。
-
联合运营时,建立联合园区的储能优化模型,分析总购电量、弃风弃光电量、总供电成本和单位电量平均供电成本。
-
优化目标:
-
最小化总供电成本。
-
最大化风光发电利用率。
-
最优储能配置方案,包括储能容量和功率。
-
约束条件:
-
储能系统的SOC范围。
-
储能系统的充放电功率和效率。
-
负荷和发电功率的平衡。
推荐算法
-
线性规划:
-
用于解决各园区独立运营时的购电量、弃风弃光电量和总供电成本的最小化问题。
-
可以利用常见的线性规划工具(如Python的PuLP库)进行建模和求解。
-
动态规划:
-
用于优化储能系统的充放电策略,以最小化总供电成本。
-
动态规划可以有效处理储能系统的多阶段决策问题。
-
蒙特卡罗模拟:
-
用于仿真风光发电和负荷的不确定性,评估储能系统配置方案的鲁棒性和可靠性。
-
通过大量仿真运行,评估不同储能配置方案的性能。
-
多目标优化:
-
考虑多目标优化算法(如NSGA-II)来同时优化经济性和风光发电利用率。
-
多目标优化算法可以找到Pareto前沿,提供多种权衡方案供决策者选择。
A题要求对园区微电网进行风光储能的协调优化配置,需要构建复杂的优化模型,考虑多种运行模式和目标。推荐使用线性规划、动态规划、蒙特卡罗模拟和多目标优化算法,以确保方案的经济性和可行性。这一题目具有较高的技术难度和实际应用价值,适合具有较强电力系统和优化算法背景的团队参与。
B题:大学生平衡膳食食谱的优化设计及评价(C君推荐题目)
题目背景与简单分析:
题目描述: 针对大学生的一日三餐,评估其营养摄入,进行膳食调整和优化设计,制定经济实用的膳食方案,并撰写健康饮食倡议书。
难度:3/5 开放度:5/5 适合专业:统计学、应用数学、计算机科学等 需要用到的算法:
-
线性规划
-
多目标优化
-
数据分析
-
回归分析
添加图片注释,不超过 140 字(可选)
题目背景与简单分析:
这道题目是比赛的热门题目,是很多同学在训练的时候经常做的题目类型了,属于数据分析类题目,同时也是团队擅长的题目。需要一定的建模能力,和其他赛事赛题类型类似,建议大家(各个专业均可)进行选择。这道题目开放度适中,难度较易,是本次比赛获奖的首选题目。推荐所有专业同学选择门槛较低且开放度也相对较高。
这道题目需要主要关注大学生的膳食营养摄入,要求对给定的膳食食谱进行营养分析评价,并在此基础上进行膳食食谱的优化设计。题目还要求考虑成本因素,以设计经济实用的膳食方案,同时兼顾营养均衡和经济性。
题目涉及对膳食营养素的分析评价,以及基于一定的准则和目标建立优化模型。目标是通过科学的膳食设计,帮助大学生改善饮食结构,形成健康的饮食习惯。
建模过程
-
数据预处理:
-
膳食数据:处理男大学生和女大学生的一日食谱数据,计算各自的营养素摄入量。
-
食物信息数据:处理高校食堂提供的食物信息统计表,获取每种食物的营养成分和成本数据。
-
营养需求数据:根据附件提供的营养素参考摄入量和平衡膳食基本准则,设定目标摄入量。
-
模型构建:
-
营养评价模型:
-
计算当前食谱的营养摄入量,并与目标摄入量进行比较,评价现有食谱的营养均衡性。
-
优化模型:
-
目标函数1:最大化蛋白质氨基酸评分。建立线性规划模型,以蛋白质氨基酸评分为目标,优化男生和女生的日食谱。
-
目标函数2:最小化用餐费用。建立线性规划模型,以用餐费用最小化为目标,优化男生和女生的日食谱。
-
目标函数3:兼顾蛋白质氨基酸评分及经济性。建立多目标优化模型,综合考虑营养评分和成本,优化男生和女生的日食谱。
-
优化目标:
-
最大化营养素(特别是蛋白质氨基酸)的摄入评分。
-
最小化用餐总成本。
-
综合考虑营养均衡性和成本的多目标优化。
-
约束条件:
-
每种营养素的摄入量必须在合理范围内,不能超过或低于推荐摄入量。
-
每日总卡路里摄入量必须满足需求。
-
食谱中的食物选择必须来自提供的食物信息统计表。
推荐算法
-
线性规划:
-
用于单目标优化(如最大化蛋白质氨基酸评分或最小化用餐费用)。
-
可以利用常见的线性规划工具(如Python的PuLP或SciPy库)进行建模和求解。
-
多目标优化:
-
考虑多目标优化算法(如NSGA-II)来同时优化营养评分和用餐成本。
-
多目标优化算法可以找到Pareto前沿,提供多种权衡方案供决策者选择。
-
回归分析:
-
用于分析食物的营养成分和成本之间的关系,帮助构建更准确的优化模型。
-
启发式算法:
-
如遗传算法或粒子群优化算法,可用于解决复杂的非线性、多目标优化问题。
B题要求对大学生的一日食谱进行营养分析和优化设计,需要综合考虑营养均衡性和经济性。通过建立营养评价模型和多目标优化模型,可以设计出既健康又经济的膳食方案。推荐使用线性规划、多目标优化和回归分析等方法,以确保方案的科学性和可行性。这一题目开放度高,适合数学、统计学、计算机等专业背景的学生参与。
其中更详细的思路,各题目思路、代码、讲解视频、成品论文及其他相关内容,可以点击下方群名片哦!