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

1. 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。

1. 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。

1. 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。

1. 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

1. 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。

1. 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。

1. 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。

1. 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

1. 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。

1. 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。

1. 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。

1. 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

1. 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。

1. 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。

1. 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。

1. 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！