基于差分进化算法的配电网智能换相策略

结合三相智能换相开关的换相过程, 提出一种以差分进化算法为核心、以混合固态开关为基础的配电网智能换相系统。以三相电流不平衡度和换相开关动作次数为目标, 采用差分进化算法对换相策略进行寻优, 通过初始化、变异、交叉与选择操作, 获得最优的换相策略, 提高了系统的实时性和准确性。通过将磁保持继电器与以绝缘栅双极型晶体管(insulated gate bipolar transistor, IGBT)为主体的固态开关相结合方式, 提出采用混合固态开关进行快速切换的方法, 使换相开关具有功耗低、通流能力强的特点, 提高了系统的可靠性。通过实际测试验证了算法和切换开关在快速切换与提高换相过程电能质量方面的可行性。     

解全局优化问题的差分进化策略

以进化策略算法为框架,提出一种求解连续函数,特别是高维连续函数问题的优化算法--差分进化策略.该算法利用进化策略快速收敛的优点,融入了差分演化算法中具有较强全局搜索能力的变异算子.经数值实验分析表明,差分进化策略在函数优化过程中具有较强稳健性,可提高全局搜索能力,保持快速收敛优势,能用于研究生物进化、机器学习、人工智能、模糊系统及人工神经网络训练等领域.     

基于搜索偏好知识的复杂多模差分进化算法

针对复杂多模优化问题,提出一种基于搜索偏好知识的差分进化算法PKLSHADE。PKLSHADE将先验搜索偏好知识注入到种群的进化过程,在不同的进化阶段对种群的多样性和集约性区分考虑,进化早期重视差分扰动以增强算法的全局开发能力,进化后期更多围绕当前最优解进行局部精细搜索。同时,基于搜索偏好知识的变异策略能够实现差分进化算法全局开发和局部搜索的自适应平滑过渡,避免两搜索阶段的硬切换。在CEC2017复杂混合多模函数上的实验结果及统计分析表明,PKLSHADE在最优解的精度、算法的稳定性等方面均优于LSHADE、EBLSHADE、jSO及AMECoDEs等近年来的优秀差分进化算法。     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

一种基于混合差分策略的改进差分进化算法

对启发式优化算法中的差分进化算法进行改进．在进化过程中并行交叉采用DE／rand／1／exp和DE／best／1／exp差分策略，应用聚集度因子进行种群重构，缩小了种群重构后的搜索范围，有效避免了种群重构的随机性．仿真结果表明，改进算法与使用单一差分策略的差分进化算法及PSO算法相比．寻优能力得到了显著提高．     

基于DE-RVM的开关磁阻电机无位置传感器研究

位置传感器的存在降低了开关磁阻电机可靠性与容错性,增加系统复杂度与成本.针对这一问题,提出了基于差分进化算法优化的相关向量机的开关磁阻电机转子位置估算方法.采用相关向量机(relevance vector machine,缩写RVM)建立电机转子位置角预测模型,并利用差分进化(differential evolution,缩写DE)算法优化组合核函数参数,发挥其全局最优、快速收敛等优点,实现电机电流、磁链、转矩、转子位置角间的非线性映射.结果表明,该方法能够在无位置传感器情况下实现开关磁阻电机转子位置在线估算,且估算精度较高、电机运行性能稳定.     

一种配变三相负荷不平衡的自动均衡控制方法

配电网中单相负荷的大量接入导致三相负荷不平衡,为解决配电网中三相负荷不平衡带来的一系列危害,首先提出一种配变三相不平衡负荷自动均衡控制方法,以降低配变的三相不平衡度;然后系统地分析换相式不平衡负荷自动均衡控制系统的结构,设计控制流程及其换相策略,并详细说明基于复合式开关的换相单元的断路器和晶闸管的控制流程;最后建立配变...     

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.     

可进化硬件的动态进化

将可进化硬件动态进化分为两类,并针对基于任务切换的动态进化进行研究.提出一个进化与学习的混合策略,将改进的CGP(Cartesian Genetic Programming)算法与局部学习结合,用于可进化硬件的动态进化.实验结果表明,该策略以较小的计算代价扩大了算法的搜索范围,提高了进化成功率,可以满足任务切换类可进化硬件动态进化的要求.     

双层协同进化克隆选择算法及其应用

为解决克隆选择算法收敛速度慢、收敛精度低等问题,提出了双层协同进化克隆选择算法,该算法的每一层使用不同的进化方案进行寻优搜索,并通过信息共享实现了层间的协同进化,形成层内竞争与层间协作的进化模式.通过构建基于多种进化策略的混合协同进化机制,实现了不同进化策略在优化过程中的优势互补与信息增值,达到有效平衡算法的全局探索与局部开发的目的,同时也较好避免了算法的早熟收敛问题.用10个标准测试函数来验证所提出算法的可行性与有效性,仿真实验结果表明:相比克隆选择算法及其两个改进的算法,本文提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,且测试函数维度的增加对本文算法的收敛性能影响不大,其优势更加凸显.针对混沌系统控制与同步中的系统参数估计问题,以Lorenz混沌系统的参数估计为例,进行了未知参数估计的数值仿真,结果显示本文算法实现了混沌系统参数的高精度估计,是一种有效的混沌系统参数估计方法.     

基于差分进化的水波优化算法

水波优化(WWO)算法是一种基于浅水波理论的新兴智能优化算法.为提高算法的收敛速度和精度,提出一种基于差分进化的水波优化(DEWWO)算法,在传播、折射、碎浪过程之后进行变异、选择、交叉操作,通过差分进化算法的过程有效地增加种群多样性,一定程度上避免算法陷入局部最优,提高算法搜索的效率和精度.对6个常用的基准函数进行测试,结果表明改进算法相对于基本水波优化算法在函数优化方面具备一定的优势,是对基本水波优化算法的有力补充.     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

改进差分进化算法在非线性模型预测控制中的应用

为了解决非线性模型预测控制在实际工程系统应用时,传统方法求解非凸的非线性规划问题容易陷入局部极小,计算量随着问题维数的增加呈几何级数增长的问题,对传统的差分进化算法进行了改进.通过动态调节差分进化算法的主要参数加快差分进化算法的收敛速度,同时采用多种突变策略增加种群的多样性,有效克服了传统差分进化算法容易陷入局部极小的缺点.在简单三容液位系统上的仿真实验结果证明了该算法的有效性和可行性,在工业应用中具有较好的应用前景.     

基于PSO-DE和LMI的鲁棒静态输出反馈控制

在多目标控制框架下,针对连续多面体不确定系统,提出了一种混合算法来解决鲁棒静态输出反馈控制问题。为了计算静态输出反馈增益,通过把粒子群优化(PSO)和差分进化(DE)的混合算法与线性矩阵不等式(LMI)方法相结合,求解具有双线性矩阵不等式(BMI)约束的优化问题。PSO-DE混合算法用来得到控制器的样本,LMI方法用来最优化系统的性能指标。以混合H2/H∞控制问题为例,给出了一种鲁棒多目标静态输出反馈控制求解的算法。仿真结果表明,与以往的迭代法和DE-LMI算法相比,提出的PSO-DE/LMI混合算法提高了收敛速度和精度。     

自适应差分进化算法的研究及其在聚丙烯牌号切换优化中的应用

针对常规差分进化算法易"早熟"的问题,提出了自适应的差分进化算法,该算法在计算过程中自适应地调整变异率,使得种群在初期保持个体多样性,避免早熟,到后期保留优良信息,加快全局搜索速度;同时该算法还引入了扰动交叉算子,有助于在搜索过程中保持群体的多样性.测试表明,新算法的寻优性能有明显改善,并成功地应用于聚丙烯牌号切换优化问题.     

农村配电台区换相开关三相不平衡治理系统的应用

我国农村电力系统普遍存在三相不平衡问题。构建了一套基于台区管理终端的分散式换相控制系统,并在智能开关和控制系统研发的基础上,开展了农村典型电力系统三相不平衡治理系统的试运行。运行结果表明,该系统运行可靠,可以使三相不平衡度从现有的60%~80%降低至20%~30%。     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。     

一种基于置换策略的离散多目标差分进化算法

提出了一种基于置换策略的多目标差分进化算法,采用置换策略来实现优化空间由连续向离散的转换,并结合Pareto快速分层排序策略和基于聚集密度的按层修剪操作对种群进行更新维护,以保持解集的逼近性和分布性。以多目标0/1背包问题为例进行实验,结果表明该算法能有效求解离散型多目标优化问题,优于经典的NSGA-II算法。     

余弦适应性骨架差分进化算法

针对传统差分进化算法在解决复杂优化问题时存在收敛速度慢的问题,提出了一种余弦适应性骨架差分进化算法(CABDE),算法设计了一种新的变异策略适应性机制。该机制引入一个余弦适应性因子,实现高斯变异策略和DE/current-to-best/1变异策略的优势互补,以平衡算法的勘探能力和开采能力。其中,高斯变异策略具有较强的全局搜索能力,有利于维持种群多样性。DE/current-to-best/1变异策略具有较强的局部搜索能力,能够加快对较优区域的开采。同时,高斯变异策略和DE/current-to-best/1变异策略都利用当前最优个体来引导算法搜索方向,从而尽可能地加快收敛速度。余弦适应性因子在进化过程中随迭代次数的增加而波动性调整,为不同进化阶段适应性地选择变异策略。设计的变异策略适应性机制能够在维持种群多样性的同时加快收敛速度。为测试算法性能,采用18个不同特性的测试函数对算法进行数值实验。对CABDE算法的变异策略和参数动态变化进行了分析,实验结果验证了变异策略和参数动态变化的有效性。此外,CABDE算法分别与新近的骨架算法变体、差分进化算法变体、粒子群优化算法变体和人工蜂群算法变体进行了比较。实验结果表明CABDE算法获得了较高的求解精度,加快了收敛速度,整体上优于其他比较算法。     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.