基于遗传算法的充电站与新能源协调规划

大力推广电动汽车是缓解能源压力与环境污染问题的有效途径。鉴于此,在传统规划充电站的基础上,对充电站与新能源进行了协调规划,综合考虑了电动汽车用户、充电站、新能源、配电网等多方因素,建立了以全社会成本最小为目标的充电站与新能源协调规划模型,并采用遗传算法求解该规划模型。最后用一个实际算例验证了该规划模型与所提算法的有效性与合理性。     

多目标配电网故障定位的Pareto进化算法

提出一种用于配电网故障定位的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行求解。传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解。NSGA-II则避免了传统加权求解时权值的选择和解的偏好性。该算法采用快速非支配排序机制,计算复杂性低;同时考虑个体拥挤距离,从而保证种群的多样性;最后,提出适用于故障定位的最优解集处理方法,便于从多目标最优解集中筛选出唯一符合故障情况的解。算例测试分别模拟单点、多点故障,以及信息完备和部分信息畸变的情况,测试结果表明,所提方法均能准确地定位故障区段。     

基于漏磁信号深度特性的缺陷深度轮廓迭代优化方法

漏磁检测是一种广泛应用于钢结构件缺陷检测与评估中的无损检测方法。缺陷漏磁信号反演是漏磁检测的关键环节,其中有效的缺陷深度轮廓优化对于提高反演效率至关重要。该文提出一种基于漏磁信号深度特性的缺陷深度轮廓迭代优化方法,该方法基于缺陷区域漏磁信号平均值与深度间的近似线性关系,对缺陷初始深度序列进行估计,并进一步根据缺陷计算漏磁信号与检测漏磁信号间的误差分析对缺陷深度序列进行优化更新,最终实现缺陷深度轮廓的反演重构。通过仿真与试验分别对不同类型缺陷的漏磁检测信号进行反演,仿真与试验结果均验证了该方法的有效性。     

基于改进自适应遗传算法的EV充电站动态规划

建立了综合充电站、电动汽车(EV)用户与配电网多方利益的快速充电站规划模型,考虑EV保有量增长的影响,同时计及EV增长率的不确定性,构建了2种EV充电站随机机会约束动态规划模型,并提出考虑充电需求空间分布的改进自适应遗传算法(IAGA)求解上述规划模型。通过一个实际算例验证了所提IAGA在求解充电站规划问题时的可行性与有效性,并对比分析了2种动态规划模型的规划结果。