基于GPU并行计算的电动出租车新建充电站选址模型

针对电动出租车充电站优化选址问题，构建了以未满足的电动出租车充电需求量和新建充电站的固定成本最小为目标函数的电动出租车新建充电站选址模型，并提出基于改进的多目标粒子群算法的模型求解方法。为解决未满足充电需求量计算的性能瓶颈问题，设计了一个基于图形处理器（GPU）的未满足充电需求量并行计算算法，并通过实验验证其运行时间约为基于CPU串行算法运行时间的10%~12%。以北京为例，收集、处理相关多源数据，对提出的选址模型进行了应用示例分析，表明所提出的充电站优化选址方案具有可行性。     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

充电中断情景下电动汽车充电站两阶段多目标区间选址优化决策

考虑到充电站选址用户需求量的不确定性和突发状况的复杂性特点,以充电站选址服务效益最好、充电站风险最小以及预选址-增建选址两阶段经济成本最低为目标,基于传统p-median模型和多目标应急选址模型,构建两阶段多目标区间p-median模型.第1阶段在需求和设施损坏存在不确定因素的情况下,基于不确定需求模型模拟充电站遭...     

基于决策者偏好区域的多目标粒子群算法研究*

多目标优化问题中,决策者往往只对目标空间的某一区域感兴趣,因此需要在这一特定的区域能够得到比较稠密的Pareto解,但传统的方法却找出全部的Pareto前沿,决策效率不高。针对该问题,给出了基于决策者偏好区域的多目标粒子群优化算法。它只求出与决策者偏好区域相关的部分Pareto最优集,从而减少了进化代数,加快收敛速度,有利于决策者进行更有效的决策。算法把解与偏好区域的距离作为影响引导者选择和剪枝策略的一个因素,运用格栅方法实现解在Pareto边界分布的均匀性。仿真结果表明该算法是有效的。     

基于双极偏好控制的多目标粒子群优化算法

考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向 Pareto 前沿偏好区域进化的方法．根据TOPSIS 决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为 外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6 种不同类型的多目标测试函数进行 算法模拟,从世代距离、空间测度和超体积测度3 个指标与基于单极偏好的多目标粒子算法进行性能比较．结果显 示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀．     

基于空间语义和个体活动的电动汽车充电站选址方法

针对电动汽车充电站（EVCS）的选址问题,提出一种基于空间语义和个体活动模式的城市充电站选址方法。首先,根据城市规划,采用无监督学习对非服务半径内兴趣点（POI）进行聚类,以确定新建充电站个数;然后,采用受约束的双存档进化算法（CTAEA）求解目标函数,在站间距最大化以及新充电站覆盖POI最多的约束条件下优化电动汽车选址方案。以成都市二环路内出租车的轨迹数据和POI为实验样本,并规划了15个充电站的选址方案。实验结果表明,相较于NSGA2(Non-dominated Sorting Genetic Algorithm 2）和SPEA2(Strength Pareto Evolutionary Algorithm 2),CTAEA的POI覆盖率指标提高了22.9和20.6个百分点,司机平均选择距离缩短了18.9%和25.5%,验证了所提方法在电动汽车选址方面的便利性与合理性。     

基于多源数据的充电站三阶段选址优化决策

为满足日益增长的充电需求,提出一种计及选址影响因素和建设成本的充电站三阶段规划方案,实现了选址评估-预选址-站点增扩的有机结合。第一阶段,通过多源数据对影响因素展开分析,利用层次分析法建立选址评价体系。第二阶段,从用户和企业的角度出发,建立以成本最小为目标的选址优化模型,同时,提出了一种改进的免疫粒子群优化(immune particle swarm optimization,IPSO)算法,用以实现解在空间范围内的自适应搜索。第三阶段,考虑到充电站的增扩问题,设计了一种利用Voronoi图确定新增站点的方法。最后,以某市为研究对象,通过仿真验证了所提模型的有效性与合理性,为充电站的科学选址提供了必要的决策参考。     

考虑个体偏好的高铁旅客出行选择仿真研究

针对高铁旅客出行时的乘车选择行为问题,定量描述和分析了高速铁路旅客乘车选择的行为及特征.考虑旅客的主体偏好、出行偏好和承受偏好等,基于非集计离散模型构建个体偏好与列车特性因子的关联关系,并进一步构建一种考虑个体偏好的多变量旅客乘车选择效用模型,以旅客在京沪高铁北京-上海区间的乘车选择作为实例进行分析.运用SPSS结合2018年京沪高铁RP调查数据进行模型参数的标定,结果表明,年龄-票价、出行距离-票价、月收入-票价、费用来源-整点出发时刻是4组具有强关联性的个体偏好-列车特性组合,且旅客个体承受偏好中的月收入对乘车选择的影响最为明显,同时验证了上述模型可以更准确地评价旅客的个性化乘车选择行为,可为高速列车开行的优化设计提供理论基础.     

资金约束下单向共享电动汽车系统的充电站选址

针对单向共享电动汽车系统提出了一种充电站位置优化的方法,充电站的容量和服务范围内的需求量相适应;该方法基于混合整数规划模型,其目标考虑了满足服务的收入,车辆折旧成本和充电站的充电桩运行成本,目标函数为最大化共享电动汽车服务商的利润.最后进行了模拟仿真来测试方法的松弛度和性能,模型能够在合理的时间内解决较大规模的问题.     

考虑电池损耗的电动冷藏车路径及充电策略

电池充电造成的电池损耗对企业运营成本影响较大,以不同SOC区间内一次充电造成的电池容量衰退成本模型估计电池损耗成本,研究了车辆途中可多次进入充电站充电的路径优化问题,在考虑运输成本、制冷成本、货损成本、充电时间成本、惩罚成本的基础上,将电动冷藏车的电池损耗成本纳入总成本最小的目标函数,并建立了线性规划数学模型。采用增加粒子间共享信息类型的改进粒子群算法对该模型进行求解。将改进粒子群算法应用于构造的算例中,得到包括充电策略在内的车辆最优路径方案和最小运营成本,结果表明充电上限为80%的车辆路径方案可得到最低的运营成本,同时与标准粒子群算法求得的计算结果进行了比较分析,证明该改进粒子群算法在求解该问题上的可行性。     

基于IEWT-CCE的电动充电站主变流器开路故障检测

直流充电站变流器开关器件的开路故障严重影响电站安全运行.考虑充电站运行中不可避免存在着非高斯测量噪声,提出一种基于尺度空间理论的经验小波变换(EWT)和循环熵(CCE)的变流器IGBT开路故障检测方法.首先,分析非高斯噪声对变流器IGBT开路故障的影响;接着,利用改进EWT方法分解IGBT开路故障时交流侧电流信号,通过...     

计算智能在电动车充电站规划的应用研究综述

虽然近年来电动汽车销售市场在不断扩大,但过低的充电桩利用率使得电动汽车充换电服务运营商的收益并不乐观。通过大数据分析充电站的部署方式可以有效提升充电桩利用率。阐述了演化计算和群体智能主要算法的原理,研究了充电站规划的多目标优化数学模型,论述了演化计算和群体智能在充电站规划中的应用,研究了演化计算和群体智能在充电站规划过程中的改进方式,讨论了人工神经网络和模糊系统应用于充电站规划的可能性,并对发展现状和未来趋势进行了总结与展望。     

基于太阳能充电站中风光火多目标优化管理问题的研究

新能源汽车行业的蓬勃发展,带来了新能源汽车充电站的建设和运营相关问题。无人值守是今后所有行业的一个主流趋势,充电站当然也不例外。无人值守的充电站被要求不仅能对站内突发情况自主解决,而且充电站能够充分、合理利用当地电力资源,实现电力资源的合理优化调度。因此文中的重点便是研究如何均衡使用当地已有的电力资源,使得充电站运营成本和电池损耗最小。文中在分析了太阳能充电站的系统功能和运营方式基础之上,建立了该系统接入风力、火力等电力资源的优化调度模型,通过非支配遗传算法NSGA-II对多目标函数优化模型进行求解,验证模型的有效性和可靠性,为未来涉及多种电力资源的运营管理问题提供了一条参考途径。     

电动汽车典型快充站优化运行配置方法

为了降低大功率快充桩对电网冲击波动,并考虑典型快充站分布式电源和储能优势,提出一种电动汽车典型快充站优化运行配置方法.通过分析站内分布式电源出力特点以及电动汽车充电行为规律,以充电站运行成本最小为优化目标,建立典型快充站优化运行配置模型,以站内功率平衡、分布式电源出力等为约束条件,利用遗传优化算法求解模型最优解.最后通过不同配置算例验证所提方法的可行性,为典型快充站的优化运行提供技术支撑.     

基于改进粒子群算法的物流配送中心选址策略

针对传统算法在求解物流配送中心选址问题时容易陷入局部最优解和寻优效果不够理想的缺陷,提出了一种改进的粒子群算法。该算法通过引入领域均值来反映粒子间合作与竞争的隐性知识,使粒子种群的多样性和算法的全局搜索能力得到改善;利用边界缓冲墙对超越边界的粒子进行缓冲,使算法的收敛速度和寻优精度有明显的提高。仿真实验结果表明,该算法比传统方法具有更好的性能,特别是当物流需求点的数量很大时,该算法的优越性更加明显。     

基于免疫粒子群优化的主动悬架LQG控制研究

针对LQG控制器用于主动悬架存在权重系数依靠先验知识来确定的不足,提出了免疫粒子群混合优化算法。该算法首先利用粒子群算法对LQG参数进行离线优化,得到一组准最优LQG参数,将其作为在线调节初始值,然后引入免疫粒子群算法对LQG参数进行在线实时优化。该方法实现简单,在保持粒子多样性的同时也改善了粒子群算法收敛速度慢、早熟以及免疫算法过程繁复冗长。仿真验证了所提方法的可行性与有效性。     

风光互补发电系统中抽水蓄能电站的优化配置

在发电系统并网效能优化设计的研究中,风力发电和光伏发电的功率输出具有很强的随机性和波动性,考虑二者时间上和空间上存在互补性,可以构成风光互补发电系统,同时配置一定的抽水蓄能电站作为储能装置形成风光抽水蓄能联合运行系统.以风光-抽水蓄能系统的经济收益最大化为目标,建立抽水蓄能电站容量配置的优化模型,采用一种改进的粒子群算法对模型求解.最后,通过仿真表明,适当容量的抽水蓄能电站可提高风能和太阳能的利用率,同时增加风光发电系统的经济收益.     

基于粒子群三次样条优化的局部路径规划方法

为解决机器人在静态未知环境下如何利用局部环境信息规划出连续平滑的路径问题,提出一种基于粒子群三次样条优化与滚动窗口结合的局部路径规划方法。借助三次样条描述路径,根据机器人实时探测到的局部环境信息,在滚动窗口中运用粒子群算法解决样条参数的优化问题,使各部分路径光滑且一阶连续,从而实现最优局部路径规划。仿真结果表明：所提算法可以在静态环境下快速有效地实现机器人的无碰撞局部路径规划,且所规划路径平滑,便于运动控制。