改进粒子群算法在管壳式换热器优化设计中的应用

以管壳式换热器每年的总费用作为目标函数,采用含随机扰动算子的改进粒子群算法(IPOS)对其进行了优化.在优化设计模型中,采用Bell-Delaware法描述壳侧流体,优化变量选择管程数、换热管内径和外径及间距、管布置方式、封头类型、流体分配方式、密封条数、壳程压降和管程压降.对采用IPOS算法得到的优化结果与相关文献的结果进行了比较.结果表明:IPOS算法具有全局收敛、计算精度高、稳定性好的特点,并能获得约束条件下管壳式换热器的最优设计方案.     

考虑压降的换热网络优化设计

提出考虑压降的有分流换热网络合成的优化策略,在分级超结构的基础上,建立换热网络同步综合的MINLP数学模型,以年度总费用最小为优化目标,采用改进粒子群算法对模型求解,并通过两个算例验证了模型和方法的有效性。     

A robust learning based evolutionary approach for thermal-economic optimization of compact heat exchangers

This paper presents a robust, efficient and parameter-setting-free evolutionary approach for the optimal design of compact heat exchangers. A learning automata based particle swarm optimization (LAPSO) is developed for optimization task. Seven design parameters, including discreet and continuous ones, are considered as optimization variables. To make the constraint handling straightforward, a self-adaptive penalty function method is employed. The efficiency and the accuracy of the proposed method are demonstrated through two illustrative examples that include three objectives, namely minimum total annual cost, minimum weight and minimum number of entropy generation units. Numerical results indicate that the presented approach generates the optimum configuration with higher accuracy and a higher success rate when compared with genetic algorithms (GAs) and particle swarm optimization (PSO).     

基于温差均匀性因子协进化的双层算法同步优化换热网络

针对同时存在整型变量和连续型变量的换热网络综合问题,提出一种双层优化方法。外层以换热网络的温差均匀性因子作为网络结构性能的评价指标,通过蒙特卡洛随机抽样技术产生试探结构,采用整型优化算法逐步进化外层结构;内层以最小年综合费用作为优化指标,采用动态更新子群的改进粒子群算法优化连续变量。优化结果表明,温差均匀性因子可以有效评价换热网络的结构性能,从而指导结构的进化;改进的粒子群算法具有更强的全局搜索能力,相关算例均找到了更优的网络设计,应用于工业生产实际,可以有效节约成本。     

Estimation of unknown heat source function in inverse heat conduction problems using quantum-behaved particle swarm optimization

The estimation of temporal dependent heat source in transient heat conduction problem is investigated. A stochastic method known as quantum-behaved particle swarm optimization (QPSO) is used to estimate the heat source without a priori information on its functional form, which is classified as the function estimation by inverse calculation. Because of the ill-posedness of this kind of inverse problems, Tikhonov regularization method is applied in this paper to stabilize the solution. Numerical experiments indicate the validity and stability of the QPSO method. Comparison with the conjugate gradient method (CGM) is also presented in this paper.     

基于PSO-BP神经网络的短期光伏系统发电预测

对光伏发电影响因素进行了分析,建立了粒子群算法优化的前向神经网络光伏系统发电预测模型。该模型利用了粒子群算法来优化神经网络内部连接权值和阈值,兼具粒子群和BP神经模型的优点,具有较好的收敛速度,泛化性能与预测精度。将光伏电站发电历史数据与天气情况作为样本,运用所建立的模型进行了训练与预测。结果表明,经过粒子群优化的BP网络模型预测精度高于典型BP网络,验证了该方法的有效性。     

基于粒子群破环的主动配电网故障重构协同优化

针对主动配电网新能源接入时对故障自愈稳定性和节能优化运行的多重要求,文章提出一种粒子群"破环"的优化算法,以实现故障自愈过程中新能源接入承载力与线损协同的优化方案.首先给出配电网自愈重构的约束条件和优化目标函数,采用FIoyd算法搜寻配电网的最小环结构,并采用一种改进的"破环"粒子群优化算法对故障自愈重构进行优化.最后...     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

基于粒子群算法的PERT网络优化问题研究

针对工程项目PERT网络计划工期-费用优化问题,尝试引入粒子群算法。在保证不陷入局部最优的前提下,为提高收敛速度,用线性规划方法建立数学模型,并采用了改进的PSO算法。实际算例的仿真结果表明,该方法具有收敛速度快、运算简单、易于实现等优点。     

基于分级超结构的换热网络改造优化

建立了基于分级超结构模型的换热网络改造同步优化数学模型。该模型不依赖于夹点约束,不需要预先给定最小传热温差,能够有效权衡改造投资费用与运行费用之间的关系。改造投资费用中考虑了现有换热器的重新配置费用、现有换热器新增传热面积费用和新增换热器费用,符合工程实际要求。针对换热网络改造优化数学模型具有不连续和非线性的特点,数学模型的求解采用双层优化策略,其中表示网络结构调整的离散变量优化利用遗传算法,而表示操作参数的连续变量优化利用粒子群算法优化。2个不同规模的换热网络改造算例用于验证所提出方法的有效性。     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

基于DESAPSO混合算法的MMC-HVDC系统控制参数优化

针对传统外环控制器比例积分(PI)参数的选择需要经过长时间的调试且在大扰动下难以实时调节控制可能导致系统持续振荡的问题,提出了一种基于差分进化模拟退火粒子群优化混合算法(DESAPSO)的MMC-HVDC系统控制参数优化方法。基于MMC-HVDC系统的数学模型,在Matlab/Simulink平台上搭建MMC-HVDC系统仿真模型,采用时间绝对误差积分(ITAE)指标构建PI参数优化的目标函数,利用DESAPSO混合算法对PI参数进行优化。通过对比原参数、基于差分进化算法、模拟退火粒子群优化算法与差分进化模拟退火粒子群优化混合算法的优化结果,验证了该方法在MMC-HVDC控制系统参数优化中的有效性与优越性。     

CPSO算法在TOPMODEL参数优化中的应用

以江西省抚河娄家村流域为例,采用混沌粒子群优化算法(CPSO)优化半分布式水文模型(TOPMODEL)参数,并对优化结果进行了检验。结果表明,该法有效改善了PSO的全局寻优能力,粒子群体进化速度加快,收敛速度和精度提高。     

基于区间建模的新能源电网无功优化策略

  目的  新能源发电具有间歇性和随机性,其功率为不确定性数据,会造成电网电压和频率的变化,对电力系统安全运行构成威胁。为保证大规模新能源并网后电网电压的安全,考虑新能源发电波动不确定性,提出一种基于区间建模的新能源电网无功优化策略。  方法  该策略采用区间数描述无功优化模型中的不确定参数,进而建立区间无功优化模型,采用基于优化场景的区间潮流算法求解区间潮流方程,获取状态变量区间,确定控制变量的可行性,在此基础上采用改进的粒子群优化算法求解区间无功优化模型,在粒子群算法中加入局部搜索环节和离散变量交叉处理操作以提高算法寻优能力。为了验证所提方法的有效性和优越性,分别采用IEEE 14节点和IEEE 30节点算例进行仿真计算,与自适应遗传算法和普通粒子群算法进行对比分析。  结果  仿真结果表明:与自适应遗传算法和普通粒子群算法相比,采用改进粒子群的区间无功优化策略具有更快的收敛速度,更强的寻优能力,并且可有效处理模型中离散变量。  结论  所提策略可有效解决区间无功优化问题,能保障大规模新能源并网后电网电压的运行安全。     

Thermal Compensation Effect of Passage Arrangement Design for Inlet Flow Maldistribution in Multiple-Stream Plate-Fin Heat Exchanger

ABSTRACT

Passage arrangement design in fin channels is an efficient methodology for the reduction of the thermal deterioration influence of inlet flow maldistribution in multiple-stream plate-fin heat exchangers. In this work, the thermal compensation effects of passage arrangement design under different statistical parameters of inlet flow maldistribution are investigated. The inlet flow maldistribution in inlet header is analyzed and represented with distribution types, mean, and standard deviation of inlet mass flow rate entering the fin channels. A thermal calculation model based on integer–mean temperature difference method is established, and then, the passage arrangement under inlet flow maldistribution is optimized using a hybrid particle swarm algorithm. The thermal compensation effects for different inlet flow maldistributions and passage arrangements are calculated and compared. The results indicate that the compensation effect of optimization design of passage arrangement increases from 1.1% to 3.9% as the standard deviation of inlet mass flow rate increases from 0.06 kg/s to 0.12 kg/s. The results presented in this study can be used by other researchers to guide the passage arrangement design of actual heat exchanger with inlet flow maldistribution.     

粒子群优化在临界水深计算中的应用

将临界水深的计算建模为一个非线性约束优化问题,应用新型粒子群优化算法加以求解。通过实例计算以及与文献方法的计算结果对比分析,表明粒子群优化算法求解梯形明渠临界水深适用性强、计算精度高、算法实现简单,同时验证了算法的有效性和正确性,为梯形明渠临界水深问题的求解提供了一条新途径。     

The influence of heat exchanger parameters on the optimum cycle time of adsorption chillers

The research investigated the influences of heat exchanger parameters, such as heat capacity and NTU, on the optimum performance of a single-stage adsorption chiller. Silica gel–water pair was chosen as the adsorbent–adsorbate combination so that low temperature heat source under than 100 °C could be utilized as the driving force.The mathematical model of the adsorption chiller using dimensionless parameters was developed and a global optimization method called the particle swarm optimization was applied in the simulation to obtain the optimum cycle time. The results showed that the smaller heat capacity heat exchanger improved both the maximum specific cooling capacity (SCC) and the COP. While, the larger NTU of the adsorbent bed resulted in the decrease of the COP due to the short cycle time although the maximum SCC was enhanced.     

基于改进参数的粒子群算法的换热网络优化

对于换热网络综合优化问题,粒子群算法能有效解决其容易陷入局部最优和无法收敛到全局最优的局限性。标准粒子群算法具有较强的随机性,可调节参数较少,不同的参数配置对算法的优化效果有显著影响。在分析粒子群算法中各参数特点的基础上,通过合理调整参数,使该算法在连续变量优化过程中具有更好的全局收敛性能。采用4股流体的小规模换热网络算例进行验证,优化结果表明,改进参数后的粒子群算法对计算换热网络综合问题有效。     

基于自适应变异粒子群算法的光伏MPPT控制研究

针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法.在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法...     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100％符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节.此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷.最后对IEEE 单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力.