车联网中基于任务紧急性的联合卸载方案

在车联网中,任务卸载可以有效地解决车辆的存储资源和计算资源不足的问题,单个的MEC(mobile edge computing)服务器通常无法满足车辆密集区域的任务卸载需求。针对上述不足,设计了一种多MEC服务器的联合卸载方案(joint offloading method based on task urgency, JOMTU)。车辆递交任务卸载请求给本地MEC服务器时,后者在负载严重的情况下,会根据任务的紧急性和服务器负载情况等因素,将任务发送给附近MEC服务器处理以满足任务的截止日期要求。仿真实验结果表明,与传统的方案相比,所提出的方案将系统的整体任务失败率降低17%,并且优化了整个网络的服务器负载情况、增加了网络的可靠性。     

基于差分进化算法的动态可用输电能力计算研究

基于考虑暂态稳定约束的最优潮流(TSCOPF)建立了动态可用输电能力问题的数学模型.提出了采用差分进化算法(DE)求解考虑暂态稳定约束的可用输电能力(ATC)问题.利用不需要任何惩罚系数的合成适应度函数法处理约束问题.该算法原理简单,受控参数少,实施随机、并行、直接的全局搜索,易于理解和实现,且收敛性好,计算速度快,是一种求解非线性、不可微、多极值和高维的复杂函数的一种有效和鲁棒的方法.以WSCC9节点系统的计算结果为例验证了该方法的有效性和合理性.     

基于差分进化算法的动态可用输电能力计算研究

基于考虑暂态稳定约束的最优潮流（TSCOPF）建立了动态可用输电能力问题的数学模型。提出了采用差分进化算法（DE）求解考虑暂态稳定约束的可用输电能力（ATC）问题。利用不需要任何惩罚系数的合成适应度函数法处理约束问题。该算法原理简单,受控参数少,实施随机、并行、直接的全局搜索,易于理解和实现,且收敛性好,计算速度快,是一种求解非线性、不可微、多极值和高维的复杂函数的一种有效和鲁棒的方法。以WSCC9节点系统的计算结果为例验证了该方法的有效性和合理性。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

一种基于混沌序列的改进自适应差分进化算法

差分进化(DE)算法被认为是一种可靠、鲁棒性好且快速的优化算法,在许多领域得到广泛的应用,并取得了良好效果。为提高DE的寻优性能,提出了一种改进的自适应DE算法。改进后的算法采用Logistic混沌序列产生初始种群,用自适应的变异、交叉参数代替标准DE固定参数,并引入子种群内部搜索策略,使算法具有较好的全局搜索能力。采用经典测试函数对算法进行验证,结果表明,改进后的算法寻优精度和收敛速度得到了有效的提高,具有较好的实用性。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

改进差分进化算法在电力系统最优潮流计算中的应用

电力系统最优潮流是在保证电力系统各种约束条件都满足的情况下,使发电厂发电燃料成本最低,在数学模型上归纳为一个典型的非线性规划问题。利用双曲正切函数非线性地改进差分进化算法的变异因子和交叉因子,解决了收敛速度和收敛精度的问题。经IEEE 14节点系统验证,将其应用于解决电力系统最优潮流问题,与其他算法相比,能有效减少发电燃料费用,具有良好的寻优能力和收敛特性。     

基于改进差分进化算法的VSG控制策略

新能源发电系统的并网稳定性成为了微电网技术研究的热点。虚拟同步发电机（VSG）控制技术通过并网逆变器模拟同步发电机（SG）的运行特性,使之具备惯性和阻尼特性。VSG控制器参数设计困难,使用传统的计算方法得到的并网效果并不理想。针对此问题,建立VSG控制系统,应用改进的差分进化算法（DE）寻优参数。对比电网在频率和电压扰动下的仿真结果,验证了改进差分进化算法相比较传统算法更适用于VSG并网稳定研究。     

基于聚类的差分进化算法的两阶段最优潮流方法

差分进化算法是一种广泛应用于求解非线性优化问题的全局最优解的元启发式方法,但存在容易找到次优解或近似局部最优解的问题.为此,提出了一种求解高质量局部最优解甚至全局最优解的基于聚类的差分进化算法的两阶段方法,并将该方法应用于电力系统最优潮流问题.所提方法由基于聚类的差分进化算法和局部优化算法组成.第Ⅰ阶段是基于聚类的差分进化算法利用强大的全局搜索能力快速确定包含局部最优解的区域;第Ⅱ阶段是局部优化算法利用局部寻优能力为非线性优化问题高效寻找高质量的局部最优解甚至全局最优解.在一组基准函数上测试了该两阶段优化方法的求解性能,并通过对IEEE 118节点电力系统最优潮流的计算,验证了所提两阶段优化方法的有效性和实用性.     

基于差分进化算法的逆变器SHEPWM方法的研究

针对两电平特定谐波消除(Selective Harmonic Elimination Pulse Width Modulation, SHEPWM)非线性方程组的求解,提出采用差分进化算法(Differential Evolution Algorithm,DE)对两电平逆变器消谐模型的非线性超越方程组求解的方法。DE求解SHEPWM方程组克服了数值方法需要初值的不足。给出调制度0～1.15下的开关角轨迹,和遗传算法求解进行对比,得出DE求解具有更高的精度。为验证差分进化算法求解的正确性和可行性,用Matlab/Simulink进行仿真研究,并以DSP(TMS320F28335)为核心搭建了两电平逆变器进行实验。仿真和实验结果证明了差分进化算法求解的正确性和可行性。     

基于自适应差分进化算法的电力系统动态状态估计

提出一种基于自适应差分进化算法的电力系统状态动态估计方法。动态估计包括预测和滤波2个阶段。在预测阶段,利用布朗双指数平滑方法预测下一个时间间隔的状态;在滤波阶段,利用预测阶段获得的预测状态,基于自适应差分进化算法对目标函数进行寻优,通过优化算法提高预测精度,从而减小状态预测的误差。仿真结果表明：所提方法具有较小的估计误差,对坏数据具有较好的抑制能力。     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

基于差分进化算法的多模态医学图像融合

针对现有多模态医学图像融合方法间的优点不易综合的问题,提出一种基于差分进化算法的多模态医学图像融合.分别利用ISH和小波变换方法产生初始图像,利用差分进化算法来优化由图像定量评价指标构成的目标函数,从而获取视觉效果较好,清晰度较好和信息量丰富的融合图像.实验结果和评价参数表明,提算法在平均梯度、熵等表示细节信息和融合质量的等定量指标上比基于小波变换和ISH变换图像融合算法提高了30％和2.5％以上,有效地结合基于小波变换和ISH变换两种不同融合方法的优点.     

基于差分进化算法的居民用电负荷分解方法

针对现有负荷分解方法对设备采样频率要求高、无法有效处理多工作模式电器投入使用的问题,提出一种全新的非侵入式负荷监测与分解方法。该方法将电器的稳态电流作为负荷特征,建立起负荷总电流与各用电器电流之间的数学模型,利用差分进化算法求得各用电器的开启时间系数,进而实现居民侧电力负荷的分解。实验表明,该方法可准确地判断出各类型电器的开启时间和运行模式,并能很好地处理算例中,多个同种电器在同一时段投入使用的情况。该方法所需负荷数据可直接由当前市面上通用的智能电表获得,减少了硬件成本投入。     

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。     

基于改进型TD3算法的车载边缘计算任务卸载决策

为满足复杂车辆任务在时延、能耗和计算性能方面的要求,同时减少网络资源的竞争和消耗,设计了一种基于车载边缘计算(VEC)的任务卸载策略,以最小化任务处理延迟和能源消耗之间平衡的长期成本为目标,将车联网中的任务卸载问题建模为马尔可夫决策过程(MDP),提出了在传统双延时深度确定性策略梯度(TD3)的基础上,利用长短期记忆网络(LSTM)来逼近策略函数和价值函数,将系统状态进行归一化处理以加速网络收敛并增强训练稳定性的改进算法(LN-TD3)。仿真结果表明,LN-TD3性能与全部本地计算和全部卸载计算相比提高了两倍以上;收敛速度上与深度确定性策略梯度DDPG、TD3相比提高了约20%。     

差分进化算法在电力系统中的应用研究进展

差分进化算法是一种基于群体智能的新型演化计算技术,近年来已在多种领域成功应用,但电力系统中实际应用尚不多见。评述了差分进化算法在电网规划、负荷经济分配、最优潮流计算与无功优化调度、谐波分析与电容器配置、发电计划、优化设计等方面应用的研究成果和进展情况,还将在电力市场竞价交易、投标策略以及电力市场仿真等领域发挥应用潜力。