智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于自适应ASO算法的微电网优化调度

为了提高微电网的运营经济性和能源利用效率,提出了一种基于自适应原子搜索优化算法（Adaptive Atomic Search Optimization Algorithm,AASO）的微电网优化调度策略。在原子搜索优化算法（ASO）的基础上引入自适应思想,提高算法的收敛速度和精度,加强全局寻优能力。搭建一个包括光伏、风力等多种分布式发电设备的微电网数学模型,以微电网的经济环保性作为优化目标,并在孤岛和并网运行模式下进行算例寻优求解。结果表明,该算法在微电网优化调度上的寻优能力和收敛速度,均强于粒子群优化（PSO）算法,有效提高了微电网运行的经济环保性。     

基于改进哈里斯鹰算法的梯级泵站优化调度

为了提高梯级泵站系统运行效率，节约工程运行成本，以梯级泵站运行效率最大化为目标，建立梯级泵站优化调度模型，提出基于改进哈里斯鹰算法（HUHHO）的梯级泵站优化调度方法.将饥饿率引入哈里斯鹰算法（HHO）以更好地实现探索与开发之间的平衡；在探索阶段添加1个偏移项以考虑哈里斯鹰饥饿感强弱对搜寻猎物能力的影响，提高算法的寻优能力、避免陷入局部最优.通过基准测试函数验证HUHHO寻优性能的优越性.将HUHHO应用于北京市某三级泵站优化调度中，对HUHHO求解梯级泵站优化调度问题的可行性与有效性进行验证.结果表明：相较于现状方案，基于HUHHO的优化方案可使梯级泵站运行效率提高0.11个百分点，年运行成本节约42 187元，优于利用粒子群优化算法（PSO）、遗传算法（GA）、HHO得到的运行效率及节约成本.     

黄河三门峡和小浪底水库等级优化调度模型研究

充分考虑用户需水的优先级别,采用多目标求解的分层序列法建立水库调度模型;考虑了作物生长关键期缺水量最小以及调节期缺水量尽可能均匀;采和动态规划方法,能够考虑水库调度运用中的非线性因素,同时将全局快速寻优和局部增量动态规划相结合,提高了优化效率。     

正交多智能体算法求解管网直接优化调度模型

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.     

基于粒子群优化的多核处理器系统节能调度算法

针对嵌入式多核系统中的实时性和能耗问题,提出了基于粒子群优化的多核处理器系统节能调度算法.通过对多核处理器系统任务调度和能量消耗的分析,建立了新的编码策略和相应的目标函数,将任务划分、任务调度及电压选择3个过程整合到粒子群算法的一个单迭代寻优循环中,并兼顾系统的实时性,将问题转化为有约束的粒子群优化问题,利用可行性规则的约束处理技术,形成基于约束粒子群优化的整体节能调度算法.实验结果表明:本文算法能以较快的速度收敛于使系统能耗更少的调度解.     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

混沌粒子群优化算法在水库防洪优化调度中的应用

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,采用自适应惯性权重因子模型来设置惯性权重因子,改善了算法的全局寻优能力,并将其用于水库防洪优化调度中。实例计算表明该算法能较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决水库防洪优化调度问题提供一种新的有效途径。     

柯西变异的模拟退火鲸鱼雷达资源调度算法

为了提高雷达资源调度的有效性,提出了柯西变异的模拟退火鲸鱼雷达资源调度算法。该算法综合雷达的时间资源、计算资源以及任务完成数量,从相控阵雷达数据通道与任务间的属性匹配程度出发,建立对多目标的相控阵雷达任务分配模型;将柯西变异和模拟退火思想融入到鲸鱼优化算法中,提高了算法的寻优效果。与比较流行的骆驼优化算法和平衡优化算法相比,所提算法在跟踪任务调度率、平均时间偏移率和调度价值等方面都有较好的表现,显示了该算法在解决雷达任务调度问题上的卓越能力。     

基于新型建筑智能化平台的二次供水优化运行算法研究

当前,二次供水泵组的节能控制问题已经成为建筑节能研究的重点方向之一。传统二次供水优化调度由中央处理器集中式全局寻优,对计算机的处理能力要求较高,并且水泵之间无信息交互,水泵由中央控制器集中控制,很难达到实时协同作用效果。本文建立了以泵组当前电功率最小为目标函数的优化模型,研究了传统遗传算法的无中心实现,并在新型建筑智能化平台上,利用无中心遗传算法进行了泵组优化调度实验。实验结果表明,无中心遗传算法与传统遗传算法得到的优化能耗结果基本一致,证明了无中心遗传算法在二次供水泵组优化调度中的可行性、有效性,同时研究结果为泵组的分布式优化控制提供了参考依据。     

Method towards optimal design of dielectric elastomer actuated soft machines

Soft machines are combinations of hard and soft active materials, thus the coupling and interaction between soft and hard components dictate the performance of soft machines. Structural optimization has been intensively used for design of conventional hard machines, while, to our best knowledge, few attempts have been made towards optimal design of soft machines. Here, we describe the sizing optimization problem of a dielectric elastomer (DE) actuated mechanical amplifier, and achieve the optimal design through combination of a commercial finite element method (FEM) software and an optimization automation software. We then design, fabricate and demonstrate a locomotive soft machine driven by DE actuator with amplified displacement output. The methodology and results present here open the door towards optimal designs of active materials based soft machines.     

机械联合作业时间控制模型研究

针对机械联合作业过程中,型号不同多台辅助施工机械与主导施工机械配合施工,完成单次土方作业循环时间参差不齐的情况,利用优化方法,建立了不同型号辅助施工机械完成单次土方作业循环时间控制模型.获得了不同型号辅助施工机械与主导施工机械配合施工的最佳序列和循环时间.     

基于分布式储能系统的风储滚动优化调度方法

根据风电预测精度随时间尺度的减小逐级提高的固有特性,建立了多时间尺度多目标协调调度的滚动优化模型。依据风电并网标准与分布式电池储能系统(distributed battery energy storage system, DBESS)能快速修正风电波动的低频分量,以系统经济性最优和弃风电量最小为目标函数建立优化模型,采用加入4个风电场(wind farm, WF)和2个电池储能系统(battery energy storage systems, BESSs)的IEEE-39节点标准系统进行算例分析,遗传算法(genetic algorithm, GA)对目标函数进行迭代求解。结果证明,本研究提出的基于DBESS的风储有功滚动优化调度模型,可以有效降低系统运行经济性以及提高电网对风电的接纳能力。     

支持向量机分类器若干核心问题的研究

重点讨论了支持向量机在模式分类中的应用.针对结构风险最小化准则、最优分类超平面的确定、核函数与参数优化、多值支持向量机分类器的设计等核心问题作了较为深入的阐述.指出了支持向量机中需要深入研究的方面.     

基于集中式信息系统的主动配电网鲁棒优化调度

为了适应配电网从被动受电向主动供电角色的转化,提出基于集中式信息系统的主动配电网鲁棒优化调度策略。采用交流潮流模型描述配电网的功率平衡关系,计及无功注入的调节作用,建立两阶段电能与备用联合调度模型;应用鲁棒优化技术,构建可再生能源发电出力的不确定性集合;将高维、非凸的最优化问题转化为凸问题,以保证最优解的性能。对算例系统进行仿真计算,结果表明资源的优化调度提高主动配电网的灵活性,所提出的鲁棒优化调度策略能够增强主动配电网对间歇性可再生能源发电的容纳能力。     

基于分形与混沌理论的嵌套搜索算法在 梯级水电厂节能调度运行中的应用

针对梯级水电厂联合优化调度的高非线性、强约束特性,提出了基于分形与混沌理论的嵌套搜索算法.该方法利用嵌套结构,有机地结合了分形分割逼近算法的高遍历性、普适性和混沌优化算法的随机性、规律性、遍历性等特性.通过在节能调度方式下南桠河梯级水库联合优化运行中的成功应用,显示该算法具有参数配置简单、普适性强、稳定性高、全局优化和易于编程等特点,并取得了与POA算法一致的收敛精度且计算速度有优势.     

应用Boltzmann机实现离散线性二次型动态优化

为了求解线性二次型的动态优化控制问题,提出了一种基于随机神经网络Boltzmann机求解线性二次型动态优化控制问题的方法,将系统的性能指标转化成Boltzmann机的能量函数,将控制序列与网络的神经元相对应,Boltzmann机的稳态对应的就是最优的控制序列.理论研究表明,对于任意时变多变量的线性二次型,都能找到一个相应的。Boltzmann机,它的能量函数与二次型的性能指标等价.仿真试验表明,应用Boltzmann机可实现任意时变多变量系统的线性二次型动态优化控制.     

基于微分进化算法的SVM参数选择

支持向量机(support vector machines, SVM)的性能在很大程度上取决于参数的设置, 所以参数选择问题一直是SVM理论和应用研究中的重点问题.SVM的参数选择本质上是一个优化搜索过程, 并且这个优化问题往往是多峰的.微分进化算法(differential evolution, DE)是一种实数编码的基于种群进化的优化算法, 具有强劲的全局搜索能力, 在多峰函数的寻优问题上已表现出优异的性能.为此, 将DE算法用于SVM参数选择, 提出了基于DE算法的SVM参数选择方法(DE-SVM).在标准数据集上的几个仿真实验证明了该方法的有效性.与基于微粒群算法(partical swarm algorithm, PSO)的参数选择方法相比, DE-SVM在复杂问题或多参数的寻优问题上具有更快的寻优速度.     

水电混合网络经济调度问题的分布式优化算法设计与分析

该文对包含发电设备、产水设备和电水联合生产设备的混合能源网络建立资源经济调度问题的非线性规划模型。针对这类考虑水电生产复杂关系的优化问题,提出一种连续时间分布式算法来寻找经济调度问题的最优解。收敛分析表明,该算法能够在任意初始条件下收敛到最优解,且不需要设备与相邻设备交换成本函数的梯度信息,能够很好地保护设备的隐私信息。最后,数值仿真实验结果验证了求解混合能源网络中资源调度问题算法的性能和有效性。     

基于特征合成的周期性备件需求预测方法Symbol`@@

针对工程机械备件需求预测准确性低的问题,提出一种新的基于特征合成的周期性维修备件需求预测方法. 定义等间隔备件需求样本集的相似度模型,采用优化算法确定最优备件需求周期长度,并利用回归模型建立各周期内的备件需求模型;提出基于特征合成的模型综合方法,借鉴物理力学中的矢量合成方法,将多个历史备件周期需求模型特征矢量合成新的特征矢量,利用新特征矢量还原获得最优的周期预测模型,该模型综合考虑了各个历史备件周期预测模型,使获得的备件周期预测模型具有更好的鲁棒性和泛化性. 采用人工数据和矿用圆环链的实际需求数据对该预测模型进行验证,实验结果表明,该模型具有良好的稳定性和准确性.