基于遗传-模拟退火算法的配电网优化设计

对于已经投入使用的配电网来说,只能通过配电网重构来提高供电可靠性。据此,在基于遗传-模拟退火算法的重构方法上引入静态电压稳定指标,对某配电网进行了重构,通过科学有效的分析计算,改变开关状态来优化现有配电网架构,尽可能降低网络损耗,保证配电网的安全可靠运行。     

基于两种改进差分进化的可修备件多级库存优化算法研究

针对传统边际分析法求解多级可修备件库存模型解质量不高的问题,提出两种改进差分进化算法对模型进行求解,一种是带局部搜索的改进差分进化算法,另一种是基于边际分析法的改进差分进化算法。两种算法分别运行了20次,每次迭代上限设置为5 000次,得到相同的最优解,该解与已发表文献采用边际分析法求出的最优解相比库存总经费降低了4.44%,说明了两种算法具有一定的优越性。另外,基于边际分析法的改进差分进化算法较带局部搜索的改进差分进化算法具有明显的优越性,其中库存总经费均值低2.4%、库存总经费标准差低63.8%、迭代次数均值少38.7%,说明基于边际分析法的改进差分进化算法在优化水平、算法稳定性以及算法计算效率三个方面优于带局部搜索的改进差分进化算法。     

改进差分进化算法在转向梯形机构优化中的应用

研究了基于萤火虫变异机制的双种群差分进化算法(IGDE)对断开式转向梯形机构的优化设计。针对基本差分进化算法(DE)在寻优处理过程中经常出现收敛速度较慢甚至早熟等弊端,提出了一种基于萤火虫变异机制的双种群差分进化算法。该算法通过模仿萤火虫吸引机理,同时结合自适应柯西扰动策略求解优化最优解。通过梯形机构优化测试结果表明:与Matlab遗传算法工具箱(GA)、基本差分进化算法(DE)、随机变异差分进化算法(RMDE)和多种群自适应差分进化算法(ADEMP)相比,IGDE最优适应度值分别降低了36.08%、29.05%、17.34%和15.19%。     

复合材料传动轴智能优化设计

针对基本差分进化算法自身的缺陷,提出一种改进的差分进化算法,通过突变策略的改进和人为增加扰动向量,使得改进的算法具有较快的寻优速度和较好的全局搜索能力。基于改进的差分进化算法,建立了复合材料传动轴优化设计程序。对复合材料传动轴开展了以层数和铺层角为设计变量,传动轴强度、临界屈曲荷载和临界转速为约束条件,质量最小为目标函数的优化设计。通过典型非线性多模态函数寻优试验和工程算例,验证了改进的差分进化算法具有较好的全局收敛性,复合材料传动轴质量进一步降低了13.2%。     

基于降低损耗的配电网络重构的研究

分析了配电网重构算法,介绍了配电网重构的数学模型,提出了利用混合潮流算法计算损耗,引入了遗传算法对方程进行求解,结果表明可以有效的降低配电网损耗。     

浅析配电网网络重构研究现状和发展

随着经济和社会的发展,网络重构作为配电网的一个优化手段的重要性日益显现。文章首先详细地对现有配网重构的目标函数和约束条件进行综述,提出应该考虑综合多目标情况的配网重构;并对配网重构的常用方法进行探讨,分析其优缺点,指出了对当前两种或多种方法结合的改进算法在重构中的应用;最后,提出当前配电网网络重构存在的问题以及研究的重点,便于进一步的深入和探析配网重构问题。     

基于改进差分进化算法的层合板优化设计

针对复合材料具有可设计性以及经典差分进化算法自身的缺陷,提出一种改进的差分进化算法对复合材料层合板进行以铺层角为设计变量、蔡-吴(Tsai-Wu)强度准则为约束条件、层合板强度最大为目标函数的优化设计。考虑差分进化算法在寻优过程中个体间差异越来越小,采用随机选择突变策略和增加扰动机制的方法,增大个体间差异,避免算法陷入局部最优解。通过数值算例和工程算例验证了改进的差分进化算法具有较好的全局收敛性。     

改进差分进化算法及其应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE(改进差分进化算法)结合了差分策略DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。此方法充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

基于移动变电站的配电网经济性重构研究

移动变电站在紧急情况下能灵活有效解决电力负荷转移问题,移动变电站接入和运行后会直接影响配电网的经济性重构。现分析在移动变电站基础上配电网经济性重构的数学模型,提出基于自学习粒子群算法的经济性重构方法,并通过实例分析在配电网中应用移动变电站的网络经济性重构,结果表明,配置移动变电站能降低电压偏移指标和网络损耗,同时,通过基于移动变电站的经济性重构可以改善系统的电压水平和网络损耗,为发展智能配电网、主动配电网提供有力支撑。     

改进差分进化算法求解混合流水车间调度问题

对于求解混合流水车间调度问题,标准差分进化算法存在易陷入局部极值的缺点,为此,以最小化最大完工时间为目标函数建立了仿真优化模型,并提出了一种改进差分进化算法进行求解。将所提算法结合反向学习策略生成初始种群,在差分进化中进一步引入自适应差分因子,并在个体选择机制中引入模拟退火算法的Metropolis准则,有效提高了该算法的全局搜索能力。最后基于不同规模算例对所提算法和经典算法进行了仿真实验结果对比,验证了所提改进差分进化算法的有效性和优越性。     

计及电动汽车充电站的配电网综合优化研究

针对电动汽车充电站接入配电网优化运行这一问题,为达到降低配电网网损和提升网络节点电压质量的目标,在常规的配电网优化措施基础上,就计及电动汽车充电站接入的配电网综合优化问题进行了研究.分析了网络重构、无功优化、电动汽车充电站注入功率三者之间的关系,提出了应用粒子群算法（PSO）对三者进行统一优化的方法,并在IEEE33配电系统上进行了仿真试验.研究结果表明,在综合优化条件下系统的网损最低、电压质量最佳,从而验证了该方法的有效性.     

并行算法在南海配电网运行的初步应用研究

介绍了一种基于并行算法原理以及计算机并行处理技术的配电网重构分析系统.该系统作为配网自动化的重要组成部分之一,便于人们分析和监测配电网运行情况,大大提高了配电系统运行的安全性、经济性和可靠性.算例验证了该系统应用于南海配电网重构的有效性.     

运用DE-RBFNN的直线伺服系统定位精度研究

提出一种基于差分进化算法(DE)的径向基函数神经网络(RBFNN)模型,用于预测直线伺服系统的定位误差.该模型用差分进化算法训练径向基函数(RBF)网络隐层中心位置、宽度和输出层连接权重.为了评价优化后RBF网络预测的精度,运用部分误差样本进行训练和仿真.构建了以数字信号处理器(DSP)为核心的直线电动机定位误差实验平台,根据误差校正值进行误差实时补偿实验.仿真和实验结果表明:经过DE算法训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,与单纯RBF网络、基于遗传优化的RBF神经网络相比,该建模方法具有更高的定位精度.     

基于遗传算法的二级分销网模型及其求解

为了提高求解分销网络优化模型的运算效率,从供应链的集成和协作角度出发,采用一层的规划方法建立二级分销网优化模型。针对该模型,提出一种独特的简化的基因表达方法,采用遗传算法,并建立一个精简实用的编码方法,快速求解模型。最后通过仿真试验验证了优化模型的正确性和算法的有效性。     

基于改进平衡优化算法的多无人机网络覆盖技术

针对通信受限区域网络覆盖优化问题,提出一种改进平衡优化算法,提高多无人机编队飞行网络覆盖率。分析无人机网络覆盖特性,对多无人机进行网络覆盖面积建模,完成无人机数量预估;采用随机反向学习机制生成平均初始种群个体,提高了平衡池候选解的样本分布;对候选解采用莱维飞行方法进行优化迭代,提高了算法的收敛速度;并引入非线性递减的变种群数量策略,动态调整平衡算法的粒子数量,有效地提升了算法的计算效率。设计算法仿真样例,仿真结果表明,所设计的改进型算法比传统的平衡优化算法迭代次数减小近50%,同时目标区域的网络覆盖率得到显著提升。     

虚拟力导向差分算法的异构移动传感网络覆盖策略

根据目标进化算法思想,结合虚拟力算法和差分算法,提出一种解决异构移动无线传感网络覆盖的虚拟力导向差分优化算法.该算法以网络的有效覆盖率为优化目标,通过异构节点间的虚拟力影响差分算法的位置向量更新过程,指导种群进化,提高算法收敛速度.仿真结果表明,虚拟力导向差分优化算法能高效地实现异构移动无线传感节点布局优化.与差分算法和虚拟力算法相比,虚拟力导向差分优化算法不仅网络有效覆盖率高,且收敛快,用时少.     

配电网用户日用电量异常智能分析研究

当前我国经济发展的脚步逐渐加快,人民的物质生活水平不断提升,但与此同时,部分用户的异常用电行为导致电力损失的情况愈加严重。为了对配电网中所有用户的日用电量异常进行智能分析,解决异常用电的问题,减小电力损失,此次研究通过应用PCA对配电网用电用户数据进行预处理与特征构建,再重点应用LOF算法进行用电量异常分析。结果显示,此次研究中应用的LOF算法能够高效准确地对用户的日用电量进行分析,进而对该用户进行识别。这表明基于LOF算法的配电网用户日用电量异常智能分析,具有较强的实用性与准确性。     

Improved RBF network application in analog circuit fault isolation

One kind of steepest descent incremental projection learning algorithm for improving the training of radial basis function (RBF) neural network is proposed,which is applied to analog circuit fault isol...     

基于人类进化算法的配电网故障定位

人类进化算法是模拟人类进化机制而建立起来的一种高性能的智能优化算法,是由生物进化算法和知识进化算法结合而成的。为提高配电网故障定位的速度和准确度,将人类进化算法应用于配电网故障定位,对复杂配电网进行处理时结合分级处理思想,先对配电网系统进行分区,在各独立区域中分别使用人类进化算法进行故障定位,再对主干支路和有故障的独立区域进行全局寻优,从而大大减少了计算量。实例表明,与求解配电网故障定位问题的其他一些智能算法相比,这种基于人类进化算法的配电网故障定位方法不仅定位准确,而且定位速度更快,它对求解复杂配电网的故障定位问题尤为优越。