基于蜂群优化算法冷热电联供型微网经济调度研究

针对蓄能装置在冷热电联供型微网中的应用,本文构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和蓄能装置的冷热电联供型微网经济调度模型。该模型在满足用户冷热电负荷需求和各微源出力约束的情况下,综合考虑了系统的燃料费用、运行维护费用和购售电成本,并以蜂群优化算法作为模型的求解算法,并以文献[18]的微电网为例进行仿真分析。仿真结果表明,与采用常规粒子群优化算法对调度模型进行求解相比,采用人工蜂群算法对调度模型进行求解所得的日综合成本可下降71.8元,节约日综合成本5.3%。该模型可以有效提高冷热电联供型微网的能源利用率和经济效益。     

含冰蓄冷空调的CCHP微电网优化调度

冷热电联供(CCHP)型微电网作为综合能源系统的基本物理构成,可实现可再生能源的消纳和多能互补,是实现能源可持续发展和改善生态环境的重要手段。考虑经济性和环保性,以综合运行成本最小为目标,搭建了含冰蓄冷空调的CCHP型微电网优化调度模型采用改进粒子群算法进行求解,得到不同调度方式下系统的产能方案。通过算例分析对比了运行策略对于优化结果的影响,并验证了优化模型的有效性。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

基于大数据与粒子群的清洁能源协同优化调度方法

为解决清洁能源系统运行节点因存在延迟调度,而影响清洁能源协同优化调度效果的问题。为避免该问题,本文提出基于大数据技术与粒子群算法的清洁能源协同优化调度方法。根据清洁能源协同运行特点,利用大数据技术分析作业参数,并设计运行节点延迟调度策略,然后构建清洁能源系统输出功率调度模型。将最大运营利益和最小弃能成本作为优化目标,构建清洁能源协同优化调度模型,再采用粒子群算法进行求解,得到最优调度方案。实验结果表明：本文方法可以获取较优的清洁能源协同调度结果。     

基于改进粒子群算法的设备维修调度优化研究

为保障离散制造企业生产系统的连续性并降低其维修成本,构建了以维修时间最短和维修成本最低为目标的设备维修调度优化模型,并采用改进粒子群算法对模型进行求解。针对标准粒子群算法后期易陷入局部最优的缺点,采用指数函数递减的惯性权重形式来平衡算法的全局搜寻能力和局部搜寻能力,在速度更新公式和位置更新公式中分别引入速度扰动项和飞行时间因子以提高算法的收敛能力。以某机械公司生产车间设备维修调度为例,验证了该方法的有效性和适应性。     

基于改进萤火虫算法的冷热电联供系统多目标优化调度

冷热电联供系统应用和优化具有重要的意义。所提出的新型冷热电联供系统优化模型考虑了能源利用、环境保护和成本等限制因素。在该模型基础上提出了一种改进萤火虫算法,采用了多群组搜索、无用的内部种群删除和改变步长因子等方法,这能提高搜索速度、寻找最优解。同时提出基于规范法线约束的改进萤火虫算法的双目标帕累托前沿优化算法,该方法通过规范法线约束法转化为两类单目标问题,然后通过改进的萤火虫算法进行单目标搜索。仿真算例采用标准IEEE39节点系统验证了所提算法在解决多目标冷热电联供系统优化问题时的优越性。     

含微网的配电网动态随机调度控制

未来微网会逐步接入配网,直接影响配网运行的安全性与经济性,现有控制方法以微网计划运行成本最小为目标,没有考虑配网安全性与经济性。为此,提出综合考虑微网与配网计划运行成本最小的动态随机调度控制方法。首先分别建立微网和配网期望计划运行成本最小的机会约束规划模型,采用粒子群优化算法和两点估计法求解;再根据微网和配网分别优化结果得到的二者之间功率交换控制区间,利用粒子群优化算法寻找二者综合期望计划运行成本最小的功率交换值,从而确定微网和配电网的最优动态随机调度控制方案;最后验证了改进的IEEE33节点标准系统算法的实用性。     

基于IPSO算法的建筑级综合能源系统优化调度

为节约建筑级综合能源系统的运营成本,提高电网供电的可靠性,本文提出了一种基于随机权重粒子群算法的建筑级综合能源系统优化调度策略,构建了建筑级综合能源系统优化调度模型,以运行能源成本最小化为目标函数,采用随机权重粒子群算法对模型进行求解,并引入实际算例进行仿真,对基于规则的控制策略和优化调度控制策略进行比较。仿真结果表明,与基于规则的控制策略相比,本文提出的优化调度策略可以显著降低运行能源成本,对电网的削峰填谷起到一定的促进作用。该研究为建筑级综合能源系统优化调度问题提供了理论依据。     

基于改进粒子群算法的整流供电智能优化调度

针对粒子群算法易早熟收敛的局限性，提出了一种带变异的改进自适应粒子群优化(PSO)算法.该算法根据群体适应度变化率自动调整惯性权值，根据当前种群的平均粒距确定种群中部分粒子的变异概率.对于大型锌电解过程中的整流供电调度问题，建立了以用电费用及耗电量最少为目标的整流供电优化调度模型，并应用改进算法进行优化求解，获得最优调度方案.仿真结果证明了该算法的有效性.工业应用效果表明，按最优调度方案组织生产显著降低了用电费用，同时有利于电网负荷的平衡运行.     

考虑可再生能源的冷热电联供系统环境经济调度模型

随着对节能减排的广泛关注,为了减少能源的消耗,冷热电联供系统（CCHP）、可再生能源发电在全球得到了广泛的应用,但传统冷热电联供系统经济调度忽略了污染物排放对环境的影响。为此,考虑各机组运行的环境成本,提出考虑可再生能源的冷热电联供系统环境经济调度模型;考虑可再生能源的随机性,在目标函数中加入可再生能源备用容量补偿成本,借助排污系数法将机组运行的环境成本并入机组运行总费用目标函数中,从而将环境经济调度模型从多目标优化转为单目标优化问题。基于Matlab优化工具箱以IEEE-14节点系统为例进行系统仿真,验证了优化模型的有效性和实用性。     

基于混合粒子群算法的梯级泵站优化调度

针对不同时段电价差异,以流量平衡为基础,建立以梯级泵站耗电电费最小为目标的优化调度模型,并采用粒子群算法求解.为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点,引入免疫思想,以粒子适应度为标准,通过克隆变异算子、疫苗接种算子和优胜劣汰算子,构建双粒子群,增强了粒子群搜索精度和搜索范围,并将其应用于广东某供水工程.优化调度仿真对比分析表明:免疫粒子群算法(IAPSO)能够有效地解决梯级泵站优化调度问题,降低了泵站运行成本,与基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)相比,收敛速度更快,搜索精度更高.     

一种信息点多样性的粒子群优化算法

针对PSO在寻优后期尤其在高维搜索空间中无法得到满意结果,提出了一种信息点多样性的改进粒子群优化算法。粒子个体最优位置及全局粒子最优位置是两个有用的精确的信息点,而PSO的信息交互方式正依赖于这两个信息点,从多样性方面考虑,将该有用的信息点增加为粒子个体最优位置附近随机的一点。实验仿真结果表明,新算法的全局搜索能力、收敛速度、精度和稳定性均有了显著提高。     

石油化工行业多阶段生产库存问题研究

生产计划与库存管理作为生产管理重要的组成部分,对企业的生产运营起着重要的作用。以成品油需求量预测值为基础,在考虑企业规模经济效益的情况下,以最小化企业生产库存成本为目标,建立了基于变动加工成本的多阶段生产库存优化模型。该模型不仅体现了生产装置的单位加工成本对生产计划的影响,而且还考虑了产成品库存优化问题。因此,可满足企业对生产成本最小化的要求。最后,分别采用自适应权重的粒子群算法和基于模拟退火的粒子群算法对模型进行了优化求解。实验结果表明:基于模拟退火的粒子群算法的性能优于自适应权重的粒子群算法,这是因为前者跳出局部最优的速度较快,能有效地收敛于全局最优。     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

一种基于多种群分层的粒子群优化算法

为解决粒子群优化(PSO)算法收敛速度慢,易于早熟的不足,采用控制理论的分层思想,提出了多种群分层PSO算法(HSPPSO).在第1层采用多种群粒子群并行计算.第2层把每个种群看成一个粒子,种群的最优值作为当前粒子的个体最优值,进行第2层粒子群优化.并把优化结果返回到第1层.在PSO算法的运行过程中,对有集聚倾向的粒子进行速度变异处理,重新初始化速度.最后对4个典型的测试函数进行了测试,研究结果表明,与基本微粒群算法比较,作者提出的算法提高了算法的收敛速度和收敛精度,改善了算法的性能.本算法对大规模系统的优化问题求解提供了一个新的思路.     

改进型混沌粒子群算法求解函数均值问题

针对基本粒子群优化算法易陷入局部最优的缺陷,提出一种基于有限作用域的混沌粒子群优化算法。利用特定的初始分布涵盖全局最优值,利用混沌序列良好的非线性性质来影响粒子速度的更新过程;以有限作用域外的粒子遍历优化问题的可行域,从而增加粒子对可行域的广度搜索,以有限作用域内的粒子搜索最优值,从而提高全局最优值的精度搜索效率。把本文算法应用到函数均值求解的实验中,结果表明,本文算法具有较好的求解精度和求解效率值。     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型.利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解.仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率.     

计及不确定性因素的微电网动态经济调度

针对微电网系统中可再生能源和负荷的随机性,提出一种考虑微电网不确定性因素的动态经济调度模型。利用改进的粒子群算法对模型进行求解,得到微电网的动态经济调度相比于静态经济调度更符合系统的实际运行要求,微电网可靠性水平的提高是以经济成本的增加为代价等结论。     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

资源受限下的连续性消耗应急调度模型

目的 解决资源受限下的物资连续性消耗的应急调度物资和时间的优化问题.方法 在各出救点出救时间不确定条件下,建立了以施救成本和因施救不及时导致的损失费用最小化为目标的应急调度优化模型;考虑了出救点的物资量限制和时间限制等约束条件,采用粒子群算法对模型进行优化求解,对设计算例进行仿真实验.结果 求解出出救点的最优运输量和最优运输时间,实现了在规定应急时间内总成本最小的效果,验证了模型的合理性及算法的有效性.结论 模型适合解决在资源受限下的满足应急总成本最小的物资优化和出救时间优化的调度问题.