考虑爬坡约束的油井间抽批调度问题

油井间抽批调度问题是确定未来给定计划期内油田井场间抽工作方式的油井各时间段的启停状态及采油量,在满足采油需求的情况下,考虑油井底部压力变化特征对油井开启的影响以及油井最小开关机时间和爬坡约束等生产工艺要求,使总的油井采油运行成本最小.针对油井数量多而导致大规模常规数学规划模型难以求解的困难,建立了基于批的混合整数规划模型.根据模型特点设计了基于变量分离的拉格朗日松弛算法（Lagrangian relaxation,LR）进行求解.针对常规动态规划方法求解分解后的带有爬坡约束的单机组子问题效率低的缺点,提出了用特征点代表同一阶段具有相同性质节点群的状态空间约简策略,使动态规划搜索节点的复杂度从O（n4）降到O（n2）,显著提高了算法的搜索效率.通过大量随机产生的数值实验表明,提出的基于变量分离的LR算法,小规模问题与CPLEX获得的最优解接近,中大规模问题能够在合理的计算时间内获得高质量的解.     

基于集结投影次梯度的机组组合算法研究

针对大规模电力系统机组组合问题,提出了基于集结投影次梯度方法的分解协调算法.首先在上层通过拉格朗日松弛方法将原问题分解为多个子问题,从而减小了求解问题的复杂度,避免了维数灾问题,同时显著降低了计算时间,使得原问题可以在多项式时间内求解,随后下层子问题采用动态规划方法很容易求最优解.算例仿真结果表明,所采用的集结投影次梯度方法调整拉格朗日乘子,避免了传统次梯度方法振荡现象严重的缺点,同时加快了收敛速度,得到了令人满意的机组组合方案.     

基于模型的机组组合两阶段启发式算法

针对同时考虑机组爬坡速率约束和系统安全约束的机组组合问题,提出一个基于模型的两阶段启发式算法.第1阶段确定可行的机组启停状态,首先构造初始启停状态,并根据模型检验初始启停状态是否可行,如果不可行,则通过目标函数的线性近似和约束松弛构造问题的松弛模型,并将其用于可行化机组的启停状态;第2阶段利用经济分配模型确定机组的输出功率.基于118-母线电力系统的测试验证了所提出算法的有效性和鲁棒性.     

流水作业批调度问题优化算法研究

为解决流水作业环境作业尺寸有差异的批调度问题,建立了基于混合整数规划方法的最大时间跨度模型,分析问题的计算复杂性,给出设备数、作业数既定情况下的可行解规模.设计一种混合蚁群算法对最大时间跨度进行优化,结合算法的搜索机制和批调度启发式规则,实现了最小化最大时间跨度.利用模拟退火方法改进蚁群算法路径选择,避免算法陷入局部最优和过早收敛.实验设计随机算例,对各类不同规模的算例进行仿真实验,实验结果表明混合蚁群算法在最优解、平均运行时间和最大时间跨度等方面优于其他同类算法.     

两阶段流水车间批调度问题的蚁群优化算法

针对差异工件(工件尺寸不同)两阶段流水车间的批处理机调度问题,提出一种以最小化加工时间跨度为目标的蚁群优化算法.根据批中工件在每阶段加工时间的相似程度(标准差衡量),得到一个能够提高批中工件加工时间相似水平的启发式信息.同时,改进蚁群算法的编码方案,并引入局部优化算法来提高优化性能.仿真结果表明,与现有算法相比,该算法在工件规模较大的情况下具有较好的求解性能.     

差异工件平行机批调度问题的SAGA*

为了求解差异工件平行机批调度问题,提出了一种模拟退火遗传算法 (simulated annealing genetic algorithm,SAGA)。将模拟退火算法（simulated annealing,SA）的状态转移操作引入基于最优保留的遗传算法(genetic algorithm,GA)中,作为局部搜索算子,以避免算法陷入局部最优,也有效地发挥了SA和GA在局部搜索与全局搜索能力方面的优势。为了解决GA迭代后期适应函数难以区分一些适应度接近的个体这个问题,SAGA分两阶段标定适应函数,在进化后期     

基于改进混沌萤火虫算法的云计算资源调度

为提高云计算资源的利用率,保持负载平衡,提出一种基于改进混沌萤火虫算法的云计算资源调度模型。从任务的完成时间、完成效率、完成安全性3个方面建立云计算资源调度模型,在萤火虫算法中引入混沌算法,通过对个体进行扰动,加快收敛速度,降低局部最优的概率,并引入拉格朗日松弛函数改进云计算模型。基于Cloudsim的仿真实验结果表明,该算法能有效避免资源分配的不均衡,缩短任务完成时间,提高系统的整体处理能力。     

不同尺寸工件批调度问题的自适应蚁群退火算法*

研究不同尺寸工件单机批调度问题,将蚁群算法与模拟退火算法相结合,引入自适应状态转移概率,提出了一种自适应蚁群退火算法AACSA(adaptive ant colony simulated annealing)。该算法利用模拟退火算法实现了一种新的混合信息素更新策略,此外根据停滞次数,动态改变状态转移概率,有效地避免算法陷入停滞以及局部最优,提高算法的性能。仿真实验结果表明,AACSA与蚁群优化算法BACO、模拟退火算法SA、启发式规则BFLPT相比,算法求解的性能更好。     

LR方法基于车间调度问题的面向对象设计

针对拉格朗日松弛方法解决不同车间调度问题时,对问题的依赖性强,算法实现复杂的情况,通过分析拉格朗日方法解决不同车间调度问题的特点,提出了拉格朗日算法面向时象的设计方法,并开发了通用的类模块;面向对象的模块关系和类层次使得算法可扩展性强,便于改进。仿真结果表明,用户可以方便地实现拉格朗日方法对多种车间调度问题的仿真,大大提高了代码的可重用性和软件的通用性。     

差异工件流水车间批调度问题的求解

针对流水车间批调度问题,提出一种基于群智能算法的求解思路。结合问题具体特点,给出工件集合的分批策略,设计了将Palmer和Best Fit（BF）分批规则相结合的分批方法;在批排序阶段,提出了一种改进的微粒群算法;在粒子初始生成阶段,通过引入NEH启发式算法改进了粒子的初始化质量;在全局最佳位置更新前,通过变邻域搜索优化了算法的局部搜索能力,避免了算法陷入局部最优。仿真实验表明,改进后的算法优于传统的微粒群算法和NEH启发式算法。     

Grid Integration of Wind Generation Considering Remote Wind Farms: Hybrid Markovian and Interval Unit Commitment

Grid integration of wind power is essential to reduce fossil fuel usage but challenging in view of the intermittent nature of wind. Recently, we developed a hybrid Markovian and interval approach for the unit commitment and economic dispatch problem where power generation of conventional units is linked to local wind states to dampen the effects of wind uncertainties. Also, to reduce complexity, extreme and expected states are considered as interval modeling. Although this approach is effective, the fact that major wind farms are often located in remote locations and not accompanied by conventional units leads to conservative results. Furthermore, weights of extreme and expected states in the objective function are difficult to tune, resulting in significant differences between optimization and simulation costs. In this paper, each remote wind farm is paired with a conventional unit to dampen the effects of wind uncertainties without using expensive utility-scaled battery storage, and extra constraints are innovatively established to model pairing. Additionally, proper weights are derived through a novel quadratic fit of cost functions. The problem is solved by using a creative integration of our recent surrogate Lagrangian relaxation and branch-and-cut. Results demonstrate modeling accuracy, computational efficiency, and significant reduction of conservativeness of the previous approach.      

一种新的机组分配优化方法

考虑到电力系统负荷特性以及专家经验,提出了Lagrangian分解协调与专家规则相结合求解机组分配的优化方法,该方法以专家规则替代动态规划部分,因而使算法得到简化,大大减少了计算量。实例表明该方法正确可行,在电力系统短期优化调度中具有现实意义。     

具有时间约束的机组组合问题中的Petri网模型

给出了一种与环境有信息交流的受按记时Petri网系统模型，把这种模型应用于描述具有时间约束的机组启停状态转换过程，使具有时间约束的机组组合的动态规划法每一时段计算费用的状态数大大小于已有传统动态规划法的状态数，从而既处理了冷、热启动费用和最小启停机时间约束，又减少了计算费用的状态数，将合大大提高算法的效率。     

一种实现风力机MPPT控制的加速最优转矩法

最优转矩法因其所需测量状态较少、易于实现的特点,被广泛应用于风力机的最大功率点跟踪(Maximum power point tracking, MPPT)控制. 传统的最优转矩法只考虑系统的稳态工作点,依靠系统本身的特性进行转速调节,在一定程度上限制了转速调节速度. 本文使用滑模变结构控制的思想,在最优转矩法的基础上设计得到 一种变结构控制器,增大了转速跟踪过程中的不平衡转矩,缩短了系统的调节时间. 仿真结果表明本文提出的改进方法可以获得良好的转速跟踪效果,从而提高风力机的风能捕获效率.     

基于遗传算法的电力系统机组组合问题研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究.以电力系统机组组合为研究对象,用遗传算法解决电力系统机组组合及机组问的负荷分配问题.对54机系统进行了仿真计算,为遗传算法应用到机组组合问题的实用化进行了有益的尝试.     

基于改进动态规划法的电力系统机组组合问题研究

机组组合问题是在调度周期内满足各种运行约束条件的前提下,通过合理地控制机组的开、停状态以实现总运行成本最低目标的问题。本文以电力系统机组组合为研究对象,对优先顺序法与动态规划法在机组组合中的应用进行了研究和探讨,并根据他们的优缺点,建立了改进的算法—基于优先顺序法的动态规划法。     

改进的演化算法在机组负荷优化中的应用

现有解决电力系统负荷优化的方法通常分为两个步骤进行,即首先确定机组组合,然后再在机组组合的基础上进行经济负荷优化分配。针对这一问题,将一种改进的演化算法应用于机组负荷优化问题的求解中,并根据问题的特点采用了独特的编码形式,在求解过程中同时解决了机组组合和负荷分配问题。实际应用表明：该算法结构简单,容易实现,具有一定的应用价值。