配电网故障恢复研究现状及展望

配电网作为输电与用电的中间环节,一旦发生故障不仅会对上级电网产生影响,而且也给下级电力客户带来重大损失。因此,制定合理、有效的配电网故障恢复策略十分重要。介绍了配电网故障恢复建模中常见的几种约束条件和目标函数,对求解配电网故障恢复方案的传统启发式算法以及现代智能优化算法进行分析,总结了各类算法的优缺点并分析了求解算法的发展趋势。结合配电网的实际状况及发展趋势,阐述了多故障及含分布式发电状况下的配电网故障恢复研究现状,探讨了配电网故障恢复的研究趋势和有待研究的五大问题。     

基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

基于Lévy飞行的人工蜂群算法

针对人工蜂群算法在后期容易陷入局部最优,且开发能力不足的缺陷,提出了一种基于Lévy飞行的人工蜂群算法,在寻找蜜源过程中,引领蜂转变成侦查蜂时,引入Lévy分布函数来调配原有的用0-1的随机数参与的贪婪算法,有效增加了算法的合理性。最后用5个有效的测试函数对改进的算法和原算法进行比较,结果表明,基于Lévy分布的人工蜂群算法较原算法在收敛速度和优化速度上都有显著提高。     

基于综合安全评价的城市供水管网优化模型与运用

采用基于模糊集合理论的多因素综合评价方法对城市供水管网进行安全性分析,并以综合安全评价模型作为管网的安全性目标函数,与经济性目标函数相结合,以管网能量方程、连续性方程为约束条件,建立针对供水管网规划与建设的多目标优化模型。以华北地区J市某大型供水管网为案例进行优化研究,并利用基于非支配排序的多目标优化算法(NSGA-Ⅱ法)对模型进行求解。同时为了提高算法的搜索效率,尝试采用一种新型的管网拆解和多目标优化方法对案例管网进行分析。与传统方法相比,新方法具有更好的适应性和鲁棒性,得出的优化方案更加符合管网建设的实际需要。     

求解多目标概率优化问题的免疫优化算法

探讨求解随机变量分布特征信息未知情形下多目标概率优化问题的免疫优化算法。在算法设计中,基于免疫理论的运行机理,借助快速非支配排序法,将进化种群分割为多个类型子群;利用模拟二进制交叉加强各子群间的信息交流;采用多项式变异和均匀变异展开全局探索和局部开发;设计样本采样方案使个体动态获取样本大小。比较性的数值实验表明,所提算法的搜索效果、运行效率等具有明显优势,且对求解复杂多目标概率优化具有一定应用潜力。     

原油远洋拼船运输方案优化研究

分析当前运作模式下中国原油远洋运输优化的目标函数,总结供需平衡约束等7类运输优化限制条件,建立原油远洋拼船运输方案的优化模型,并应用改进差分进化算法求解。在模型求解过程中,对多种维度变量与约束因素数据进行有效整合,利用双染色体配对编码的方法实现供需平衡限制,通过配对染色体间的小概率交叉降低算法的早熟收敛概率,利用整体进化与个别进化相结合的方法回收潜在的优秀个体,最终加速算法的寻优速率。通过算法搜索方案与人工方案的比对结果发现,应用提出的改进差分进化算法能够降低原油远洋拼船运输方案费用,并有效提高优化方案的制定时效。     

起重机结构优化设计中仿生算法的研究

将BP神经网络与遗传算法相结合的仿生算法应用于起重机结构优化设计中,经实例验算,可以很好地解决传统优化方法具有对于目标函数要求苛刻,而且易于陷入局部最优解的问题,以及遗传算法需要对种群中的个体反复进行大量结构计算的问题,具有一定的应用价值.     

基于冗余选择策略差分进化的供水管网多目标优化

针对进化算法在大规模供水管网优化设计过程中计算效率低的问题,提出一种基于冗余选择策略差分进化算法。该方法在选择阶段往每一代种群中重复添加冗余数个当代最优解向量形成父代种群,适当降低种群多样性引导种群向更好的方向进化、快速获取近似最优解。以管网造价为经济性目标函数、节点富余水头方差为可靠性目标函数,建立供水管网优化设计的多目标数学模型,并采用BIN基准管网加以验证。利用冗余选择策略差分进化算法进行计算时,冗余度为6%可在保证解精度的情况下提高62.768%的计算效率,冗余度为1%～6%时得到的经济性指标和冗余度为1%～3%时得到的可靠性指标均优于标准差分进化算法,并得到F最佳取值范围为0.1～0.3,CR取0.4最佳。基于冗余选择策略差分进化算法可提高计算效率,能快速有效地获得供水管网优化问题的近似最优解,表现出良好性能。     

混沌策略和单纯形法改进的鲸鱼优化算法

为解决鲸鱼优化算法收敛速度慢和寻优精度低等问题,提出了一种基于混沌策略和单纯形法优化的鲸鱼优化算法(whale optimization algorithm based on chaos optimization and simplex optimization,CSWOA)。首先,采用混沌反向学习策略初始化鲸鱼种群个体,降低随机化的原始种群对算法收敛的影响;然后,引入一种自适应权重策略,平衡算法的全局寻优和局部探索能力;最后,再引入单纯形法对原算法进行改进,提高算法的局部搜索能力和寻优能力。对8个典型基准函数的仿真分析表明,CSWOA的收敛速度和寻优精度均有一定的提高。     

基于等级划分狼群算法的三维传感器优化布置方法研究

为解决传感器优化布置中的信息冗余问题,提出了一种信息冗余度函数,将其与三维模态置信准则(TMAC)相结合,建立了一种既能保证模态振型可观性又能保证模态振型可区分性的传感器三维模态置信准则。为提高算法的求解效率,提出了一种等级划分狼群算法,采用双重编码的方式,克服了原狼群算法只能求解连续变量优化的问题;通过人工均匀法进行狼群数据的初始化,以保证初始数据的均匀性;并采用等级划分方法,避免群体内狼个体与头狼等级相似,增加狼群的多样性,提高算法的搜索效率。以一个桥梁基准模型为数值算例,进行参数敏感性分析以及三维传感器优化布置方案的选择。结果表明:等级划分狼群算法的搜索能力较原狼群算法有了大幅提高,能较好地解决传感器优化布置问题。