启发式优化算法及其在汽车零部件优化设计中的应用对比研究

在汽车结构和零部件设计过程中会产生一系列的优化问题,以实现最佳的性能、最轻的质量和最高的效益。由于优化问题的复杂性,通常利用启发式智能优化算法进行求解。针对启发式优化算法的机理不清晰和其在汽车零部件优化设计过程中效果不明确的问题,对具有代表性的算法进行了统一的推导和表示,利用52组数学测试函数和5个汽车零部件优化案例进行测试分析。结果表明,两类混合改进的优化算法在汽车零部件优化设计问题上的效果较好,同时还给出了工程应用建议和算法研究方向。

考虑断面耦合控制的特高压复杂大电网最大供电能力优化方法

最大供电能力计算是特高压复杂大电网优化运行的重要问题,随着高比例可再生能源大量接入电网,电力电量平衡问题愈发突出。计及考虑稳定旋备约束、耦合断面约束、机组调节能力约束后,最大供电能力计算问题呈现高维特征,难以对其建模及求解。对此,首先根据传输断面限制和特高压复杂大电网分区运行的特点,搭建了考虑断面耦合控制的特高压复杂大电网最大供电能力优化调度模型,然后分别应用单纯形法(SM)、内点法(IP)、模拟退化算法(SA)、白鲸优化算法(BWO)和蜂群算法(ABC)求解模型,计算大电网在日内未来15 min最大供电能力,并提出各类型电源和备用的协调优化方案。最后以某省网为例进行模型及求解方法验证。仿真结果显示,因为电力系统规模庞大和断面间耦合关系复杂,启发式智能优化算法存在运行时间较长、收敛速度较慢、搜索精度不高的问题,而内点法收敛迅速、鲁棒性强、对初值的选择不敏感,具有更好的稳定性和计算效率,可为复杂特高压电网电力保供和电力平衡提供有效实用支撑。