基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

基于多目标粒子群算法的隔膜压缩机膜腔曲线优化

膜腔曲线直接影响着隔膜压缩机排气量与膜片可靠性,原始膜腔曲线不能较好满足今后加氢站隔膜压缩机高压力、大流量工况需求。针对此问题,依据隔膜压缩机工作原理,采用多目标粒子群算法对膜腔曲线进行面积与弧长的双目标优化计算,得到了一种新曲线。同时,结合压缩机工程实际对膜腔曲线进行了改进,并对改进后的膜腔曲线与原始曲线进行容积计算与有限元应力对比。研究结果表明:在给定新曲线内参数m=0.95、n=2.5且膜腔半径与膜片厚度不变的情况下,新曲线膜腔下膜片气侧最大径向应力较原始曲线降低了13.89%,膜腔容积较原始曲线增加13.72%。

基于多目标粒子群算法的城市无人机路径规划

对于城市环境下的无人机路径规划问题,提出了一种多目标路径规划模型,以无人机运行效率最大化与运行风险最小化为目标函数,综合考虑无人机性能约束、噪声影响以及避障要求,使用随机速度更新、惯性因子动态调整等策略对多目标粒子群算法进行改进,基于帕累托解集拥挤距离更新个体极值和群体极值,并构建帕累托解以得到多组备选路径方案。最后通过仿真验证了所提方法的可行性和有效性。

基于多目标粒子群算法的城市工业区节能减排控制方法研究

为了降低城市工业区能源消耗量,减少排放,引入了多目标粒子群算法,开展城市工业区节能减排控制方法研究。根据城市工业区的能源使用状况和排放特点,明确了节能减排的多个优化目标。在多个条件的约束下,建立了多目标城市工业区节能减排控制模型。利用多目标粒子群算法对模型进行优化改进,结合节能减排控制模型,引入最优折中解理论实现城市工业区节能减排负荷最优分配控制。通过对比实验证明,新的控制方法应用下,城市工业区的能源消耗量和排放量均减少,达到了节能减排的目的。

基于改进的多目标粒子群算法的分布式光伏电源优化配置

针对不合理的分布式光伏电源选址定容给配网造成电压质量降低、功率倒送等问题,建立计及光照条件的配电网有功网损最小、电压偏差最小、投资成本最低的多目标选址定容模型,并提出一种改进的多目标粒子群算法求解该模型。该算法采用非线性惯性权重和学习因子提高算法的收敛精度,引入早熟扰动因子增强算法跳出局部最优的能力,提出拥挤距离更新策略,以保证Pareto解集分布的均匀性和广泛性;通过标准测试函数验证所提算法的优越性;最后,基于IEEE-69节点系统进行分析。仿真结果表明,所建模型在兼顾配电网经济性和安全性的同时,可有效将分布式光伏电源配置在光照资源丰富的地区。

基于多目标粒子群算法的A356铝合金蠕变本构模型的构建

在150,250,300℃温度和20~150 MPa应力下,对A356铝合金进行单向拉伸蠕变试验,研究了其蠕变特性;采用多目标粒子群算法得到Norton-Bailey幂律模型、Garofalo双曲正弦模型和基于变形机制的真应力蠕变模型的参数,并采用这3种模型对A356铝合金的最小蠕变速率-应力曲线进行预测,分析3种模型的预测精度。结果表明:A356铝合金的最小蠕变速率与试验温度和应力成正相关,但温度对最小蠕变速率的影响程度大于应力;基于变形机制的真应力蠕变模型具有最高的预测精度,对最小蠕变速率的预测结果中90%数据点均位于2倍误差带内。结合多目标粒子群算法得到的基于变形机制的真应力蠕变模型可以用来准确模拟宽幅温度和应力范围下A356铝合金的蠕变特性。

精英竞争和综合控制的多目标粒子群算法

目的多目标粒子群算法虽然极易实现且收敛速度快,但在平衡其收敛性和多样性方面仍需进一步改善。方法针对上述问题,提出一种精英竞争和综合控制的多目标粒子群算法(ECMOPSO)。一方面,算法采用全局损害选择精英粒子集,然后将两两竞争引入多目标粒子群算法中,通过精英竞争选取优胜者粒子,将其与全局领导者融合形成更全面的社会综合信息,以增强种群中粒子之间信息的交互性,更好引导种群中的粒子飞行,提升算法全局探索能力;另一方面,结合全局损害和基于位移密度估计对外部存档进行维护,从而提高外部存档中非劣解的质量,平衡算法的收敛性和多样性。结果将ECMOPSO算法与4个多目标粒子群算法和4个多目标进化算法在ZDT和UF系列基准测试问题上进行仿真实验,并采用Wilcoxon秩和检验和Friedman秩检验比较ECMOPSO算法与所选对比算法的整体性能。实验结果表明:相比其他几个对比算法,ECMOPSO算法的收敛能力、解的分布性以及稳定性都得到了一定的提升。结论ECMOPSO算法可以很好地平衡收敛性和多样性,提升其整体性能,能有效求解大多数多目标优化问题。

基于多目标粒子群算法的柔性交直流混合配网变电站检修工时预测

当多个变电站同时需要检修的情况下,受到多种因素限制,难以获取到准确的工时预测结果。为了合理安排工作班组,减少检修时间,设计一种基于多目标粒子群算法的柔性交直流混合配网变电站检修工时预测方法。以检修工时作为目标函数,检修过程中的时间段、检修互斥量、检修班组资源等作为约束条件建立柔性交直流混合配网变电站检修工时预测模型,设计多目标粒子群算法的系数寻优流程,完成变电站检修工时的预测。算例分析结果表明,该方法应用下的预测值与实际值之间标准曲线相关系数更接近1,平均绝对偏差和平均绝对百分比误差更小,预测偏差更低。

基于多目标粒子群算法的配电网储能选址定容分析

介绍了一种基于多目标粒子群算法的配电网储能选址定容方法。该方法综合考虑了节点电压水平、网络损耗以及储能系统总容量三个关键因素,以优化配电网的运行效率和稳定性。通过粒子群算法和多目标优化理论,多个潜在节点上模拟储能系统的选址和定容过程,不仅提升了节点电压水平,降低了网络损耗,还确保了储能系统的经济性和可行性,从而提高配电网的整体运行效率和经济效益。

基于改进BP神经网络和多目标粒子群算法的四回路导线布置优化

同塔多回并架线路可有效解决输电走廊日益紧缺的情况下线路改造和建设所面临的难题,但长距离线路的导线空间布置和相序排列为架空输电线路设计和开关检修工作带来极大挑战。为此,利用ATP-EMTP仿真软件搭建500 kV同塔四回输电线路计算模型,考虑不同线路长度、杆塔间距、线路回间垂直间距和水平间距、相序排列方式以及杆塔呼称高度,对线路的感应电压和电流值进行仿真计算,并使用基于遗传算法优化的BP神经网络对未知导线布置和相序排列方式下的感应电压和电流进行预测。最终依据相应的电磁环境控制指标,使用多目标粒子群算法对架空输电线路的空间布置和相序排列进行优化,获得满足电磁环境要求的四回路导线布置方案,为送出站接地开关选型提供参照依据。

基于预测变异多目标粒子群算法的风-光-抽水蓄能系统日前调度

文章针对风-光-抽水蓄能联合发电系统,采取并网运行、自发自用、余电上网的模式,以经济效益最大化和电网交互功率波动最小作为目标函数,考虑各子系统运行约束和能量平衡约束,对其日前调度进行了研究。针对传统多目标粒子群算法多样性较差、易早熟且后期收敛速度慢的问题,提出一种基于预测变异的多目标粒子群算法(P-MOPSO),引入预测变异策略提高种群的多样性和全局搜索能力,采用基于拥挤距离均方根和分散度检测的方法提高收敛速度,使算法能够快速得到接近真实的Pareto前沿。仿真结果表明,将该算法用于求解风-光-抽水蓄能联合发电系统的优化调度问题,在多样性、稳定性和求解速度上均具有明显优势。

基于多目标粒子群算法的配电网无功优化

考虑到配电网经济性和稳定性,以网损最小、电压偏移量最小为目标的优化策略,建立了以传统手段电容器调节和静止无功补偿器出力为优化手段的无功优化模型。文中提出了不需要任何小生境参数的小生境技术的多目标粒子群算法,采用环形邻域拓扑结构利用粒子的局部记忆形成稳定的网络,并在决策空间和目标空间中采用特殊拥挤距离作为度量。用多模态多目标优化测试函数进行测试该算法性能。测试结果表明该算法能得到大量的帕累托最优解。最后使用33节点网络算例,验证算法在无功优化应用的优势。优化结果表明所提出的改进算法在配电网无功优化方面的有效可行性,所得出的多组无功补偿方案能为用户提供分布均匀且多样化的非劣解。

基于多目标粒子群算法的水电机组一次调频性能分析及参数优化

针对目前南方电网区域内存在水电机组在某些工况下出现一次调频实际负荷调整量达不到理论值进而造成一次调频被考核的情形,先对某机组原始运行数据进行处理,通过计算一次调频实际负荷调整量和实际调差率,观察其是否达到理论值,进而找出一次调频过程合格的工况区域,在一次调频过程合格的工况区域内选取特征工况点,并采用基于Pareto优化准则的多目标粒子群算法寻找最优的PID参数。仿真结果表明,优化后的PID参数相较于调速器实设参数可使得机组具有更为优良的一次调频性能指标。

协同控制多目标粒子群算法研究

针对现有的多目标粒子群算法易陷入局部最优、难以平衡收敛性和多样性等方面的问题,提出一种协同控制多目标粒子群算法(CCMOPSO)。首先,算法脱离Pareto支配关系采用成就标量函数更新pbest。其次,提出了一种平均角度和最低距离相结合的协同策略,以删除外部存档中性能不好的非劣解。从而对存档进行维护,平衡收敛性和多样性,有利于非支配解逼近Pareto前沿。最后,将CCMOPSO算法与几个多目标优化算法在15个测试问题上进行仿真实验。实验结果分析表明CCMOPSO算法的有效性可以很好地平衡收敛性和多样性,避免陷入局部最优。从而说明CCMOPSO算法在处理多目标优化问题表现出较强的竞争力。

基于多目标粒子群算法的配电网储能优化配置研究

储能技术具有对功率和能量的时间迁移能力,能有效改善可再生能源的输出特性和可调度性,是构建新型电力系统解决可再生能源大规模并网问题及促进资源利用的关键技术。研究不同应用场景下储能优化配置对其在配电网中的有效应用具有重要意义。针对综合考量技术性和经济性指标的配电网储能配置多目标优化问题,提出一种基于多目标粒子群优化(MOPSO)算法的配电网储能优化配置方法。采用MOPSO算法对多目标储能配置模型求解,并在种群更新过程中引入自适应变异策略以扩大粒子对空间的探索能力,有效改善种群多样性的同时保证后期收敛性,在储能配置问题上得到全局最优解,实现技术与经济指标多目标综合优化。通过Matlab仿真验证所提方法的可行性与优越性。该研究成果对探索配电网储能优化配置方案具有重要的理论与工程价值。

基于多目标粒子群算法分布式电源的最优配置策略

随着各种可再生能源发电技术逐渐成熟,将多类型分布式电源(Distributed Generation,DG)接入配电网(Distribution Network,DN)是促进电力系统能源转型的快捷方式。但是,大量的DG接入DN会导致DN运行稳定性下降,迫切寻找到解决方法。为此本文考虑了PV(Photovoltaic,PV)、风力发电(Wind Power Generation,WPG)和燃料电池(Fuel Cell,FC)三种DG,并以DG的经济性指标、电压偏差、电压波动以及网络损耗作为优化目标,采用多目标粒子优化算法(Multi-objective Particle Swarm Optimization,MOPSO)确定了三种DG接入DN的最优位置已经最佳容量,并与多目标蝗虫优化算法(Multi-objective Grasshopper Optimization Algorithm,MOGOA)进行了比较。基于IEEE-33节点仿真测试算例表明与未配置DG相比,通过MOPSO算法配置DG后,平均电压波动降低了0.055 p.u.(5.01%),网络损耗减少了646.65 kW(15.92%),并且,MOPSO配置成本更低,具有更好经济性。

基于改进多目标粒子群算法的配电网储能选址定容

以系统节点电压波动、负荷波动以及储能系统总容量为目标建立了储能选址定容优化模型。求解过程中提出了一种改进多目标粒子群算法(improved multi-objective particle swarm optimizer,IMOPSO)。该算法根据粒子与种群最优粒子的距离来指导惯性权重的取值,使得各粒子的惯性权重可以自适应调整,并在二者距离较小时引入交叉变异操作,避免陷入局部最优解,同时采用动态密集距离排序来更新非劣解集并指导种群全局最优解的选取,在保持解集规模的同时使解的分布更均匀。为避免决策者偏好对最终结果的影响,采用基于信息熵的序数偏好法从最优Pareto解集中选取储能的最优接入方案。以IEEE-33节点配电系统为例进行仿真验证,结果表明该方法在储能选址定容问题求解中具有很好的收敛性以及全局搜索能力。

基于深度置信网络与多目标粒子群算法的通用飞机机翼优化设计

采用主成分分析技术对基于型函数/类函数变换(CST)参数化方法进行改进,以减少机翼的设计变量。建立了机翼的数据库,以数据库中机翼的几何参数和气动参数为训练样本,建立并训练了深度置信网络作为气动优化设计的代理模型。为了提高标准多目标粒子群算法的收敛速度和全局搜索能力,发展了基于α-stable分布函数的改进型多目标粒子群算法。将深度置信网络代理模型嵌入改进的多目标粒子群算法,开展了某通用飞机机翼的多目标气动优化设计。优化结果表明,采用主成分分析技术可大幅减少计算量。对优化所得机翼构型开展数值模拟验证,结果表明,在阻力系数不增加的条件下,优化机翼构型在多个工作状态下的升力系数显著提升。

基于改进多目标粒子群算法的有源配电网储能优化配置

储能系统可解决分布式电源加入配电网所产生的不良影响,而储能系统的合理配置是其有效应用的前提。以电网脆弱性衡量指标、有功网损、储能额定容量三个方面,考虑规划与运行之间的耦合性建立储能系统在有源配电网中的多目标选址定容模型。提出改进的多目标粒子群算法用于求解。该算法在种群更新过程中引入准对立学习策略以增强解的覆盖范围和收敛速度,并根据迭代次数采用自适应分裂策略分离过早聚集的粒子,从而增强粒子多样性,保证了算法跳出局部最优的能力。通过在IEEE33节点配电系统上进行分析,验证了所提模型及算法在优化分布式储能选址定容及运行策略中的合理性,并能有效改善电网的运行经济性与脆弱性,具有更强的全局寻优能力。

基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法。采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力。最后,将该方法应用于某机械公司的柔性作业车间多目标调度中,仿真结果证明了该方法的有效性和适应性。