基于P-AWPSO算法的全钒液流电池储能系统功率分配

为了提高全钒液流电池储能系统的效率,促进其高效利用,提出基于P-AWPSO(priority-adaptive weight particle swarm optimization)的功率分配策略。首先给出包含折损成本、损耗率及电池荷电状态(state of charge,SOC)一致性的多目标优化模型以及4个评价全钒液流电池储能系统功率分配的指标;然后采用P-AWPSO算法进行求解,该算法采用"先选择单元后功率分配"的思路,即先根据优先级选择参与本次功率分配的储能单元,然后在选定的储能单元内进行功率分配;最后将算法用于两个算例的仿真中,并与传统功率分配算法进行了对比。通过仿真表明,该策略能够实现全钒液流电池储能系统的功率分配,减少电池充放电次数,降低电池运行成本,提高工作效率。

Clough-Penzien功率谱模型参数的识别与统计建模及应用

地震动的Clough-Penzien功率谱(简称“C-P谱”)模型具有明确的物理意义,但是该模型需要识别的参数较多;而普通最小二乘(OLS)算法存在对数据的非线性识别初始值选择要求高、无法快速有效实现对大批量参数的精确识别等缺点。本文采用自适应加权粒子群优化(AWPSO)算法,基于典型的地震记录对C-P谱模型参数进行识别。结果表明:AWPSO算法识别的精度相比于OLS算法至少提升2.3%,且在计算效率方面具有较大的提升。从地震记录数据库中挑选出4159条地震记录,按照建筑抗震设计规范中的场地分类标准对其分组,采用AWPSO算法对各类场地的C-P谱模型参数进行识别和统计。采用K-S检验、A-D检验及AIC准则,确定了各参数的最优概率分布模型,并进一步计算了各参数之间的相关系数,建立了C-P谱模型的联合概率密度函数。采用Latin超立方抽样方法,得到了场地的统计抽样C-P谱模型,与规范转换的功率谱进行了对比分析,利用功率谱迭代修正的人工地震动合成方法,生成了具有场地特性的人工地震记录。

基于自适应粒子群算法的燃煤-捕碳机组热力系统优化设计

以某1 000 MW超超临界燃煤机组为例,提出了一种新型燃煤-捕碳机组热力系统设计方案,建立了该方案下机组的热经济性计算框架及回热系统参数优化模型,并引入自适应粒子群算法进行优化计算.结果表明:新设计燃煤-捕碳机组的热经济性显著改善,循环热效率比捕碳改造机组相对提高10.7%;自适应粒子群算法收敛快、稳定性好,其优化结果明显优于其他方法,能够适用于燃煤-捕碳机组的热力系统优化设计.

圆锥型场源瞬变电磁数据AWPSO算法优化反演

瞬变电磁圆锥型场源装置有效的减小了线圈间的电感,提高了小装置探测地下浅层的分辨率,但常规反演方法需给定初始模型且反演精度不高.针对瞬变电磁法反演计算问题,通过对粒子群优化算法(PSO)和神经网络算法(BP)分析研究,改进了一种基于神经网络算法Sigmoid函数的自适应加权粒子群优化(AWPSO)算法.采用标准测试函数对算法进行试算,建立多个理论层状地质模型对该算法进行理论验证,最后在地质资料已知地区开展现场实验.计算结果表明,新提出的算法具有更高的全局搜索寻优能力和收敛速度快、计算精度高,且不需要给定初始模型;实验结果显示实测数据反演结果与高密度电法探测结果吻合,证明该算法能够对瞬变电磁探测数据进行反演计算且精度较高,可以在同类型的浅层探测任务中提供参考.