基于ε-支配的多目标进化算法及自适应ε调整策略

提出了一类新的基于ε-支配关系的多目标进化算法.该算法采用配对比较选择和稳态替换策略,提高了算法的收敛速度,降低了计算时间.首先,在保持种群分布性上,采用了一种新的基于ε-支配关系的精英保留策略,避免了传统修剪策略所引起的Pareto前沿面的退化.其次,根据不同ε取值分析了算法收敛性,提出了一种自适应ε调整策略.最后,通过5个常用的双目标测试函数的计算,验证了包括该自适应调整策略的多目标进化算法在求解质量上显著强于NSGAII,SPEA2和ε-MOEA等主流多目标进化算法.

基于ε-支配域的模糊多目标无功优化方法

基于模糊评价函数建立多目标无功优化模型,采用自适应ε-多目标进化优化算法获取Pareto-近似最优解集,应用后评价模糊控制器实现最优控制策略的选取。该方法相比当前后评价多目标优化方法,寻优时间缩短,优化结果针对性强,能实现自动控制。在IEEE14,IEEE30,IEEE118系统上的计算表明,相比其他几种典型后评价多目标优化方法,该方法在保证寻优质量的同时,提高了寻优效率。

基于自适应ε-支配多目标粒子群算法的含SOP的主动配电网源-网-荷-储双层协同规划模型

提出了一种含智能软开关(soft open point,SOP)的主动配电网源–网-荷-储双层协同规划模型,以模拟实际工况并实现更加精细的规划。上层规划层,考虑了线路升级改造、储能(energy storage system,ESS)及分布式电源(distributed generation,DG)的选址定容;下层运行层,不仅考虑了典型日下变压器分接头调整、补偿电容(capacitor banks,CB)投切、需求侧响应(demand response,DR)、DG与ESS的调度,还基于三端SOP接入配电网的拓扑结构及数学模型,建立了运行层精细化的有功–无功协调优化模型,可对SOP所连支路间有功和无功功率进行连续调控,同时提供一定的无功支撑。上层采用改进二阶振荡粒子群算法求解,下层采用保留端点的自适应ε-支配多目标粒子群算法求解。最后用改进的IEEE33节点系统,对此双层优化模型进行了仿真和分析。结果表明,所提方法相较传统的规划调度方法,明显改善了潮流分布,降低了网损,减小了节点电压偏移量。

求解DRS多目标优化问题的新颖ε-支配进化算法

首先分析DRS(dominance resistant solutions)多目标优化问题的特点,证明基于Pareto-支配关系的多目标优化问题算法求解该类问题很难收敛.然后,提出一种新的基于ε-支配关系的进化算法—ε—支配进化算法(EDMOEA),给出该算法框架和详细流程.最后,将ε-支配进化算法和NSGA-Ⅱ算法应用于求解一组典型的DRS多目标优化问题和常用的多目标优化测试问题,基于算法的收敛性和Pareto最优解集分布性进行评价和比较分析,表明ε-支配进化算法的有效性.

基于ε-支配的自适应多目标进化算法

提出一种新的基于ε-支配关系的自适应多目标进化算法(AEMOEA)。在每次的进化中保留端点,并从端点集中选取一个作为父本,参加进化,弥补了ε-MOEA算法中端点易被丢掉的缺陷;在进化过程中根据存档动态地调整ε的取值,使解的分布更加均匀;当存档中个体过多时,运用ε-支配关系进行剪切,使其个体数处在合理水平。通过5个常用双目标测试函数的计算,验证了该算法在求解质量上优于ε-MOEA、NAGA-II以及SPEA-2等主流多目标算法。

基于中智数及ε-支配的加工时间不确定IPPS问题多目标优化研究

工艺规划与车间调度的集成优化有利于缓解制造资源冲突,充分利用制造系统的柔性并提升制造系统运行效率.为避免实际加工时间的波动及其对调度方案鲁棒性的影响,利用中智数在刻画不确定事物方面的优势,本文使用中智数模拟工序的不确定加工时间并建立了相应的数学模型.为引导非支配解趋向于偏好区域,提出基于ε-支配的多目标优化算法,对调度鲁棒性及名义最大完工时间这两个指标进行了优化.提出的多目标优化算法对经典的Kim实例进行了求解,得到了偏好区域内的非支配解.

一种基于ε-支配的多目标自组织迁移算法

提出一种基于ε-支配关系的多目标自组织迁移算法.首先对基于混合迁移行为的自组织迁移算法进行改进,将全面学习的思想引入个体的迁移过程中,使得个体的每个分量都可以向其他个体学习,从而进行充分的信息交换;通过引入学习因子扩展个体的迁移方向,使得步长可灵活变化,进而利用改进算法快速搜索多目标函数的Pareto最优解,并采用ε-支配关系以保持种群分布性;最后通过实验分析表明了所提出方法的有效性.

考虑负荷变化影响的综合无功优化并行计算模型

实际综合无功优化中,保证系统尽量远离可能的崩溃点十分重要。提出基于ε-支配域并行算法的综合无功优化模型,通过负荷裕度指标对系统电压稳定性进行评估,利用基于ε-支配域的并行计算方法,解决了单独依靠状态指标难以准确估计系统崩溃点和裕度指标应用到多目标无功优化中导致的速度瓶颈问题,实现了系统电压稳定水平的实时、全面的评估,为运行人员提供了更全面的系统信息。通过IEEE14、IEEE30和IEEE118节点系统验证了所提模型和算法的正确性和有效性。

考虑过渡过程的多目标无功/电压优化控制模型

基于时间断面的无功/电压优化控制模型忽略了控制设备动作时间及2次优化控制期间的系统变化,因此不能准确反映优化控制效果。提出考虑过渡过程影响的多目标无功/电压优化控制模型,通过对过渡过程的智能分段和负荷变化方向的动态评估,并应用智能ε-支配域并行算法,能更精确地对电网有功损耗、控制设备动作引起的电压波动以及由于负荷变化所导致的的系统电压稳定负荷裕度变化量进行优化控制。通过IEEE30节点模型和一实际系统模型的仿真,验证了所提模型较传统无功/电压优化控制模型具有更好的优化控制能力。

基于超体积因子搜索技术的电压/无功协调控制

电压/无功协调控制是电网智能化调度与控制的关键技术之一,涉及多时间尺度和多目标空间等方面的协调控制。文中从多目标空间中的电压/无功协调控制的物理特征出发,通过引入超体积因子,对按ε-支配域划分的多目标空间进行高效搜索,实现电压/无功协调控制策略解集的求解。通过在多个电网模型上,与多种主流多目标寻优方法的对比,验证了所提出方法的正确性与有效性。

考虑电压稳定性的快速多目标无功优化方法

针对多目标无功优化方法存在寻优时间过长,优化结果针对性不强以及难以实现自动实时控制的问题,将一种基于ε-支配域的多目标进化算法应用到多目标无功优化的求解中,根据多目标模糊评价函数各目标分量的不同重要程度,构建出自适应ε-支配域,生成相应的后评价模糊控制器以实现优化结果的智能选择。在IEEE14,IEEE30和IEEE118节点系统上进行仿真试验,并与几种典型的多目标优化方法进行比较,证明了所提出的方法能使多目标无功优化的速度得到较大提高,针对系统的薄弱环节进行改进,从而更适用于电力系统自动实时控制。

一种多目标粒子群改进算法的研究

针对多目标粒子群优化过程中的粒子飞行偏向性和多样性损失问题,提出一种基于最大最小适应函数的改进算法.该算法在最大最小适应函数的计算中引入了函数相对值算法和ε-支配的概念,并提出了变ε-支配的策略,改进了最大最小适应函数的计算方法,解决了粒子飞行过程中的偏向性和多样性损失问题,加快了算法的收敛速度.将该改进算法应用于直流变频压缩机启动时峰值电流和启动转速的优化问题,应用结果表明该算法收敛速度快且效果良好.