分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。

基于模拟退火粒子群算法的配电网分布式储能布局规划研究

储能系统可缓解大规模分布式新能源接入配电网所产生的不良影响,而储能系统在配电网中合理配置是其有效应用的前提。构建了一种考虑在配电网中全寿命周期成本的分布式储能布局规划模型,并以分布式储能接入配电网后安全稳定运行校核为约束条件,采用引入退火机制的粒子群算法对布局规划模型进行优化求解,提高算法迭代时寻找全局最优解的收敛速度和准确性。在IEEE 14节点配电系统上进行仿真分析,仿真结果表明该算法具有较好的收敛性和准确性,该规划方法可有效提高新能源发电就近消纳水平,可用于指导分布式储能在配电网中的规划布局。

基于改进模拟退火-粒子群的配电网分布式光伏承载力评估

大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

模拟退火遗传算法在自由曲面数控加工中的实验

在自由曲面的加工中,一直面临着加工时间长的问题,本研究以提高加工效率为目的,通过分析待加工自由曲面的面曲率、残余高度等参数,计算出合理的加工步长和行距,并以此为依据将待加工曲面离散成点云即为刀触点。将刀具路径规划问题转化为求解TSP问题的最优解,为避免遗传算法早熟陷入局部最优解,引入了模拟退火算法进行改进,使用改进后的混合算法进行刀具路径寻优。对优化方法进行了仿真加工、实验加工及测量,结果表明优化方法相比传统方法刀路长度最多减少303.4mm,相对缩短了12.3%,加工效率提升较为明显,并且加工表面也取得了较好的加工效果。

基于改进离散模拟退火遗传算法的雷达网协同干扰资源分配模型

针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题,提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm,IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数,利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)的基础上引入随机密钥,完成算法的离散化;并在迭代的过程中增加记忆功能,克服了过早收敛的现象。仿真结果表明,与GA相比,提出的IDSA-GA收敛迅速,寻优能力强,能有效解决干扰资源优化分配问题。

基于改进模拟退火遗传算法的配电网动态故障恢复策略

计及分布式电源出力波动性对故障恢复效果带来的不利影响,提出1种利用光伏出力预测的配电网动态故障恢复方案。故障发生后,首先对动态变化的光伏系统输出功率进行预测,并研究了负荷动态特性;其次,以配电网恢复重要负荷总量最大、故障恢复成本最小和故障停电损失最少为目标函数,构建基于动态树背包模型的最优故障恢复模型,该模型可快速适应配电网拓扑变化情况。采用改进模拟退火遗传算法求解最优故障恢复方案,提高了算法的收敛速度与稳定性。最后,在IEEE69节点系统进行仿真,结果表明所提算法可适应复杂配电网的故障恢复,提高配电网供电可靠性,并降低配电网故障带来的恢复成本与停电损失。

基于模拟退火量子遗传算法的焊接机器人轨迹规划

针对焊接机器人在焊接过程中经常出现的轨迹规划问题,以六自由度机械臂PUMA 560为研究对象,采用笛卡尔空间规划轨迹,并利用混合算法,以关节惯性力矩变化量最小为优化目标,对不同末端位置的各个关节惯性力矩进行优化,从而消除了机械臂焊接过程中的运行不稳定、关节运动不平稳等问题。克服了模拟退火算法收敛速度慢及量子遗传算法局部寻优能力差等问题,成功规划出机械臂关节惯性力矩最优轨迹。MATLAB仿真结果表明,模拟退火量子遗传算法收敛时间相比传统遗传算法缩短30.56%,并且优化了关节惯性力矩,验证了该算法的可行性,可为后续研究奠定基础。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

基于遗传算法的家电智能生产线分布式资源调度算法设计

目前家电智能生产线存在多任务操作冲突、调度控制响应时间长以及制造资源利用率低等问题。为了实现家电智能生产线的合理资源调度,基于多目标优化和分布式资源调度理论,建立了家电智能生产线分布式资源调度模型,提出了基于遗传算法的家电智能生产线分布式资源调度算法。仿真实验表明,与传统生产线调度方法相比,所提出的分布式资源调度算法最大完工时间缩短了5.76%,解的适应度提高了8%,验证了算法的可行性和高效性。

基于多岛遗传算法的电动拖拉机分布式驱动系统优化设计与试验

针对分布式驱动电动拖拉机(Distributed drive electric tractor, DDET)牵引效率低、系统能量损耗大的问题,提出了一种基于多岛遗传算法(Multi-island genetic algorithm, MIGA)的分布式驱动系统参数优化设计与验证方法。根据犁耕作业工况,建立了拖拉机分布式驱动系统7自由度耦合动力学模型以及轮胎-土壤交互模型,完成了驱动系统关键部件参数设计和匹配选型。提出基于MIGA的前后轮边传动比参数优化策略,将轮边传动比作为决策变量,驱动系统能量损失最小为优化目标,驱动电机功率和转速为约束条件。搭建Matlab/Simulink-NI PXI联合仿真平台验证了参数优化策略的正确性和实时可执行性。结果表明,基于MIGA参数优化后的分布式驱动系统各方面性能得到了有效提升。犁耕循环工况下,拖拉机平均牵引力为10 610 N,最大牵引功率为31.25 kW;平均效率提升了0.38%,驱动电机能耗降低了7.53%。本研究可为分布式驱动电动拖拉机优化设计和系统控制提供理论基础和验证方法。

基于遗传算法的分布式光伏配网储能优化配置研究

为了改善配网电能质量、实现配网负荷水平的调节,提出基于遗传算法的分布式光伏配网储能优化配置方法。在分析复合储能工作原理与蓄电池储能调峰优化的前提下,构建两阶段储能优化配置模型。第一阶段优化配置模型中,以最小电压波动、网损为目标函数,从而确定蓄电池储能的最佳接入位置。第二阶段优化配置模型中,将配网接入的最低储能设备总容量作为目标函数,从而实现储能设备容量的优化配置。通过最佳保留策略、交叉、变异率的自适应变化,对遗传过程进行优化。采用改进的遗传算法对两阶段储能优化配置模型进行求解,以此确定储能的最佳配置方案及运行优化策略。试验结果表明:该方法对配网储能进行优化配置后,配网电压波动指标明显下降至1.95%,并且网损值、电压波动指标大幅降低。该方法能够实现各类负荷的调峰,具有削峰填谷效应。

基于遗传和模拟退火算法的电动汽车充电调度策略研究

针对大规模电动汽车无序充电过程中存在充电成本高、车主满意度低和充电桩利用率不均衡等问题,首先,以停车场运营商的利润和车主满意度最大化为目标,构建充电调度模型;其次,设计一种将遗传和模拟退火算法相结合的遗传模拟退火算法对模型进行求解;最后,将遗传模拟退火算法与无序充电调度策略和其他元启发式算法进行实验数值对比,验证所提算法的寻优性能,为新能源电动汽车的进一步推广提供有力依据。

基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法

针对当前分布式光伏储能输出最大功率点追踪过程受多峰特性影响而导致追踪效果不佳的情况,提出了基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法。该方法首先通过构建光伏储能电池等效模型及分析光伏储能电池特性基础上,将时间、光照强度和环境温度作为输入,建立基于径向基函数(Radial Basis Function,RBF)神经网络的分布式光伏储能最大功率点追踪模型。其次,在遗传算法中引入混沌因子,形成改进型混沌遗传算法。经过参数设置、种群初始化、添加混沌因子以及交叉和变异等操作后,利用该算法求解基于RBF神经网络的分布式光伏储能最大功率点追踪模型。最后,利用该模型输出分布式光伏储能输出最大功率点追踪结果。实验结果表明:该方法追踪分布式光伏储能输出最大功率点时,具备较好的收敛性和逼近性;可在不同环境温度和光照强度情况下,有效追踪布式光伏储能输出最大功率点,应用效果较为显著。

利用遗传模拟退火算法解决分布式OS-CFAR检测的优化问题

利用遗传模拟退火算法(GSAAs)对分布式有序统计恒虚警检测(OS-CFAR)系统的k,T参数与融合规则进行了优化设计,给出了典型的3传感器在一致与非一致检测条件下的一组准最优搜索结果。分析表明 GSAAs对于该问题的优化具有良好的适应性。

融合模拟退火参数的自适应遗传算法求解柔性作业车间调度问题

柔性作业车间调度问题是NP难问题,一般使用最大完工时间最短的评价指标来衡量加工顺序和机器选择的优劣,最短的完工时间意味着最快的生产速度。为了减小计算量并快速找到车间调度的最优解,提出了融合模拟退火参数的自适应遗传算法,详述了该算法的关键过程,并通过数据集的仿真实验验证了该算法的有效性。

基于遗传LM算法的分布式电网异常负荷自动识别方法

传统分布式电网异常负荷自动识别方法直接对电网负荷数据实施分类,未进行预处理,识别错误率较高。提出基于遗传LM算法的分布式电网异常负荷自动识别方法。首先,预处理采集到的分布式电网异常负荷数据;其次,通过遗传算法生成初始种群,其中,每个个体对应一个电网负载数据、异常负荷特征的参数组合;然后,利用LM算法的局部优化特性对电网数据参数组合进行局部优化,对遗传算法进行改进,计算其适应度,得到准确的电网负荷数据异常分类结果;最后,进行电力负荷异常值的识别。结果表明,该研究方法识别错误率更低,具有实用性。

基于改进遗传模拟退火算法的分布式光伏储能投资决策研究

文章考虑光伏出力的强随机波动性,基于地区光伏电站历史发电功率数据,采用改进的K中心点聚类算法提取光伏出力典型场景;考虑负荷、光伏出力时序特性,构建光伏、负荷联合时序场景。从场景发生概率角度出发,充分考虑光伏安装运维成本、售电、节能降损效益,以光伏电站经济效益最大化为目标,采用改进遗传模拟退火算法搜寻光伏电站最优位置和容量;采用超级电容平抑分布式光伏发电出力波动,以容量最小为目标优化储能装置充放电功率曲线,进而确定储能位置和容量。

基于模拟退火粒子群算法的含分布式电源配电网故障定位

分布式电源接入配电网将会影响配电网的结构和潮流分布,因此本文提出了一种基于模拟退火粒子群算法的配电网故障定位方法。在粒子群算法中引入模拟退火算法,通过构建开关函数和适应度函数,实现了含分布式电源配电网的故障定位。算例仿真结果表明所提方法在多电源的单点故障和多重故障下都能准确的进行故障定位,有较好的全局收敛性和容错性。

基于多元储能的分布式能源系统优化调度方法研究

为进一步构建清洁低碳、经济节能的供能系统,研究建立了含风、光以及多元储能的分布式能源系统,针对北京某办公园区,采用DeST预测用户负荷以及当地风、光条件。以经济性、节能性和环保性三方面的综合效益最大为目标,提出一种自适应优化运行策略,分别采用穷举搜索法和遗传算法对系统优化调度方案进行优化。同时,采用以电定热运行策略作为对照,对比分析几种不同运行策略下系统的综合效益。结果表明:传统以电定热运行模式下的综合效益平均值为0.41;而在自适应优化运行策略下,使用遗传算法得到的调度方案,其综合效益平均值可达0.5,穷举搜索法得到的运行方案,其综合效益平均值可达0.51。