基于双层粒子群算法求解电力市场均衡

针对电力市场均衡策略的求解,现阶段国内外广泛采用非线性互补算法和循环迭代的方法。其中,非线性互补算法是通过Karush-Kuhn-Tucker条件将发电商最优反应函数转换成一组半光滑非线性互补方程组,松弛因子维度高且算法异常复杂。而循环迭代法采用重复求解各发电商的最优反应函数的思想,常常因为收敛性差而求不到均衡解。针对上述问题,提出了一种基于双层粒子群算法求解市场均衡的思路。其中,外层粒子群算法搜索可行域内的策略组合,以提出的纳什适应度函数为寻优标准;内层粒子群算法和内点法结合计算外层中的纳什适应度函数值。采用标准3节点和IEEE 30节点测试系统对所提算法进行了仿真,求得结果与采用非线性互补算法的结果完全一致,验证了所提出的双层粒子群算法的有效性。

基于双层粒子群优化算法的柔性作业车间调度优化

针对柔性作业车间调度问题(FJSP),提出了一种改进的双层粒子群优化(ITLPSO)算法。首先,以机器的最大完工时间最小化为优化目标,建立了一个柔性作业车间调度模型;然后,介绍了改进的双层PSO算法,为了避免陷入局部最优和提高收敛速度,算法中加入了停滞阻止策略和凹函数递减策略;最后,对相关实例进行求解,并与已有算法作了比较。实验结果表明,与标准PSO算法和双层粒子群优化(TLPSO)算法相比,最大完工时间的最优值分别减少了11和6,最大完工时间的平均值分别减少了15.7和4,收敛速度明显提高。经过性能分析,所提算法可以明显提高柔性作业车间的调度效率,从而获得了更优的调度方案。

基于双层粒子群优化算法的弥漫大B细胞淋巴瘤基因表达样本分类研究

目的从分子生物学的角度对弥漫大B细胞淋巴瘤(DLBCL)基因表达样本进行分类,改进基本粒子群优化分类算法在分类精确性和稳定性方面的不足。方法给出一种基于双层粒子群优化(TLPSO)的分类算法,选取141个弥漫大B细胞淋巴瘤样本,包括氧化磷酸化(OxPhos)、B细胞受体(BCR)和宿主反应(HR)3种亚型,随机选取训练集和测试集以获取不同样本组合,与基本粒子群优化(PSO)分类算法进行比较。结果基于TLPSO的分类算法获得较好分类结果,最佳分类预测结果数和分类结果分布2项指标均优于PSO算法。结论双层粒子群优化分类算法能够对弥漫大B细胞淋巴瘤基因表达样本进行准确和稳定分类,能为临床肿瘤基因表达样本的分类定型提供依据。

基于双层粒子群优化算法的肿瘤基因表达样本分类研究

目的从分子生物学的角度对不同类别肿瘤样本基因表达数据进行准确和稳定分类,为肿瘤治疗路径的选择提供分型依据。方法给出一种基于双层粒子群优化(TLPSO)算法的肿瘤基因表达样本分类模型,选取103个肿瘤基因表达样本,包括乳腺、前列腺、肺和结肠肿瘤基因表达数据,随机选取训练集和测试集以获取不同样本组合,同时建立基于基本粒子群优化(PSO)算法用于比较研究。结果基于TLPSO算法的分类模型获得较好分类结果,在最佳分类结果数和分类结果分布两项指标上优于PSO算法。结论双层粒子群优化算法分类模型能够对多类别肿瘤基因表达样本进行准确和稳定分类,能为临床肿瘤基因表达样本的分类定型提供依据。

基于双层粒子群算法的下级渠道流量不等时渠系优化配水

以黑河中游张掖市甘州区盈科灌区盈四支一分支为研究对象,在现有渠道优化配水模型基础上,针对下级渠道配水流量不相等的情况,对渠系优化配水工作进行研究。选择以渠道输水损失最小与轮灌组间引水持续时间差异值最小建立多目标优化配水模型,以下级渠道出水口的开关状态与实际流量为决策变量,采用双层粒子群算法求解最优轮灌组合。成功构建了下级渠道不等时的渠系优化配水模型,采用双层粒子群算法求得的结果表明,轮灌组划分合理,下级渠系流量变化范围在其设计流量的[74.3%~77.6%],上级渠系流量变化平稳,最大配水时间113.4 h,其结果低于人工制定的168 h原配水计划。各渠道流量在其允许的范围内变化,渠系优化配水过程与配水时间组合合理,上级渠道配水流量均匀,避免了上级渠系流量突然变化与减少对下级渠系的影响,不仅减少了渠道弃水,同时使各个轮灌组同一时间关闭,有效减少了闸门调节次数,为灌区管理部门制定配水计划提供决策。

自适应双层粒子群优化算法

针对粒子群优化算法(PSO)在解决复杂问题时存在着早熟收敛和进化后期收敛速度较慢的问题,提出一种自适应双层粒子群优化算法(ADLPSO).在每次种群迭代时,利用双层粒子群中的记忆群体向全局最优位置靠近的特性,通过改进的粒子群更新公式更新记忆群体.同时为提高群体的多样性,对惯性权重进行自适应调整,并令自适应过程和双层粒子群的更新同步进行.仿真结果表明ADLPSO算法能够快速的得到更优解.

基于双层粒子群算法的主动配电网分布式电源规划

随着电力市场化程度的提高,主动配电网中需求侧资源与分布式电源的协调综合优化利用能减缓高峰时段电网阻塞,提高电力资产利用率。分布式电源规划与科学合理的接入对主动配电网中需求侧资源的优化利用至关重要。论文选取风力发电机、光伏发电机和微型燃气轮机为待规划分布式电源,以年综合费用最小为目标函数,以分布式电源渗透率、年最大负荷中断量、待规划节点处分布式电源装机容量等多种电气量为约束条件,建立考虑需求侧响应的分布式电源规划模型。基于分解协调思想,将模型分解为规划层和运行层,并采用双层粒子群算法求解。以IEEE33节点配电系统为算例,验证了规划方法的有效性。

面向无人机路径规划的双层多目标粒子群算法

无人机路径规划问题是一个复杂的多目标优化问题,目前常用粒子群优化算法及其变种算法来解决此类问题。本文在基于使用无人机执行物资投放任务的场景下,提出与之相应的无人机路径规划问题模型,并根据其特点分析其约束条件以及目标函数,在传统需要优化的基本目标函数之外,额外增加了等待时间与延迟时间这一对相互冲突的目标函数。然后提出一种基于分解的双层多目标粒子群优化算法(double layer multi-objective comprehensive learning swarm optimization algorithm framework based on set decomposition,MODCS-PSO/D),该算法使用集合和概率表示粒子的速度与位置,将连续空间中的问题转化到离散空间内,然后结合综合学习策略构建双层粒子群算法,并在此基础上引入基于分解的多目标优化框架(multi-objective evolutionary algorithm based on decomposition,MOEA/D)平衡多个待优化目标,同时增加了额外的搜索策略以避免出现早熟现象。最后通过进行对比实验,得到的结果证明该算法不仅能够为无人机规划出更符合要求的路径,还大大缩短了规划时间。

基于双层离散粒子群优化的智能小区车辆与家庭互动调度策略

综合考虑电动汽车的行驶特性、电池特性等约束条件,建立了计及峰谷差、日负荷率、负荷均方差和用户电费的多目标智能小区车辆与家庭互动(vehicle to home,V2H)调度策略。为求解该策略,提出双层离散粒子群算法优化V2H调度模型,以解决智能优化算法难以求解含等式约束方程的问题。第1层优化通过离散粒子群算法求解满足所有约束条件的单辆电动汽车充放电计划可行解,第2层优化采用基本粒子群算法迭代优化V2H调度模型。对无序充电、有序充电调度、V2H调度模式以及不同用户响应度的V2H调度策略进行仿真分析,结果表明:V2H调度在减小峰谷差、负荷波动、提升日负荷率方面的作用最显著,与无序充电相比用户电费下降1/3以上;随着用户对V2H调度策略响应度提高,负荷特性改善越明显,但是V2H调度的车均电费会增加。

基于两阶段双层多目标粒子群优化算法的输变电工程立项决策

建立输变电工程两阶段多目标决策评价模型,该模型包括立项和决策2个阶段,以及电网的安全性、经济性、环境友好性、适应性和协调性5个指标;提出双层多目标粒子群优化算法,求解模型的Pareto最优解,最后用综合评价方法选出最优实施方案。算例分析结果验证所提模型的正确性和有效性。

双层协调多粒子群优化算法研究

针对粒子群算法由于多样性差而导致的算法搜索效率低、稳定性差的缺点,提出了一种拥有双层多群间协调机制的粒子群优化算法(DC-PSO).该算法包含多个下层工作粒子群及上层决策粒子群,下层粒子群进行最优粒子信息采集和迭代计算,上层粒子群处理信息和反馈决策信息,双层粒子群联合工作.同时采用指数函数递增分布的加速度因子控制各粒子群间的耦合性,从而改善了粒子群后期搜索效率低、稳定性差的状况.仿真实验结果表明DC-PSO算法在求解函数优化问题的有效性和优越性.

基于双层改进粒子群算法含DG配电网的重构策略研究

为有效、快速、稳定地实现含分布式电源的配电网重构,在简化配电网拓扑结构的基础上,提出一种双层改进粒子群算法(double layer improved particle swarm optimization,DLIPSO)。在开关组合优化过程中,为避免"组合爆炸"问题,对配电网实际支路进行支路集划分,并进行0/1编码,缩短了编码维数,减少不可行解的产生。采用外层改进粒子群算法优化支路集组合,根据Sigmoid函数确定支路集的断开和闭合;提出内层改进粒子群算法对断开支路集内的实际支路进行优化,通过比较法确定集合内实际断开的支路;网络重构中分布式电源的加入降低了网损,提高了对节点电压的支撑能力。对IEEE 69节点配电系统进行仿真计算,结果表明所提算法能够有效搜索到最优开关组合且收敛性好。

基于双层多目标粒子群优化算法的输变电工程立项决策研究

针对如何从电网建设上报的大量输变电工程中,选择需要的且以一种有效方案实施的立项决策关键问题进行研究,提出了一种基于双层多目标粒子群优化算法的输变电工程立项决策评价模型。该模型包括2个阶段——立项和决策,采用双层多目标粒子群优化算法对模型进行求解pareto最优解,并使用5个评价指标——电网的安全性、适应性、环境友好性、经济与协调性综合选出最优方案。最后对所提出的算法模型进行算例分析验证,验证结果证明了本算法模型的有效性。

基于集群划分的配电网分布式光伏与储能选址定容规划

针对传统分布式电源规划方法难以满足未来含高比例分布式电源的配电网在运行阶段的分区控制需求问题,该文提出分布式电源集群规划的概念和方法。首先,根据系统网架结构和节点负荷特性对配电网进行集群划分,构成配电网—集群—节点多层级网架结构;其次,基于集群划分结果,建立分布式光伏与储能双层协调选址定容规划模型。上层模型以年综合费用最小为目标,决策变量为各集群的分布式光伏总容量、储能容量和功率;下层模型以系统网损最小为目标,决策变量为集群内各节点接入的光伏分容量和储能的并网位置;针对该模型特性,采用嵌入潮流计算的双层迭代混合粒子群算法进行求解。以某示范区10kV实际配电网的光储系统容量和布点优化为例,验证所提模型的可行性和求解方法的有效性。

基于动态概率潮流的住宅区电动汽车代理商定价策略

考虑电价引导下的电动汽车充电负荷波动对配电系统电压质量的影响,提出了住宅区电动汽车代理商定价策略制定方法。首先,通过拉丁超立方采样技术构建电动汽车充电场景,根据主从博弈理论确定各充电场景的充电起始时间,建立电动汽车动态概率负荷模型。其次,应用半不变量动态概率潮流求解各节点的电压幅值概率分布,以此评估电压合格情况,并以代理商期望收益最大为目标,以电价波动限值和电压合格率期望值为约束,建立代理商定价策略。再次,采用双层粒子群算法求解电动汽车代理商定价策略,在底层优化中处理电价约束条件,顶层优化中处理系统约束条件。最后,在IEEE 33节点配电系统中进行仿真分析,仿真结果表明:相较无序充电,所提出定价策略优化得到的动态电价能够显著改善不同电动汽车规模下节点电压幅值的动态概率特性,使其满足电压合格率期望值约束,并保证代理商总收益随着电动汽车接入数量增加而稳定增长。

基于不确定性测度的居民小区电动汽车充电分时电价制定策略

针对电力市场条件下,电动汽车响应分时电价的不确定性而导致的居民负荷随机波动加剧等问题,提出了基于不确定性测度的居民小区电动汽车充电定价策略。首先,引入价格弹性系数定量描述考虑电动汽车对分时电价的响应概率,建立电动汽车充电负荷动态概率模型。其次,引入熵和越限概率对负荷动态概率波动进行测度,在保证居民小区变压器期望过载时间不越限的前提下,以电动汽车代理商的期望收益最大为目标建立定价策略模型。再次,采用双层粒子群优化算法对定价策略进行优化求解。最后,以某居民小区为例进行仿真研究,结果表明,所提出的定价策略不仅能保证代理商收益的增加,而且能够有效减小居民小区内各时段变压器过载运行的风险,降低居民小区内总负荷波动的不确定性。

考虑风电及分时电价的机组组合问题研究

近年来,风电等清洁能源的接入以及负荷侧分时电价的管理增加了电网调度的复杂性,为实现在风电接入及分时电价管理背景下的火电机组的经济调度和分时电价策略优化,首先研究了负荷需求对峰谷时段电价的响应模型,接着基于模糊机会约束理论建立了考虑风电及分时电价的机组组合模型,然后提出了一种双层混合粒子群算法求解该机组组合模型,以得到与风电相配合的分时电价定制策略以及火电机组出力值.最后仿真结果表明,所提出的方法可以实现负荷侧分时电价策略与供电侧火电出力的有效配合并降低火电机组的发电成本.

计及电能质量的电力市场多主体博弈模型

随着新电改的推进以及电力市场的发展,电能的定价需要考虑其质量因素。同时,电能的按质定价是未来建立公正的电力市场交易环境的前提。基于此,提出一种计及电能质量的电力市场多主体博弈模型。首先,制定计及电能质量的发电侧发电质量奖惩规则与用电侧电能质量分级规则;其次,基于发电侧发电质量奖惩规则建立发电方模型,以督促发电方生产优质电能;第三,基于电能质量分级规则刻画直购电大用户成本函数,建立售电方购售电双层决策模型;最后,基于纳什均衡建立计及电能质量的电力市场多主体博弈模型,并利用纳什适应度函数,采用双层粒子群算法对所建立的电力市场多主体博弈模型进行求解。算例测试结果表明,所提出的计及电能质量的电力市场多主体博弈模型对督促发电方生产优质电能有显著的激励作用,可有效地促使售电方与大用户在双边合同市场与集中交易市场进行策略平衡。该模型可为未来电力市场按质定价提供有价值的参考。

密集障碍物环境下移动机器人全局路径规划

针对粒子群优化算法用于障碍物密集分布环境下机器人全局路径规划存在的早熟、效率低等问题,提出了一种基于障碍物顶点信息搜索的双层(底层和顶层)粒子群优化算法。首先,循环运行若干次底层算法,快速获取若干条无碰路径,确定全局最优解的大致位置,并上传所得路径到顶层;顶层种群接受下层信息后,接着,进行局部精细搜索,以获取问题的最优解。同时,定义了基于障碍物顶点信息的脱障算子,对粒子的全局极值点进行脱障操作,以保证路径的无碰性且加快寻优效率。最后,仿真验证了该方法的有效性。

基于DL-MOPSO算法的等效燃油消耗最小能量管理策略优化研究

等效燃油消耗最小能量管理策略(ECMS)的优化问题,是一个不连续、非可导的内外层嵌套多目标优化问题,为进一步提高整车燃油经济性,同时使电池具有良好的电量保持性能,提出一种内外层嵌套的双层多目标粒子群算法(DL-MOPSO)对充放电等效因子和功率分配方式同时进行寻优。仿真结果表明,与传统的穷举法相比,DL-MOPSO算法寻优获得的ECMS可提高整车燃油经济性10. 28%,且SOC终值与目标值差为0. 001 9,有效保持电量平衡。最后分析了惩罚函数中β参数对ECMS寻优的影响,对β参数的取值具有一定指导意义。