基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。

分簇和多目标自适应的和声搜索定位算法

针对集中式多目标优化定位算法计算复杂、容易陷入局部最优等问题,采用一种基于分簇和多目标自适应和声搜索分布式无线传感器网络定位算法.将无线传感器网络节点进行分簇定位,建立局部多目标定位模型,其目标函数为根据簇内节点间距离信息构建的空间约束目标函数,以及根据拓扑关系构建的拓扑结构约束目标函数,使用多目标自适应和声搜索算法进行定位,以解决多目标定位算法容易陷入局部最优问题,其中和声记忆库更新方法采用非劣排序和拥挤距离排序方法.仿真结果表明本文的定位算法,与PAES定位算法相比有较高的定位精度.

一类多目标优化的半Flow Shop调度问题研究

半flow shop生产调度问题是一种类似于flow shop但又与之有本质区别的特殊调度问题,根据工件的工艺和客户要求,同一生产线上以批为单位的工件的加工可以跳过其中的某些工序。基于企业实际生产情况,建立了目标为产品的所有工件完工时间最小、拖期时间最少和设备的空闲时间最短的多目标优化模型。针对该问题,设计了一种自适应多目标和声搜索算法,算法中引入了信息熵的概念,使种群中个体的多样性的评价更加准确。通过对该算法与其他算法进行对比分析,说明该算法具有一定的优越性,在解决多目标优化问题上具有良好的应用前景。

有源配电网重构与多级无功联动优化

优化控制策略是提升分布式电源消纳能力的核心技术,也是有源配电网安全、经济、高效、优质运行的重要保障。为解决分布式电源接入后引起的潮流分布剧变、电压抬升、源荷分布不均衡等问题,提出了配电网拓扑重构以及有载调压器、补偿电容器等多级无功调节设备联动优化策略,建立了含网损、负荷均衡以及节点电压偏差的多目标综合优化模型。通过参数自适应动态调节及变维数和声记忆库机制,提出了改进型多目标和声搜索算法对优化模型进行求解,大幅提高算法收敛速度与寻优能力。在IEEE 33节点算例中进行了多个场景的测试验证,并将改进型多目标和声搜索算法与多目标和声搜索算法、基本和声搜索算法进行了比较,结果表明模型和算法的有效性。

基于MOHSA的智慧社区能量管理系统优化调度研究

家庭负荷是电网负荷的重要组成部分。在智能电网环境下,家庭负荷的灵活调度能够有效缓解电力供应紧张问题,有利于需求响应在用户侧的实施。本文提出了一种基于多目标和声搜索算法的社区能量管理系统优化调度方法,以减少用户的用电成本和平抑配电网侧负荷波动为目标,建立了计及分布式电源、储能系统和可调度负荷的智慧社区能量管理系统模型。根据Pareto理论,通过改进的多目标和声搜索算法求解,并与其他算法进行对比。仿真结果表明,所建模型和调度方案能够有效减少用户用电成本和平抑配电网侧负荷波动,改进的算法具有更强的寻优性能。