基于变时段设计改进多目标差分进化算法的风/光/火/储日前优化调度

在高比例新能源馈入的新型电力系统中,新能源出力的不确定性导致火电难以满足调度计划的精度需求,风/光/火/储系统的经济调度求解算法面临严峻挑战。为此,提出一种基于变时段设计的多目标差分进化算法。首先按各时段负荷特征构建风/光/火/储系统的变时段日前调度规则。进而以系统运行经济成本与污染排放量为目标,基于多目标差分进化算法求解变时段系统日前调度模型的Pareto解集。最后,用IEEE 39节点系统进行测试。结果表明在风、光、储与火电的约束条件均符合校验的情形下,相较于其他算法,该方法使计算结果更加优化,火电机组出力跟踪调度计划效果显著提高,验证了所提方法的有效性。

多目标差分进化算法改进与电工钢片磁致伸缩模型参数辨识

准确且高效地辨识电工钢片磁致伸缩模型参数是模型在变压器铁心振动分析中的应用前提。针对现有单目标优化算法不能兼顾参数辨识精度和速度的问题,该文基于改进Jiles-Atherton-Sablik和Energetic模型相结合的磁致伸缩模型,将该模型的参数辨识转换为多目标优化问题。以磁滞回线和磁致伸缩曲线的均方根误差作为待优化的2个目标,建立参数辨识的多目标优化数学模型。基于该模型,从控制参数自适应技术、变异算子改进策略以及选择算子改进策略3个方面对多目标差分进化算法进行改进,从而提出一种采用改进多目标差分进化算法的磁致伸缩模型参数辨识方法。通过与现有方法对比,该文方法的磁滞回线求解精度提升17.84%,磁致伸缩曲线求解精度提升13.60%,辨识速度提升41.57%。

基于参数动态调整的控制工程多目标差分进化算法设计

本文介绍了控制工程、差分进化算法、多目标差分进化算法以及多目标优化控制问题。在此基础上,提出一种基于参数动态调整的多目标差分进化算法设计,包括算法设计流程、实现细节和性能评估指标,并进行算法实验及结果分析,包括实验设置和数据收集、实验结果展示及分析、实验结果与其他算法结果比较。结果表明,基于参数动态调整的多目标差分进化算法在多目标优化控制问题上表现出良好性能,可以为解决实际工程问题提供有力支持。

基于多目标差分进化算法的含分布式电源配电网无功优化方法

由于配电网无功优化属于多目标问题,各目标之间相互制约,传统方法易陷入局部最优,优化效果较差,为此,本文提出基于多目标差分进化算法的含分布式电源配电网无功优化方法。以有功功率网损和节点电压偏差最小为目标,构建含分布式电源配电网多目标无功优化模型,基于差分进化算法求解模型,实现配电网的无功优化。采用设计方法优化IEEE-32节点系统,优化后有功功率网损较优化前减小29.13%,说明差分进化算法在多目标问题上寻优能力较强,验证了设计无功优化方法的有效性。

多目标差分进化在热连轧负荷分配中的应用

提出一种基于差分进化算法的多目标进化算法,该算法个体的选择是通过非支配排序和拥挤度距离进行综合考虑.保证了算法收敛到Pareto最优解集的同时,提高了最优解个体分布的多样性.通过与非支配排序遗传算法Ⅱ(NSGAⅡ)算法进行仿真对比,结果显示基于拥挤度排序的多目标差分进化算法在收敛性和Pareto最优解集分布的多样性上均优于NSGAⅡ算法.最后将其引入到热连轧负荷分配优化计算中,给出了目标函数的表达方式,对多目标进化算法在热连轧负荷分配计算中的应用进行了研究.

多目标差分进化算法的电力系统无功优化

在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。

基于多目标差分进化算法的结构物理参数辨识

优化算法在用于结构的物理参数辨识时,测量数据的不完备和噪声严重影响了参数的辨识精度。针对这一问题,为得到理想的辨识精度,将时程响应数据和频率数据定义为多目标函数,并利用多目标差分进化算法(DEMO)进行优化求解。在数值模拟中,利用10层剪切型框架结构和31个单元的桁架桥结构作为算例。计算结果表明,该多目标函数和DEMO算法,利用不完备的且含有噪声的测量数据,可以得到具有较高精度的辨识结果。

基于多目标差分进化的测试封装扫描链设计

集成电路已经步入基于IP核设计的SoC(System On Chip)时代,使得IP核的复用成为一个关键问题。针对SoC测试封装扫描链设计中的NP Hard问题,提出了一种采用多目标差分进化的测试封装扫描链设计算法,使得封装扫描链均衡化以及使用TSV(Through Silicon Vias)资源最少,通过群体的变异、交叉以及选择操作实现测试封装扫描链的设计。最后,根据国际标准ITC’02 benchmark进行了验证试验。结果表明,与同类算法相比,算法获得了能够获得更短的封装扫描链和更少的TSV资源。

基于多目标差分进化算法的预制构件生产重调度研究

针对预制构件生产工序进行分析,研究了紧急插单情况下预制构件生产重调度优化问题,针对预制构件生产过程中由于设计变更而导致的紧急插单对生产计划产生的影响,对预制构件生产重调度问题进行了建模,同时考虑相邻工序之间缓冲区和模具数量约束,兼顾完工时间和惩罚成本两个方面目标,采用多目标差分进化算法(Multi-Objective Differential Evolution Algorithm,MODE)求解模型,最后,通过生产企业实际数据进行仿真测试,引入距离指标和运行速度两个评价指标对算法进行了评价,实验表明,多目标差分进化算法优于NEH(Nawaz、Enscore、Ham)启发式算法。

自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用

计及电压稳定性的无功优化是一个兼顾降低有功损耗和提高静态电压稳定性的非线性约束多目标优化问题。提出了一种自适应多目标差分进化算法(self-adaptive multi-objective differential evolution,SAMODE)对多目标无功优化进行求解。在差分进化的寻优机制中嵌入非劣排序和拥挤距离排序以对种群实施选择操作,使算法快速收敛到Pareto前沿的同时,保证了非劣解的均匀分布;引入控制参数自适应调整策略,避免对参数的反复试探,提高了算法的鲁棒性。利用SAMODE对IEEE 30节点系统进行无功优化计算,并与改进非劣排序遗传算法进行比较,结果验证了所提算法的有效性和优越性。

基于多目标差分进化算法的高炉煤气系统调度

针对钢铁工业中高炉煤气(blast furnace gas,BFG)系统的调度问题,提出了一种基于动态贝叶斯(dynamic Bayesian network,DBN)和改进的多目标差分进化(improved multi-objective differential evolution,IMODE)算法的BFG系统调度方法。考虑到BFG系统的动态特性和时间预测模型的输出不确定性,采用基于因果关系的DBN算法对BFG系统的煤气柜建立模型,并以煤气柜快速达到期望值且具有较大的调节余量为优化目标。在优化调度时,将粒子拥挤距离引入到多目标差分进化算法的搜索机制中,从而提高模型的搜索精度。此外,针对单个用户调整不能使煤气柜安全运行的情况,同时考虑到不同消耗用户调整能力的差异,提出了多用户调整方案。为了验证所提算法的有效性,采用国内某钢铁企业BFG系统生产数据进行实验,结果表明该方法相比其他的方法在BFG系统调度调整中具有更好的效果。

基于跳跃基因的多目标差分进化算法

为解决现有多目标差分进化算法容易陷入局部最优的问题,引入跳跃基因算子,提出基于跳跃基因的多目标差分进化算法。改进现有的多目标差分算法,在传统交叉算子之后执行跳跃基因操作,以保持种群多样性。数值实验结果表明,该算法能较好地解决局部最优问题,在ZDT和DTLZ测试函数集上具有明显优于现有算法的收敛性能。

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。

基于多目标差分进化算法的无功优化方法

针对无功功率优化问题,以电压稳定性最优、电压偏差最小和无功功率生产成本最小为目标,通过优化多目标差分进化算法(Multi-Objective Differential Evolution,MODE),建立了无功功率优化模型。该模型将发电机母线电压幅度、变压器抽头调节约束和无功功率作为控制变量,采用二项式交叉和差异向量变异方法自动调整参数的差分进化策略,并基于模糊机制从帕累托前沿得到最优的折中解来帮助决策者。所提出的无功优化模型在IEEE 57节点系统进行测试,结果验证了该优化方法的可行性和有效性。

基于改进多目标差分进化的蒸汽动力系统碳排放和生产成本优化

化工企业生产过程中向空气排放大量温室气体,在双碳背景下,其需兼顾节能降本和减少碳排放两个矛盾的优化目标。本文先通过排放因子法对蒸汽动力系统的碳排放加以评价作为环境指标,再通过产能和耗能设备的运行参数、能源管网内部不同公用工程的产耗平衡,构建多目标优化的MINLP模型,提出一种动态参数多目标差分进化算法(D-MOEA)对MINLP模型进行求解,算法引进参数自适应调整策略,旨在提高算法的全局寻优能力,增强收敛能力。以某乙烯工厂实例为背景,用排放因子法作为碳排放的评价指标,使用动态参数多目标差分进化算法进行运算,结果表明排放因子法建立模型的有效性,以及算法的收敛性和精度更高。

异构多目标差分-动态窗口算法及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.

多传感器协同区域搜索与目标跟踪的调度方法

为解决区域搜索和目标跟踪2种任务协同时对传感器资源的竞争问题,提出了一种多传感器调度方法。针对双任务协同背景,将传感器调度转换为多目标优化问题,以搜索性能和跟踪性能为优化目标建立了目标函数;建立了区域搜索模型,考虑目标的新生、消亡和转移,将未被发现目标的更新过程建立为非齐次泊松过程,提出以漏警损失量化区域搜索性能;建立了目标跟踪模型,引入后验克拉美罗下界(PCRLB)量化未来时刻的跟踪性能;针对最优调度方案求解,在传统多目标差分进化算法的基础上,引入混沌映射理论和双种群协同方法,提出了混沌映射-多目标协同差分进化算法(CM-MOCDEA)以提高寻优能力。仿真实验验证了所提优化算法能够兼顾收敛性和多样性,具有较强的全局搜索能力;所提方法能够有效分配传感器资源完成区域搜索和目标跟踪任务,从而获得较高的作战收益。

基于改进多目标差分灰狼算法的配电网无功优化

配电系统静止同步补偿器(Distribution Static Compensator,DSTATCOM)接入配电网能够有效解决高渗透率的光伏与时变负荷对主动配电网带来的影响.对含DSTATCOM与并联电容器组(capacitor banks,CB)的配电网进行协调无功优化能够有效解决分布式光伏以及时序负荷对系统电能质量的影响.本文以有功网损、电压偏差以及补偿容量最小为目标函数,建立了DSTATCOM与CB的配电网协调无功优化模型.针对原始灰狼算法(gray wolf optimization,GWO)中不足,提出多目标差分灰狼算法(multi-objective differential evolution gray wolf optimization,MODEGWO).最后以IEEE 33节点系统为例,引入某地区典型日光伏与负荷的时序波动功率,对含DSTATCOM与并联电容器组进行协调无功优化,得到动态运行策略.仿真结果验证了所提模型与算法的正确性与有效性.

高分子注塑成型产品质量关键工艺参数的多目标优化设计

针对注塑成型(PIM)关键工艺参数操作不佳易引起产品质量缺陷问题,提出一种基于梯度增强型Kriging(GEK)模型的注塑工艺参数多目标优化设计方法。针对空调外罩注塑成型过程,根据工艺参数和质量指标开展七因子三水平的正交实验设计,并采用Moldflow软件进行模流分析计算,通过信噪比分析和方差分析选取影响产品质量的主要参数;基于GEK模型理论建立质量指标预测模型,采用多目标差分进化(MODE)算法以质量缺陷和周期时间最小化为目标搜寻全局最优解;将最优设计参数带回Moldflow软件进行模拟验证。结果表明翘曲量、体积收缩率和周期时间分别降低0.88%、4.68%和14.81%,大幅度提升了产品质量和生产效率。

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度。根据模糊集方法从帕累托前沿中选择最优折衷解。以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性。