基于新型多目标粒子群算法的电力系统动态无功优化

提出了基于新型多目标粒子群算法的无功优化方法。将控制设备动作次数约束转化为目标函数,并对转化后的多目标优化问题设计了适应度函数,较好地解决了变量离散化与控制设备动作次数限制之间的配合问题。经算例验证,优化后有功网损下降了15.1%,且优化前的环流、变压器过载等问题得到了解决。

基于网格密度的混合新型多目标粒子群算法

为提升多目标粒子群算法粒子初始化解的分布性与全局最优解的精度,提出一种新的基于网格密度的混合多目标粒子群算法(GDHMOPSO)。该算法通过利用Henon映射来初始化粒子在决策空间中的位置来增加粒子的初始搜索范围,提高粒子的分布多样性。针对选取全局最优解,首先利用求和策略,统计出外部存档中各个粒子所有函数值的和值,选择每个网格中和值最小的那个粒子作为该网格中的最优解,并引入反向选择策略选取一个全局最优解,降低粒子群陷入局部最优解的概率。通过实验证明,GDHMOPSO算法在测试函数上有较好的收敛性与分布性。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进多目标粒子群算法的储能式充电桩优化运行策略

针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略.该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩收益最高为优化目标.选取典型日建立储能充电桩优化充放电调度模型,采用改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率和时间.通过优化惯性权重和学习因子并自适应改变位置分裂因子来改进多目标粒子群优化算法.实验结果表明:该算法可有效提高收敛速度,避免陷入局部最优,能更好地处理多目标问题,在求解储能调度模型中降低了典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%~30%,提高充电桩收益,达到电网、用户和充电桩三方共赢的目的.

基于改进粒子群算法的标签天线结构参数多目标优化设计

为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

基于多目标粒子群算法的隔膜压缩机膜腔曲线优化

膜腔曲线直接影响着隔膜压缩机排气量与膜片可靠性,原始膜腔曲线不能较好满足今后加氢站隔膜压缩机高压力、大流量工况需求。针对此问题,依据隔膜压缩机工作原理,采用多目标粒子群算法对膜腔曲线进行面积与弧长的双目标优化计算,得到了一种新曲线。同时,结合压缩机工程实际对膜腔曲线进行了改进,并对改进后的膜腔曲线与原始曲线进行容积计算与有限元应力对比。研究结果表明:在给定新曲线内参数m=0.95、n=2.5且膜腔半径与膜片厚度不变的情况下,新曲线膜腔下膜片气侧最大径向应力较原始曲线降低了13.89%,膜腔容积较原始曲线增加13.72%。

基于多目标粒子群优化算法的某轻型商用车操纵稳定性优化研究

针对某轻型商用车稳态回转时侧倾度偏大的问题对其悬架进行优化改进。基于ADAMS/car搭建整车多体动力学模型,通过前悬架反向平行轮跳试验、后悬架理论计算验证了悬架仿真模型的准确性。进行整车稳态回转工况和转向盘中间位置转向工况仿真分析,结果表明,车身侧倾度偏高。为实现操纵稳定性优化分析的流程自动化,提出了基于modeFRONTIER的联合仿真方法。以悬架设计参数为优化变量,以汽车的侧倾度与横摆角速度响应滞后时间为优化目标,采用拉丁超立方试验设计方法拟合得到混合代理模型,并结合多目标粒子群优化算法对悬架系统进行多目标优化,获得了悬架系统优化方案。优化结果显示,在不影响平顺性的前提下,汽车车身侧倾度降低了13.93%,横摆角速度响应滞后时间降低了2.75%,整车操纵稳定性得到了提升。

基于响应面法和粒子群算法的电机轴多目标优化

为满足新能源汽车电机轴的轻量化设计需求,文中提出了一种基于响应面法和粒子群算法相结合的多目标优化方法。以电机轴的内径为设计变量,在满足强度约束的条件下,将电机轴质量、多危险截面处等效应力和1阶临界转速作为设计目标构建了多目标优化模型。建立Box-Behnken试验设计得到4因素3水平的有限元分析试验方案,采用最小二乘法拟合了各子目标的高精度响应面方程,并根据各子目标的重要程度引入影响因子,建立了统一的全局优化目标函数。最后,结合惯性权重线性递减的粒子群算法对全局目标函数进行了寻优。优化结果表明:电机轴的质量减小了4.8%,1阶临界转速提升了8%,且两处危险截面的等效应力分别减小了2.9%,2.5%。

基于多目标粒子群算法的配流副结构优化设计

由于柱塞泵配流副的结构相对复杂,传统的试凑法不仅会加长设计周期,且难以获得最佳结构参数。为兼顾配流副多项性能指标,以某轴向柱塞泵端面配流副作为研究对象,建立端面配流副结构的数学模型,利用自适应网格与拥挤距离的多目标粒子群算法对模型求解。结果表明:算法的目标函数均保持良好的收敛性和全局适应性,定义的配流副参数变量能找到Pareto最优解,同时维持了解集良好的分布性,提高了结构优化设计的效率;优化后的配流副油膜刚度增大,且在不同油膜厚度与供油压力下,优化后的配流副泄漏流量比优化前降低8.6%左右,验证了模型和算法的适用性与优越性。

基于改进粒子群算法的智能微电网多目标调度

微电网优化调度是一个复杂问题,具有多个目标和非线性特征,仅以运行成本为目标的优化方法可能导致解决方案单一且运行环境受到影响.本文提出了一种经济、环保和创新的微电网调度模型,并对微电网中的微型燃气轮机、风力发电机、光伏发电、柴油发电机和电池等进行了详细的优化研究.构建了一种将运行成本和环境保护成本结合在一起的多目标模型.采用多目标粒子群优化算法(MOPSO)求解,以满足各种系统约束条件.该方法旨在确保微电网的运行在经济和环境方面都能取得最佳效果.这一模型提供了一个更全面和实用的框架,为微电网实现经济性和环境友好性的运行提供了重要指导.

基于Deform仿真和粒子群多目标算法的微结构刀具优化设计

合理的刀具微结构在铣削过程中能够有效降低铣削力与铣削温度,提高刀具服役寿命。为了得到理论最优的硬质合金刀具微结构参数,需解决铣削H13模具钢过程中存在的大铣削力与高铣削温度等问题。借助Deform软件构建理想状态下的硬质合金铣削模型,进行正交仿真实验研究微结构关键参数对铣削力与铣削温度的影响;以刀具微结构作为优化自变量,最小铣削力与最低铣削温度作为目标函数,构建基于粒子群算法下的多目标优化模型,通过铣削仿真实验进行验证。结果显示,经粒子群多目标算法优化后的刀具微结构参数为R1=300μm, R7=822μm, R22=607μm,理论计算与仿真的最大铣削力和最高铣削温度之间的误差分别为22.93%和5.64%;与原刀相比,最大铣削力与最高铣削温度分别优化了53.15%和4.91%。

基于多目标粒子群优化算法的动力电池仿生冷板结构优化设计

为了提高锂离子电池的冷却效果,提出一种高度对称的仿生网状流道冷板。首先,利用单因子分析法分析了冷板结构参数对其性能的影响,然后,以冷板的平均温度、温度标准差和冷却液压力损失为性能指标,采用多目标粒子群优化(MOPSO)算法对冷板的结构参数进行了优化,得到性能最优时的流道宽度、流道深度和冷板壁厚分别为9.0 mm、1.5 mm和1.4 mm,对应的平均温度、温度标准差和压力损失分别为33.20℃、1.33℃和65.63 Pa,相比于初始结构参数,优化后的平均温度和温度标准差分别下降1.92℃和0.02℃,但压力损失增大27.10 Pa。最后,在电池模组层面验证了优化结果。

基于改进粒子群算法的目标航迹模拟及RCS仿真

针对雷达运动目标轨迹模拟逼真度问题和RCS特征,提出一种基于嵌入式粒子算法的目标航迹模拟和RCS仿真方法。首先,分析了无人机模拟运动目标航迹的基本原理,以及无人机和模拟目标之间的运动模型和耦合关系,确定了耦合因子和控制量。然后,分析了目标运动轨迹模拟的约束条件,并结合无人机性能和能耗等因素给出了目标优化适应度函数,建立了目标航迹模拟的最优控制模型。其次,为提高模型解算的针对性和实用性,将粒子群算法进行改进,并嵌入到模型求解中,实现了对目标航迹的有效模拟。最后,基于模拟目标航迹,利用飞行动力学原理和坐标系转换计算得到模拟飞行目标的姿态角,通过电磁计算软件仿真得到模拟飞行目标的RCS。仿真结果表明,该方法对实现运动目标轨迹模拟和RCS仿真具有广泛适用性。

基于嵌入式粒子群算法的目标航迹模拟方法

针对雷达运动目标轨迹模拟逼真度和普遍适用性问题,提出一种基于嵌入式粒子群算法的目标航迹模拟方法。分析了无人机模拟运动目标航迹的基本原理,论述了无人机和模拟目标之间的运动模型和耦合关系,确定了耦合因子和控制量。分析了目标运动轨迹模拟的约束条件,并结合无人机性能和能耗等因素给出了目标优化适应度函数,建立了目标航迹模拟的最优控制模型。为提高模型解算的精确度和实用性,将粒子群算法进行改进,并嵌入到模型求解中,实现了对目标航迹的有效模拟。仿真结果表明:该方法对实现运动目标轨迹模拟具有广泛适用。

改进的粒子群算法对微电网多目标优化调度研究

成了太阳能机组大规模的使用,使得在保证电网电压稳定的前提下,如何提高可再生能源的利用率成了亟待解决的问题。针对由光伏电池、风力发电机、微型燃气轮机、柴油发电机和电池等构成的微电网,考虑运行成本、扰动负荷和污染治理成本等多指标,构建微电网多指标最优调度数学模型,进而提出改进的多目标粒子群算法。在满足约束条件下,提出一种改进惯性因子并引入自适应变异操作的方法对优化模型进行求解。仿真结果表明,微电网的运行得到了优化,并验证了改进的粒子群算法的优越性能,为优化调度的进一步研究奠定了基础。

代理多目标粒子群驱动的粗糙聚类图像分割算法

为了提高粗糙聚类算法应用于图像分割时的分割效果,提出一种代理多目标粒子群驱动的粗糙聚类图像分割算法。首先,通过自适应确定粗糙聚类上、下近似的阈值,减少人为干预;其次,利用粗糙聚类中边界样本占比构建动态惩罚因子,进而结合聚类的紧致性和可分性度量构造粗糙聚类目标函数,并联合聚类的连通性函数从不同角度共同评价聚类质量;最后,设计代理辅助的精英多目标粒子群优化策略,筛选精英粒子更新种群,得到最终的聚类中心,从而避免粗糙聚类算法对初始中心敏感和易陷入局部最优的问题并提升优化效率。实验结果表明:所设计的优化策略在标准测试问题上能够得到更好的优化结果;对比其他图像分割算法,该算法分割效果最佳。

基于多目标粒子群算法的城市无人机路径规划

对于城市环境下的无人机路径规划问题,提出了一种多目标路径规划模型,以无人机运行效率最大化与运行风险最小化为目标函数,综合考虑无人机性能约束、噪声影响以及避障要求,使用随机速度更新、惯性因子动态调整等策略对多目标粒子群算法进行改进,基于帕累托解集拥挤距离更新个体极值和群体极值,并构建帕累托解以得到多组备选路径方案。最后通过仿真验证了所提方法的可行性和有效性。

基于高斯-柯西混合变异的多目标粒子群算法

针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO)。该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性。通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势。

基于多目标粒子群算法的城市工业区节能减排控制方法研究

为了降低城市工业区能源消耗量,减少排放,引入了多目标粒子群算法,开展城市工业区节能减排控制方法研究。根据城市工业区的能源使用状况和排放特点,明确了节能减排的多个优化目标。在多个条件的约束下,建立了多目标城市工业区节能减排控制模型。利用多目标粒子群算法对模型进行优化改进,结合节能减排控制模型,引入最优折中解理论实现城市工业区节能减排负荷最优分配控制。通过对比实验证明,新的控制方法应用下,城市工业区的能源消耗量和排放量均减少,达到了节能减排的目的。