基于改进粒子群算法的电网混合储能控制方法

为提高其对于电网储能系统的控制效果,提出基于改进粒子群算法的电网混合储能控制方法。建立混合储能系统等效模型,分别设置蓄电池储能模型和超级电容器储能模型,获取储能等效函数,采用改进粒子群算法对储能模型进行求解,根据最优解得到电网混合储能控制方案,仿真实验结果表明,改进粒子群算法在光照增加、光照减弱、负载增加、负载减小工作条件下的响应时间分别为172 ms、141 ms、223 ms、219 ms,均小于对比算法,其电压过冲比例则为6%、5%、7%、7%,远小于其他储能控制方法,具有十分明显的优越性。

基于粒子群-细菌觅食混合优化算法的汽车碳纤维复合材料地板铺层设计

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平,提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性,然后通过力学性能测试获取了碳纤维复合材料的参数,并进行了地板铺层的概念设计和建模。接着,采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数,并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明,所提出的粒子群-细菌觅食混合优化(PSO-BFO)算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。

基于改进的粒子群算法的多目标混合流水车间调度研究——评《粒子群优化算法及其在电力电子控制中的应用》

生产计划问题是指为达到特定性能标准,对可共享的资源进行配置和对生产作业进行顺序安排。混合流水车间计划问题在冶金、石化、国防等行业具有很好的实际运用前景,是一种通用的流水作业调度问题和并行作业问题的扩展,具有多约束、多阶段、多目标、高非线性等特征。由于该问题具有较大的特殊性,难以采用常规的数学规划方法来解决。

基于混合粒子群优化的含分布式电源配电网分层规划方法研究

提出了基于混合粒子群的分层优化规划方法对含分布式能源的配电网线路结构、分布式电源的位置和容量进行优化配置。上层以配电网年平均总投资和运行成本最小为目标,对配电网进行网架结构规划;下层在已知配电网网架结构的前提下,采用混合粒子群算法对并入配电网的分布式电源的位置和容量进行求解。算例仿真分析结果表明,本文提出的分层规划方法具有更低的年综合经济成本,更稳定的系统电压水平。

基于混合粒子群优化的智能电表计量多维数据聚类方法

研究基于混合粒子群优化的智能电表计量多维数据聚类方法,提升智能电表计量数据的应用范围。依据智能电表计量数据间的关联性,提取数据的混沌特征。选取混沌系统中的Logisic映射方法优化粒子群优化算法建立混合粒子群优化算法。根据提取的混沌特征向量,改进粒子群优化算法的位置更新过程,调节系数控制混沌特征向量的扰动程度。利用混合粒子群优化算法优化K-means聚类算法,直至满足智能电表计量多维数据聚类的目标函数,输出智能电表计量多维数据聚类结果。实验结果表明,该方法有效聚类智能电表计量多维数据,直观展示智能电表计量数据中的电压、电量等数据,提升智能电表计量数据的应用性。

航班延误恢复调度的混合粒子群算法

为了优化航班延误恢复调度,考虑了航班延误的经济效益、社会影响和经济损失构成,定义了航线影响因子,构建了一种新的航班延误恢复调度模型,将局部搜索方法引入到粒子群算法中,提出了求解航班延误恢复调度问题的混合粒子群算法。计算结果表明:与先来先服务调度方法相比,混合粒子群算法可以减少航班延误损失4.2%,与基本粒子群算法和进化策略算法相比,混合粒子群算法平均可减少航班延误损失2.0%,随着航班延误恢复规模的增大,算法优势会更明显。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。

一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法(英文)

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.

基于递阶粒子群方法的RBF网络自动设计

针对径向基函数网络(RBFN)的结构和参数难以同时优化及粒子群不同结构的粒子飞跃困难问题,提出一种维数自适应变化递阶粒子群方法,同时完成对网络的结构和参数自动优化设计。此方法中,粒子群编码采用二进制和十进制相结合的混合形式,二进制表示网络隐层神经元的数量,十进制编码表示网络参数,每个粒子在不同代的飞翔维数由当前代最好粒子的适应度和粒子到目前为止的最好适应度及粒子群处于两个最好位置时的有效维数确定。适应度函数引导粒子向小规模和小误差方向运动。通过对函数建模和混沌时间序列的预测实验,验证了方法的有效性。

基于GIS和遗传-粒子群的公路智能选线方法

为克服现有路线优化方法难以用于生产实践的缺点,提出了一种基于GIS(地理信息系统)和遗传-粒子群混合算法的方法,以辅助路线平面方案的选择。该方法以AutoCAD Map为平台,直接支持DWG格式地形图,实时获取路线所经区域的空间信息,为方案决策提供依据;优化算法采用一种遗传-粒子群优化算法,该算法在基本粒子群算法中加入遗传算法的交叉、变异算子,综合了遗传算法和粒子群优化算法的优点。数字试验的结果表明:该算法能很快收敛到最优解,达到最优解迭代次数为35次左右;该方法具备较好的寻优性能,适用于公路智能选线的实践。

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。

用于光伏电站功率平抑的混合储能系统协调控制策略

随着对可再生能源的需求日益增长,我国兴建了众多光伏电站,但光伏发电存在间歇性和波动性,需对其输出功率进行平抑,因此,提出一种混合储能系统协调控制策略。首先,建立飞轮以及锂电池模型,采用变分模态分解方法分解光伏电站输出功率,取得不同储能单元充放电指令,基于不同储能的响应时间,得到不同储能系统容量配置;其次,结合锂离子电池历史运行数据,构建锂离子电池寿命模型,以延长锂离子电池寿命为目标,采用粒子群滤波算法,提出一种混合储能系统协调控制策略;最后,通过某额定装机容量15 MW的光伏电站历史运行数据,仿真验证了本文所提混合储能系统控制策略的有效性。

六极外转子径向混合磁轴承转子位移自检测

为了解决六极混合磁轴承位移传感器体积大、成本高的问题,提出了一种改进粒子群优化算法最小二乘支持向量机的位移估计方法.首先,介绍六极外转子径向混合磁轴承的结构和工作原理,并推导其径向悬浮力的数学模型.其次,将改进的粒子群算法的惯性权重改变,以实现更快的迭代,并建立了基于最小二乘支持向量机的预测模型,根据改进的粒子群算法优化的参数对预测模型进行了仿真和验证,并比较了改进的粒子群算法和粒子群算法的预测值.最后,进行了静态悬浮实验、动态悬浮实验、扰动实验,验证了该位移估计方法的鲁棒性和稳定性.

土坡非圆临界滑动面求解的混合搜索方法

在非圆临界滑动面的搜索中,先进行圆弧滑动面的搜索,将得到的临界圆弧滑动面作为非圆临界滑动面搜索的初始滑动面,采用改进粒子群优化算法——快速粒子群算法寻优;然后根据搜索到的较优值缩减搜索域的范围,再利用改进和声搜索算法寻优,将得到的结果作为问题的最优解。最后采用Spencer法计算滑动面的安全系数,并利用2个复杂土坡作为算例来检验混合方法的有效性。比较结果表明:该方法适用于多变量优化问题的求解。

MPSO-GEP方法在边坡可靠度计算中的应用

提出了采用基因表达式编程(Gene Expression Programming,GEP)和混合粒子群相结合计算边坡可靠度的新方法。该方法采用均匀设计法确定样本点,通过数值计算求解安全系数,应用GEP方法拟合边坡的功能函数;借鉴遗传算法中的杂交概念,将其引入标准粒子群方法(Particle Swarm Optimization,PSO),形成混合粒子群方法(MPSO),改善了PSO方法的全局搜索能力,提高了方法的收敛速度和计算精度,可用于计算可靠度指标及相应的验算点。以2个典型的边坡为例,通过算例1与其他方法对比,验证了MPSO方法较标准PSO方法计算精度高、收敛速度快;分析了算法中各控制参数对可靠度指标的影响;算例2为隐式功能函数问题,将MPSO方法与GEP方法相结合求解可靠度指标。结果表明:MPSO-GEP方法对求解隐式功能函数的边坡可靠性问题具有很好的适应性,该方法科学可行且具有很好的应用前景。

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。

Logistic动态粒子群优化算法的改进及分析

分析了Kennedy最新提出的高斯动态粒子群优化算法(GDPSO)的寻优模式,针对GDPSO的特点,结合粒子群优化算法的新寻优模式,提出了Logistic动态粒子群优化算法(LDPSO);并基于LDPSO和GDPSO的特性,设计了LDPSO算法的两种改进策略——混合优化策略和最优粒子变异策略,混合优化策略用以提高收敛速度,最优粒子变异策略用以保持群体多样性,避免算法陷入局部最优。实验结果显示了LDPSO及其改进算法的有效性。

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题,建立多重威布尔混合分布参数估计的非线性最小二乘模型,并提出基于模拟退火(SA)思想的自适应粒子群(PSO)算法进行求解。在PSO算法优化过程中,采用自适应方法调整惯性权重和加速因子,加快其收敛速度;引入模拟退火机制,根据Metropolis准则确定最优粒子的取舍,改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中,并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较,分析所提方法的优化性能及精度。结果表明,该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。

多目标混合进化算法及其在经济调度中的应用

鉴于环境保护的要求,对于经济调度问题,需同时考虑环境要求、发电费用等多个目标。提出一种基于进化规划(evolutionary programming,EP)和粒子群优(particle swarm optimization,PSO)的多目标混合进化算法(multi-objective evolutionary programming and particle swarm optimization,MOEPPSO),MOEPPSO采用了EP的变异操作,用来抑制PSO的快速收敛所带来的种群早熟问题,而PSO的记忆、协作能力则弥补了EP收敛速度慢的缺点。此外,MOEPPSO应用自适应网格算法对外部库中的Pareto解集进行调整,对一个30节点IEEE系统进行计算,结果显示MOEPPSO在获得最优Pareto解集、降低计算复杂度、提高收敛效率等方面具有很强的优越性。