清扫车动力系统控制策略与鸟群博弈联合优化

构建基于加速踏板开度及其变化率、驾驶员意图、行驶车速以及SOC值等条件作用的行驶驱动系统、作业装置动力系统模糊控制模型,将清扫效率和整车能耗作为博弈双方,以满足清扫效率不低于90%和能耗最低为目标,采用鸟群-博弈多目标联合优化方法对其优化,并于NSGA-Ⅱ优化方法对比分析并求解电动清扫车多目标博弈优化模型满足目标的全局最优解,将行驶车速、盘刷转速和风机风量作为优化变量,确定电动清扫车多电机动力系统的参数匹配均衡和优化控制策略。结果表明,这两种优化方法都能提高整车节能性水平,其中,在道路垃圾量为中等水平且清扫车处于减速工况、道路垃圾量为较低水平时,鸟群-博弈多目标联合优化方法相比NSGA-Ⅱ优化方法对提高电动清扫车SOC值效果明显。

电-碳联合市场下虚拟电厂主从博弈优化调度

为使虚拟电厂更好地适应新型电力系统的发展,针对含综合能源的虚拟电厂,设计电-碳联合市场交易框架,在此基础上,提出一种考虑需求响应的虚拟电厂主从博弈优化调度策略。以虚拟电厂运营商为领导者、新能源热电联供运营商和综合能源用户系统运营商为跟随者,形成一主多从的Stackelberg博弈模型,同时优化虚拟电厂运营商定价策略、供能侧出力计划和用户侧需求响应方案,并对博弈均衡解的存在性和唯一性进行证明。最后,通过算例验证所提策略的有效性,虚拟电厂内部各主体利益得到有效提升,算例结果也表明不同类型需求响应占比对各主体利益有很大的影响,同时所提的优化调度策略为虚拟电厂制定内部购售电价格、调度计划和参与电-碳联合市场交易提供了参考。

基于电碳联合机制的电动汽车共享充电两阶段博弈协同调度策略

针对电力需求响应机制下电动汽车(electric vehicle,EV)共享充电调度场景中多元主体决策间的复杂博弈关系,该文提出了一种基于电-碳联合机制的EV共享充电两阶段博弈协同调度策略。首先,依据电-碳联合市场交易利润导向,构建第一阶段完全信息动态博弈的电-碳联合竞价策略;其次,依据电-碳联合市场分配导向,构建第二阶段序贯博弈的电-碳联合分配策略。该两阶段策略分别采用交替方向乘子(alternating direction method of multipliers,ADMM)和最优响应算法进行优化,确保多主体共享充电最优均衡。算例分析表明,该策略可促进各主体参与电-碳联合市场交易,在确保自身利益最大化的前提下,实现EV充电负荷和共享充电设施合理匹配,降低充电成本,优化EV共享充电期间的碳排放量,其对“碳达峰、碳中和”政策实施意义重大。

考虑维护策略的生产-配送联合优化

针对流程型企业生产-配送过程中设备实施定周期维护导致的总成本过高、交货延迟等问题,提出了两阶段维护策略以确定预防性维护(第一阶段)和故障维护(第二阶段)的时间节点。在分析生产-配送和设备维护双重需求的基础上,以最小化总成本和最小化交付提前期和延迟期的加权和为优化目标,建立了考虑设备维护策略的生产-配送联合优化数学模型;通过设计改进的鸡群算法对该模型进行求解,利用高斯变异算子对鸡群算法中鸡群的位置更新策略进行改进以丰富种群多样性,并应用田口方法获得近似最佳算法组合参数。算例分析结果显示,基于两阶段维护策略的数学模型在维护成本和总成本上明显降低、且能准确设置设备维护的时间节点和方式。

基于ε-约束方法的增广Lagrangian多目标协同进化算法

介绍了一种利用协同进化算法求解多目标优化问题的算法。这种算法首先采用ε- 约束方法对多目标优化问题进行处理 ,使其转化为一个单目标带约束的优化问题 ;然后 ,采用增广Lagrangian方法把这个单目标约束优化问题转化成一个存在鞍点的二人零和博弈问题 ;最后 ,利用协同进化的思想 ,用两个种群分别表示目标函数和约束这两个局中人 ,对这个二人零和博弈问题求解。进化过程中的选择、重组和变异算子均采用简单遗传算法(SGA)的机制。通过对两个实验测试问题的研究可以看出 ,这种算法比其它同类进化算法所得的结果要精确、稳定。

南极科考平台肢腿部件合作博弈优化设计

针对南极科考平台肢腿部件在强风极端工况行驶时存在难以同时满足高抗变形能力、低功耗水平的设计难题,分析极端工况时肢腿部件考虑风阻的复杂载荷特性,提出一种基于合作博弈的肢腿部件多目标优化设计方法,将肢腿最小变形、行驶最小功耗多目标优化问题转换为博弈问题,确定肢腿部件结构特征参数作为优化变量并构建博弈策略空间;通过建立合作博弈理论与粒子群算法相融合的博弈-粒子群方法寻求最优解,与粒子群算法相比,该方法不仅所需时间短,而且优化后的肢腿部件结构单位功耗内抗变形能力提升了1.3倍,并通过有限元方法验证优化后结构设计的安全性。

未知需求分布下提前期可控的整合库存模型研究

考虑了单供应商单采购商的生产-库存联合优化问题,采购商面临未知分布的随机需求,供应商的提前期可以控制。采用Minimax方法建立了供应商和采购商联合期望总成本最小化模型,模型中允许采购商缺货,并且部分缺货延期交付,部分缺货发生销售损失,同时也考虑了运输成本,并且假设运输成本依赖于订货量和提前期。给出了求解联合最优生产批量、联合最优提前期、联合最优再订货点和订货量的算法,并通过数值算例作了说明。