基于改进生物地理学算法的列车ATO多目标优化研究

高速列车运行过程优化是一个多目标、非线性优化问题.为研究列车自动驾驶系统(automatic train operation,ATO)多目标优化问题,以列车运行的准时性、停车精确性、舒适性、能耗性为控制目标,列车动力学模型为约束条件,同时考虑列车惰行过分相区,建立列车多目标优化模型,提出了一种改进的生物地理学(biogeography-based optimization,BBO)优化ATO速度曲线方法.为提高算法优化性能,使用更加倾向自然法则的双曲正切变体迁移模型;在变异过程中使用差分进化(differential evolutionary,DE)变异策略,提高种群多样性,同时加入柯西分布随机数帮助算法跳出局部最优;利用反向学习提高变异后个体的多样性,保证算法的全域搜索.同时通过基准测试函数验证该算法收敛速度和全局优化能力的优越性.以CRH3型高速列车和汉宜客运某线路进行仿真实验,结果表明,所提方法可以使列车追踪运行更加高效、舒适、安全和节能,其中舒适度提升了39.24%,能耗降低了3.5653%.

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。

基于差分进化的生物地理学优化算法

针对生物地理学优化算法在实数编码时搜索能力较弱的缺点,提出一种基于差分进化的混合优化算法(BBO/DEs)。通过将差分进化的搜索性与生物地理优化算法的利用性有机结合,以解决原算法在局部搜索时容易出现早熟的问题;并构造一种基于Levy分布的变异方式,确保种群在进化过程中保持多样性;最后通过实验比较,选取了合适的试验策略。利用高维标准测试函数对相关算法进行实验,结果表明该算法能够克服搜索能力不足的缺点,并继承了原算法的快速收敛性能,可以有效兼顾精度与速度的要求。

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。

关于生物地理学算法自适应性能优化研究

针对生物地理学优化算法(BBO)存在局部搜索能力不强,后期收敛速度变慢以及收敛精度过低等问题的存在影响系统优化。为提高算法的全局优化程度,提出了一种基于自适应动态调整迁移过程,并在变异操作中采用差分变异方法的生物地理学优化算法(SDBBO)。在迁移过程中采用基于更新代数设置的自适应迁移算子优化,增强了算法的全局搜索能力并提高收敛速度和收敛精度;在变异过程中采用差分进化模型,提高算法多样性,避免陷入局部最优;全局采用余弦迁移模型,使系统更加趋向于自然界中真实情况,提高算法性能。基于标准测试函数仿真实验的优化结果表明,提出的改进算法应用与优化问题中在收敛速度、精度以及全局优化能力上优于其它对比算法,验证了改进算法的可行性和有效性。

基于微分进化的混合生物地理学约束优化算法

针对生物地理学优化算法(biogeography based optimization,BBO)容易陷入局部最优解的缺点,提出一种基于微分进化(differential evolution,DE)改进BBO算法的混合生物地理学(BBO-DE)优化算法。通过有机结合BBO算法的利用能力和DE算法的搜索能力,实现利用能力与搜索能力的平衡;引入基于可行性的约束处理机制,解决传统BBO算法无法求解约束优化的问题。通过选定的8个标准测试函数对改进算法进行仿真测试,测试结果验证了改进算法的可行性和有效性,与基本BBO和DE算法相比,其在最终解的质量和收敛速度上具有明显优势。

考虑调速器的电网PSS2B参数优化研究

考虑了调速器对PSS2B的影响。首先,本文分析了电网目前采用的自并励励磁系统、调速器和PSS2B控制器,根据电网实际情况对其三者提出了符合电网实际情况的简化和建模,并建立了符合电网实际情况的多机线性化模型和状态矩阵。根据电网部分区域机组多种运行方式,构建了多机电振荡模式下的目标函数,进行PSS2B参数优化。其次,本文提出了一种自适应迁移操作和采用DE算法变异操作改进了标准BBO算法,得到本文改进后的BBO算法(BBO-DE)。自适应迁移操作能避免直接进行迁移操作出现的不足,保证优秀个体可以更大程度的信息交流。DE算法变异操作保证了差分变异基的质量和物种的多样性,有效增加了算法的变异能力。最后,在PSASP中搭建了电网部分区域电网模型,在3种不同运行工况下,通过仿真验证了本文优化出的PSS2B参数可有效提高系统抑制低频振荡的能力,能适应于系统不同的运行工况,拥有良好的鲁棒性。

基于改进BBO算法的PSS参数优化的鲁棒性研究

电力系统稳定器(power system stabilizer,PSS)参数配置不合理将会导致低频振荡的抑制效果不佳,严重情况下还会破坏电网运行的稳定性,为此,建立发电机、励磁系统和PSS的线性化方程,构建多种运行方式、多机电振荡模式下的目标函数,对PSS参数进行优化;将差分进化(differential evolution,DE)算法与生物地理学优化(biogeography based optimization,BBO)算法相结合,针对迁移算子和变异部分进行改进;在PSASP中搭建云南电网的滇西北部分电网,通过仿真验证所提PSS优化目标函数和改进的BBO-DE优化算法的有效性,使得PSS的优化参数具有良好的适应性,有效提高系统的阻尼比,能够适应云南电网的多种运行方式。