基于AO-VMD和IAO-SVM的齿轮箱故障诊断

针对提高变分模态分解(Variational Mode Decomposition,VMD)的自适应性、优选本征模态分量(Intrinsic Mode Function,IMF)及多故障分类的问题,提出一种天鹰优化器(Aquila Optimizer,AO)优化VMD、综合评价模型优选IMF、改进天鹰优化器(Improved Aquila Optimizer,IAO)优化支持向量机(Support Vector Machine,SVM)的齿轮箱故障诊断方法。首先,采用AO优化VMD的参数并分解原始信号;其次,构建基于相关系数、峭度、包络熵、能量熵的CRITIC-TOPSIS综合评价模型,优选IMF,提取能量熵建立特征向量;最后,将其输入IAO-SVM识别故障类型。通过实验验证所提出方法的有效性。

基于改进社会蜘蛛算法的有源配电网重构

为更好地解决有源配电网重构问题,提出基于改进社会蜘蛛算法的重构优化方法。首先,计及不同类型分布式电源输出特性,建立以网损和电压偏移量最小为目标函数的配电网重构优化模型。然后,针对传统社会蜘蛛算法收敛速度慢、易陷入局部最优等问题,提出在寻优过程中利用不同概率的振动强度跳出局部最优路径;采用动态调节步长进行迭代指导性寻优;引入曼哈顿距离优化更新越界策略。最后,对多分布式电源并网的IEEE-33节点网络进行重构,验证了所提方法的先进性和分时段动态重构的优越性。

ISSA优化Attention双向LSTM的短期电力负荷预测

针对短期电力负荷数据的复杂性和多样性,提出一种含Attention的双向LSTM预测方法,简称Bi-LSTM-AT。该方法将电力负荷历史数据作为输入且考虑温度、湿度和日期类型因素的影响。通过建模学习构建网络模型,挖掘网络特征内部变化规律,通过映射加权和学习参数矩阵赋予Bi-LSTM-AT网络隐含状态相应的权重。同时,针对该模型超参数选择困难的问题,提出利用改进麻雀算法实现该模型超参数的优化选择,使得全年最后两天预测值的MAPE为0.42%、RMSE为0.29%和MAE为0.21%,验证了模型线性回归拟合能力的准确性和稳定性。

地磁暴引起电网电压波动抑制策略

地磁感应电流(geomagnetically induced current,GIC)侵害变压器衍生的无功损耗具有全网同时性的特点,造成整个电网的无功不足与电压波动,可能威胁电网的安全运行。为此,以电压波动和电容器补偿容量最小为目标,计及发电机组无功出力和变压器可调变比约束,将补偿电容器作为无功优化的控制变量,提出了1种基于改进粒子群算法的多目标无功优化策略。20节点算例的仿真计算结果表明:在地电场强度幅值为1 V/km的地电场作用下,电网电压受地磁扰动的影响较大,大负荷下有5个节点电压越过下限值且最小电压幅值标幺值为0.913;通过多目标无功优化后节点电压得到明显改善,比未优化提高了4%,效果较好。所提出的通过调度手段合理制定的多目标无功优化治理方案,能够减轻磁暴灾害对电网的影响,抑制地磁扰动下电网电压的波动,提高电网抗磁暴风险的能力。

基于VMD和MRVM变负荷工况下的滚动轴承故障诊断

为了能够对变负荷工况下的轴承早期故障及损伤程度进行准确有效的诊断,提出了基于改进混沌果蝇优化算法的变分模态分解(variable mode decomposition,简称VMD)和基于嵌套一对一算法的多分类相关向量机(multi-class relevance vector machine,简称MRVM)的智能诊断模型。首先,使用改进混沌果蝇优化算法(improved chaotic fruit fly optimization algorithm,简称ICFOA)对VMD的本征模态函数(intrinsic mode function,简称IMF)个数和惩罚参数进行优化,搜索两个参数的最优组合值;其次,使用最优组合参数值对VMD算法的关键参数进行设定,并对已知的故障信号进行分解获得相应的IMF分量;然后,使用嵌套一对一算法构造高精度的多分类RVM学习模型,将IMF分量的二维边际谱熵值作为MRVM的输入特征向量;最后,使用不同载荷下的实验数据进行验证。实验结果表明,所提出的方法能够准确地对变载荷工况下的轴承故障进行诊断,其中轴承故障类型的诊断精度为100%,轴承故障程度的诊断精度为91.87%,诊断精度较高,鲁棒性强。

风光互补发电系统中抽水蓄能电站的优化配置

在发电系统并网效能优化设计的研究中,风力发电和光伏发电的功率输出具有很强的随机性和波动性,考虑二者时间上和空间上存在互补性,可以构成风光互补发电系统,同时配置一定的抽水蓄能电站作为储能装置形成风光抽水蓄能联合运行系统。以风光-抽水蓄能系统的经济收益最大化为目标,建立抽水蓄能电站容量配置的优化模型,采用一种改进的粒子群算法对模型求解。最后,通过仿真表明,适当容量的抽水蓄能电站可提高风能和太阳能的利用率,同时增加风光发电系统的经济收益。

基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划

研究了一种改进蚁群算法在无人驾驶飞行器三维航迹规划中的应用。针对基本蚁群算法容易过早陷入局部最优以及过早陷入迭代停滞的缺陷,新提出了一种信息素挥发系数的随机自适应调节方法;借助最小威胁曲面这个概念,将最小威胁曲面向水平面投影,使三维航迹规划转换为二维航迹规划;并借助动态窗口这个概念,在三维离线航迹的基础上进行航迹局部重规划;最后给出仿真验证。仿真结果表明:改进蚁群算法在解的优越性和算法的快速性上都全面优于基本蚁群算法,并且改进的蚁群算法在三维航迹重规划上有很强的适应性。

海底隧道火灾救援搜索优化研究

为提高海底隧道火灾搜索效率,基于隧道火灾情景分析,建立时间最短的火灾救援搜索优化模型。首先,考虑海底隧道结构特点和CO浓度对救援效果的影响,给出模型的目标函数与限制条件,提升模型的适用性。然后,改进蚁群优化算法(ACA)的邻接矩阵和启发式函数确立规则,以克服搜索网络复杂和路径选择策略单一的问题,并求解模型。最后,以翔安海底隧道火灾为例进行模拟。结果表明,使用该模型在实现路径最短目标的同时,能优先对CO浓度较高的点进行救援搜索,降低CO对滞留人员的伤害。

改进遗传算法在水电站自动电压控制中的应用研究

在水电站自动电压控制中 ,为保证水电站内母线电压在给定范围内 ,并且使站内网络损耗最小 ,文中提出一种改进的遗传算法进行水电站内无功分配。该方法通过对简单遗传算法中的选择、杂交和变异 3个基本算子进行改进 ,并采用爬山法修正所得结果 ,从而有效地提高了无功优化的速度和精度。对 5机组和 1 3机组的水电站进行仿真 ,结果表明与常规方法及简单遗传算法相比 ,该方法适应性好 ,且易收敛到全局最优。

面向随机因素的多式联运动态路径优化

针对随机因素影响下多式联运所表现的动态性和随机性,在引入惩罚因子控制运输质量的基础上,以总费用最小化为目标,建立了具有软时间窗约束的动态路径优化模型;运用基于Dijkstra算法的改进路径优化算法求解模型;设计了一个基于铁路、公路、航空及水运等4种运输方式的多式联运问题的算例,验证了模型的实用性和有效性。

含多微网的主动配电网分层优化调度

针对多微网接入配电网调度中出现的配电系统可靠性降低、明显的弃风弃光现象,提出了两层嵌套的优化调度模型.内层以配电网功率和电压波动最小为目标,约束配电网与各微网的交互功率,提高系统的安全可靠性能.外层以最小微网成本和环境惩罚费用为目标,在内层调度结果的约束下,实现多微网的经济优化调度,进一步提高可再生能源的利用率.采用改进粒子群优化(IPSO)算法求解该模型,以IEEE 14节点配电网系统为例对该模型进行验证,结果表明了所提模型提高了配电系统可靠性和可再生能源利用率.

分布式发电和电动汽车环境下配电网概率调压方法

首先根据电动汽车(electric vehicle,EV)用电特征和分布式发电(distributed generation,DG)的不确定性,建立了DG出力和EV充电的概率模型;然后以大量EV充电和大规模DG接入配电网时各节点电压偏移最小为目标,建立了概率调压模型,并采用改进粒子群算法对模型进行求解;最后在IEEE-69节点配电系统中进行模拟仿真计算,对所提模型与算法进行实用性验证。仿真结果表明,含大规模DG和EV的配电网概率调压优化模型能减小电压偏移和计算时间,具有实用性和有效性。

同贝同步装卸下考虑船舶稳性与横倾的岸桥调度优化

同贝同步装卸下岸桥调度的复杂性在于不仅需要同时决策卸船和装船两类集装箱的作业序列,还要考虑船舶稳性与横倾约束和舱盖限制。针对该问题,本文建立以最小化作业能耗为目标的岸桥作业序列优化模型,并设计基于Johnson规则的改进变邻域搜索算法求解模型。算例实验验证了模型与算法的有效性,明确了对装卸作业过程中船舶稳性和横倾角加以约束的重要性,并确定了检查船舶横倾角的最佳时间间隔为2 min。本文模型可在保证船舶装卸作业安全的前提下,提高岸桥的装卸作业效率,降低岸桥的作业能耗。