基于Pareto最优均衡理论的商用车路径跟踪与抗侧倾协同控制研究

针对商用车路径跟踪横向控制与抗侧倾控制相互耦合的问题,将横向控制和抗侧倾控制视为动态博弈过程中的参与者,提出一种基于Pareto最优均衡理论的横向-抗侧倾协同控制策略。首先,建立商用车横摆-侧倾耦合模型,并利用车辆的横向位置、航向角和道路预瞄信息将其增广为智能车-道路闭环模型;其次,基于线性二次型最优(LQR)控制理论设计了分散式横向-抗侧倾控制器作为对比,在分散式最优控制器基础上,进一步充分考虑博弈参与者之间的控制交互,设计了一种基于合作式Pareto最优均衡理论的横向-抗侧倾协同控制策略;最后,选取蛇形线工况对两种控制策略进行仿真验证,结果表明,相比于分散式最优控制器,本文中提出的基于Pareto最优均衡理论的协同控制器能在有效提高路径跟踪精度的同时保证较好的侧倾和操纵稳定性。

基于分布式发电的储能系统能量管理策略

针对传统能量管理策略经济性差、调峰能力弱的问题,提出一种基于分布式发电的储能系统(ESS)能量管理策略。首先结合Pareto最优理论,建立以降低能源成本与平滑负荷峰谷效应为目标的需求侧优化调度模型。在首次优化过程中,采用具有自适应变异与动态更新惯性权重功能的改进粒子群算法(IPSO)求解最优经济指标。进而以该指标作为约束,对调度区间进行划分,实现目标的完全解耦,并引入惩罚函数获得增广目标函数。最终通过贪婪算法(GA)进行二次优化,可求得在最佳经济效益的前提下最大程度平滑负荷峰谷效应的非支配调度向量。仿真结果表明:IPSO具有较高的收敛速度与精度,所提策略在3种场景下分别降低用电成本18.6%、32.8%、17.3%,负荷峰均较首次优化降低21.2%、10.3%、20.1%,并通过多场景数据集下的仿真验证了结论的普适性。

基于改进人工搜索群算法的多目标电磁装置优化

在介绍多目标优化问题和人工搜索群算法基本原理的基础上,将Pareto理论引入人工搜索群算法中,提出了多目标人工搜索群算法(MOASSA)。同时精选4个两目标函数算例对MOASSA进行测试,通过与其他多目标优化算法比较,证明了MOASSA的有效性。最后,将MOASSA成功应用于双E型交流接触器优化问题。求解结果验证了MOASSA在解决实际工程问题方面的有效性和实用性,为解决电磁领域优化问题提供了一种可靠的方法。

中压配电系统线路开关多目标联合优化规划

线路布局和配电开关配置是配电网网架规划的2个主要方面,对网架的技术经济性和供电可靠性有重要影响。为此,建立了配电网线路与开关的多目标联合优化规划模型。利用Pareto最优理论,通过基于指定接线模式的个体初始化、单亲遗传操作和供电分区修正策略,提出了该模型的求解算法,实现了符合指定接线模式和满足分区供电要求的配电网线路开关联合优化规划。算例结果验证了该方法的有效性。

基于MOHSA的智慧社区能量管理系统优化调度研究

家庭负荷是电网负荷的重要组成部分。在智能电网环境下,家庭负荷的灵活调度能够有效缓解电力供应紧张问题,有利于需求响应在用户侧的实施。本文提出了一种基于多目标和声搜索算法的社区能量管理系统优化调度方法,以减少用户的用电成本和平抑配电网侧负荷波动为目标,建立了计及分布式电源、储能系统和可调度负荷的智慧社区能量管理系统模型。根据Pareto理论,通过改进的多目标和声搜索算法求解,并与其他算法进行对比。仿真结果表明,所建模型和调度方案能够有效减少用户用电成本和平抑配电网侧负荷波动,改进的算法具有更强的寻优性能。

基于MOABC算法的冷热电联供系统优化调度研究

综合能源系统包含多种分布式能源,各能源相互补充,能有效提高能源的利用率,在经济、环保等方面具有显著优势。冷热电联供系统作为综合能源系统的重要补充,具有灵活可靠、高效清洁等优点,现已得到广泛的发展和重视。综合考虑各微源的发电特性和冷热电负荷需求,建立了包含燃料电池、微燃机、余热锅炉、吸收式制冷机和蓄能装置的多目标冷热电联供系统模型。该模型考虑分时电价对冷热电联供系统的影响,以经济成本和环境成本作为目标函数,提出基于Pareto理论的多目标蜂群算法作为模型的求解算法。以实际冷热电联供系统为算例进行仿真,验证了所提模型的有效性,并与多目标粒子群算法进行对比,结果表明,采用基于Pareto理论的多目标蜂群算法能更有效地降低经济成本和环境成本。

改进人工鱼群算法在外汇预测和投资组合中的应用

人工鱼群算法具有良好的全局搜索能力和自适应能力,在解决投资组合问题上有较好的应用前景.本文通过改进人工鱼群算法,分别对汇率预测和外汇投资组合双目标优化两部分进行研究.首先利用基于平均距离视野的人工鱼群优化的支持向量回归机算法对汇率进行短期预测,提高了外汇预期收益率的准确性.然后建立外汇投资组合双目标模型,通过借鉴带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的思想,提出基于Pareto排序理论的双目标非支配排序人工鱼群算法(non-dominated sorting artificial fish swarm algorithm,NSAFSA).实证分析表明该算法在求解外汇投资组合方案时,获得的Pareto前沿比NSGA-II的结果分布更均匀,多样性更好.最后对NSAFSA算法进一步改进,通过两次剪枝策略提高了解的质量,并给出了可供选择的最优外汇投资组合方案.研究结果表明人工鱼群算法可以对汇率预测和外汇投资组合提供重要参考,在外汇市场中具有较大的应用潜力.