基于SPEA2的风光柴储独立微电网多目标容量优化配置

在电力资源相对匮乏而自然风光资源丰富的孤岛等地区,电力供应的稳定性和成本效益一直是个亟待解决的问题。传统的独立微电网在容量配置时,大多依赖快速非支配排序遗传算法(NSGA-Ⅱ),该算法在处理真实负载的多目标优化问题时,局部搜索能力略显不足。为此,提出了利用改进强度Pareto进化算法(SPEA2)优化风光柴储独立微电网容量配置,以经济性成本、失负荷概率、碳排放作为优化目标,实现更加全面和高效的容量配置。通过导入某孤岛天气与负荷数据,生成风光柴储独立微电网的真实Pareto前沿,将SPEA2和基于指标选择的多目标搜索(IBEA)、NSGA-Ⅱ3种算法分析结果进行对比,相较于NSGA-Ⅱ,SPEA2的反世代距离评价IGD指标提升46.83%,空间评价方法Spacing指标提升60.28%,真实Pareto覆盖率CPF指标提升35.14%,该算法表现出更加出色的性能。最后根据容量优化的结果合理配置各部分参数,共同出力满足负荷需求,为孤岛等电力资源匮乏地区的能源管理提供了新的思路,也为多能源微电网的优化设计提供了有价值的参考。

基于改进SPEA2的原油短期调度问题研究

针对原油短期调度多目标优化问题,在分析已有多目标模型对原油调度过程中的供油罐个数、供油罐切换次数、原油在管道中的混合成本和供油罐罐底混合成本这4个目标优化的基础上,本文建立的模型增加了原油在管道转运过程中的能耗成本这一优化目标,使模型更吻合生产实际。在SPEA2算法中引入极值归档集,结合MOGWO算法指导极值归档集更新来提高算法的全局搜索能力;利用余弦相似度对归档集进行裁剪操作,以保证归档集中个体的多样性。将改进算法与多个具有代表性的进化多目标优化算法进行对比实验,结果表明,本文所提出算法在求解原油短期调度问题时性能较优。

基于SPEA2算法的绿色基础设施空间布局优化

以广州市天河智慧城为研究区,针对绿色基础设施的最优成本效益问题,采用出水口径流总量及悬浮物负荷总量两者的综合削减率、绿色基础设施全生命周期成本为优化目标,设置土地利用现状为约束条件,选择SPEA2为优化算法耦合SWMM模型进行绿色基础设施空间布局优化计算。结果表明,随着降雨重现期增大,绿色基础设施最优空间布局方案的可选择范围和综合削减率均在减小。下凹式绿地的成本效益最好,绿色屋顶最差。当资金投入较低时,可优先将下凹绿地的面积规划为可布设最大值后再规划其余设施;若对径流量和污染物负荷量的削减要求较高且资金允许时,可在其余绿色基础设施面积较大的基础上考虑绿色屋顶的布设。研究成果可为海绵城市建设示范工作提供理论支撑。

基于SPEA2的主蒸汽压力鲁棒控制器设计

针对锅炉燃烧工况变化较大,主汽压对象模型具有不确定性,常规控制方法很难得到预期的控制效果.为提高控制品质,采用H∞混合灵敏度方法为主蒸汽压力设计鲁棒控制器,设计中利用SPEA2(Strength Pareto Evolutionary Algorithm2)优化加权阵参数,找到同时满足频域和时域性能要求的控制器.仿真结果表明,设计的主汽压控制系统具有良好的鲁棒稳定性和动态品质,并且避免了传统的试凑.

基于局部搜索的改进SPEA2算法

由于追求收敛速度与防止陷入局部最优,标准的改进强度Pareto算法(SPEA2)过于注重全局搜索能力,从而导致局部搜索能力不足。为了增强SPEA2算法的局部搜索性能,进而提高算法收敛速度,提出了一种基于局部搜索的改进SPEA2算法。该算法单独设置一个新外部存档集以保存局部搜索后的非支配集,并且改进了交叉算子,加入了部分个体更新策略。将该改进算法与SPEA2算法进行了收敛性能比较实验。仿真实验结果表明,相比于标准算法,改进SPEA2算法不仅可以保证收敛到多目标优化问题的Pareto最优边界,而且在收敛能力上也得到了较好的改善。

基于SPEA2+算法的Web服务选择研究

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法(SPEA2+)多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。

基于SPEA2的参数化产品族优化设计

针对多目标优化算法的参数化产品族优化设计存在优化的效率及其有效性取决于算法优劣的问题,鉴于SPEA2求解多目标优化问题具有运算速度较快、稳定性较强、解分布均匀性较高等特点,研究了基于SPEA2的参数化产品族优化设计。将参数化产品族优化设计过程划分为两个阶段:第1阶段进行实例产品独立优化,基于设计变量的变异系数决定平台常量和可调节变量集合,并决定平台常量取值;第2阶段进行基于产品平台的产品族优化设计,获得实例产品的可调节变量取值。以通用电动机产品族优化设计为例,其优化结果表明,采用SPEA2求解时产品族的综合性能得到了较显著的提高。

基于SPEA2+SDE算法的测试用例自动生成技术研究

软件测试是确保软件质量的重要手段。然而随着软件结构和功能的日益多样化,软件测试的复杂度和成本大为提高。测试用例自动生成技术可以降低手工测试的高额成本,同时提高测试结果的可信度。主要研究了基于进化算法的测试用例自动生成技术,通过比较不同算法对于若干经典程序的测试用例生成效率,提出了SPEA2+SDE算法,其可以很好地用于测试用例的自动生成。最后通过Kruskal-Wallis非参数检验,说明了上述结论的广泛性和可靠性。

基于伪并行SPEA2算法的含风电场多目标负荷调度

对传统意义下负荷调度模型进行修正,同时考虑系统的电压稳定程度最好、发电成本最小和污染排放量最少,提出了含风电场的多目标负荷调度模型,并将强度Pareto进化(SPEA2)算法和PGA算法相结合,用伪并行SPEA2算法用于最优求解.最后,通过算例分析计算了一含有风电场的系统不同穿透功率下的多目标负荷调度,验证了所提出算法的有效性和实用性.

基于SPEA2和NSGA-Ⅱ算法的并行多目标优化算法

文章结合SPEA2和NSGA-Ⅱ两个多目标进化算法,基于岛屿模型,提出了一种新的并行多目标进化算法。该算法采用多线程实现,适合在多核处理器或机群系统上执行。实验结果通过与串行算法SPEA2和NSGA-Ⅱ比较证明了该并行算法的有效性。

基于伪并行SPEA2算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,本文针对这一缺陷,提出了一种多目标PID优化设计方法——在满足系统的鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将强度Pareto进化算法(SPEA2)与并行遗传算法(PGA)相结合对其求解。该算法求得的Pareto最优解分布均匀、收敛速度快、寻优能力强,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具。仿真结果表明设计方法的有效性和优越性。

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明:改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。

基于SPEA2算法的UCAV多目标机动轨迹规划

由于无人战斗机(UCAV)具有无人员损失、结构简单、性价比高和可执行危险任务等特点,从而得到了广泛的关注和研究。针对自主空战中UCAV机动轨迹规划需要考虑轨迹的可跟踪特性与态势最优等要求,构建了UCAV多目标机动轨迹规划模型。针对特定的机动轨迹,在该轨迹上设置n个能够表征其特征的特征点;同时为了提高轨迹的可跟踪特性,针对轨迹的特性将其划分为m条轨迹片段,在每一条轨迹片段中对应恒定的控制量变化率。最后,采用SPEA2算法对模型进行求解,得到一组Pareto最优解集。针对“S”形战术机动进行仿真验证,仿真结果表明,构建的模型能够规划出满足多目标要求的机动轨迹。

机械蒸汽再压缩蒸发结晶系统自适应逐时优化研究

为实现工业废水处理过程中进料流量和进料浓度波动状态下的机械蒸汽再压缩系统逐时优化,建立了基于自适应SPAE2算法的逐时优化模型。采用SPEA2算法并结合自适应交叉概率、变异概率以及组合权重法的多目标逐时优化,以系统总功耗和总换热面积为优化目标,得到蒸发温度、压缩温升的最优组合。在原始研究的基础上,改进了SPEA2算法,并且将原始数据与优化结果进行对比,自适应SPEA2算法具有更强的全局寻优能力,优化结果具有更高准确性。利用最小二乘法对优化结果进行数据拟合,优化结果与恒定蒸发工况下结果相比:系统总功耗平均降低123.7 kW,换热面积平均减少36.3 m^(2);性能系数和㶲效率分别平均提高8.8%和26.6%,㶲损失平均降低102.3 kW。研究结果表明,所建立的系统逐时优化模型可以得到系统进料波动状态下各设备参数逐时变化值,提高了目标系统的能量利用率和热力学完善度。

考虑风电条件风险的水火风联合调度模型及求解

在“双碳”战略和高比例可再生能源并网政策背景下,为准确量化风电等新能源消纳成本及其随机性造成的风险损失以支持电力调度决策,采用CVaR建模风电随机性造成的弃风和弃负荷条件风险值,并应用Copula函数计算连续马尔可夫链风速模型预测风电出力,建立风电不确定风险损失、发电成本和污染排放最小的水火风电短期多目标调度模型。并通过可变外部种群规模、增强局部搜索能力和基于K近邻距离的精英种群淘汰规则3方面改进SPEA2算法以对该模型进行高效求解。仿真结果显示CVaR能很好建模风电不确定风险,并通过改进SPEA2找到更好的Pareto最优解集。

含多电解槽的新能源制氢能量管理优化

新能源制氢系统是提升风能、太阳能等新能源消纳的有效途径。目前国内外关于电解槽能量管理的研究以单电解槽为主。单电解槽能量管理未考虑电解槽非线性的工作特性,难以兼顾多个电解槽制氢效率,影响系统经济性。文中针对含有多电解槽的新能源制氢系统的能量管理问题进行了研究,以新能源消纳率、经济收益、制氢率为目标,考虑单个电解槽运行特性以及生产约束条件,建立包含风电、光伏、蓄电池、多电解槽的能量管理优化模型,并采用强度Pareto进化算法2(strength Pareto evolutionary algorithm 2,SPEA2)求解多目标优化问题。仿真研究表明,文中所提能量管理策略能够实现新能源发电的100%消纳,单位制氢收益可提升5.15%。因此,对多电解槽制氢系统进行有效的能量管理有助于提高制氢效率,可有效克服单电解槽运行及能量管理的不足。

SPEA2算法的加工精度与能耗多工序车削优化

现代绿色制造中,切削参数优化对加工质量、生产效率、加工成本、产品利润、节能环保具有至关重要的意义。加工精度和能量消耗对于零件加工成本、加工质量和节能环保起决定性作用。在实际加工约束条件下,建立以加工精度和能量消耗为目标的多工序车削优化模型的切削参数优化选择十分必要。运用SPEA2算法和NSGA-II算法对多工序车削模型进行优化比较,优化实例表明SPEA2算法能够很好地克服NSGA-II算法在取值边界附近出现多个无法消除支配点的缺陷,获得了比NSGA-II算法更优的加工精度、能量消耗的Pareto最优解集以及相应的粗、精切削参数,为多工序车削切削参数优化提供了实践指导。

基于SPEA2的城市快速路速度引导多目标优化

基于速度引导控制作用下的城市快速路交通流扩展模型,建立了车辆总耗费时间与速度引导值变化幅度的多目标优化模型。采用强度Pareto进化算法(SPEA2)对比分析3种速度引导值确定方案,同时基于集合理论从Pareto前沿中选择出最优解并确定最佳方案。在此方案下,应用Matlab进行了速度引导控制仿真分析,结果表明,速度引导控制对于缓解交通拥挤具有良好效果,可为主动交通管理在城市快速路中应用提供理论支持。

基于LS-SVM和SPEA2的电站锅炉燃烧多目标优化研究

利用最小二乘支持向量机(LS-SVM)对锅炉燃烧特性建模,构造了以锅炉效率与NOx排放为组合的锅炉燃烧多目标优化模型,并与BP神经网络建模比较,分析表明模型在泛化能力、收敛速度和最优性均优于神经网络模型;针对锅炉高效低污染燃烧多目标问题,提出利用多目标进化算法SPEA2(强度Pareto进化算法)实现运行工况寻优,然后根据模糊集理论在Pareto解集中求得满意解,获得锅炉燃烧优化调整方式。通过某600 MW机组的仿真计算,并与加权遗传算法比较,结果表明本文算法在Pareto前沿具有更好的多样化,克服了将多目标函数加权求和转化为单目标优化问题只能找到凸Pareto最优域及需要多次运行得到Pareto解集的缺陷,计算结果可指导运行人员进行参数优化调整,提高燃烧经济性。

基于SPEA2算法的泊位调度多目标优化

为获得使集装箱码头综合利益最大的泊位调度方案,建立了以船舶平均在港时间、码头生产成本和安全质量为目标的多目标优化模型;采用改进的强度Pareto进化算法(SPEA2)进行求解,基本操作中,可行解用三层染色体结构表示,改进的两点交叉算子和基于领域搜索的变异算子可避免出现不可行解,同时给出了靠泊顺序推迟最小的Pareto最优解选择策略。某集装箱码头的试验算例表明,文中提出的优化方法不仅能获得较优的满意解,同时收敛速度较快,可作为集装箱码头泊位调度的有效手段。