配电网多目标优化重构模型及多目标烟花求解算法研究

针对配电网优化重构问题,以最小化有功网损、最小化电压偏移度以及最小化负荷平衡度作为目标函数建立配电网多目标优化重构模型。提出一种多策略混合的改进烟花算法(Improved fireworks algorithm,IMFWA)进行求解。算法采用不重复环路编码,压缩解空间,提高搜索效率;采用Sobol序列生成初始种群,增强种群的多样性和遍历性;利用优化烟花和随机烟花进行位移操作,保持种群多样性;采用高斯与柯西的混合变异方式,提高寻优效率;利用Pareto支配关系以及适应度与拥挤度函数组成的综合指标对最优解集进行排列选取,提高收敛速度。对IEEE-33节点系统进行仿真试验,验证了所提出的方法是有效和可行的,试验结果表明优化重构方案能够有效改善配电网的运行指标,并根据不同实际情况为电网人员提供重构方案。

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。

基于改进鲸鱼优化算法的同步相量测量单元多目标优化配置

针对因配电网节点数目多但投资成本少造成的同步相量测量单元(phasor measurement unit,PMU)供需不平衡问题,建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型,优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解,保证算法求解全局最优值的能力,其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动,使算法不易陷入局部最优。最后,采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明,与遗传算法和粒子群算法相比,采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

基于Pareto最优前沿的中压配电网多目标无功优化规划

综合考虑中压配电网的技术、经济指标,以中压配电网安装无功补偿装置的单位投资收益最大和电网有功损耗最小为目标,构建了多目标混合无功优化模型。根据网损减小量对无功电流的灵敏度分析确定待补偿点集,利用基于Pareto最优前沿的多目标遗传算法优化无功补偿容量,同时采用精英保留策略、改进的交叉和变异概率策略、自适应编码策略增进算法效率。IEEE33节点和实际工程算例的仿真结果表明,该方法可以实现对中压配电网的多个技术经济指标的协同优化,可进一步提高中压配电网无功优化的效率和质量,证明了此方法的可行性和有效性。

基于改进多目标水母算法的低碳柔性作业车间调度方法

针对柔性作业车间调度问题中多个目标之间相互冲突、难以求解的问题,设计了一种基于Pareto和改进多目标水母搜索算法的柔性作业车间调度方法。首先,建立了以最小化最大完工时间、最小能耗以及最小机器总负荷为优化目标的车间调度模型;其次,使用了一种基于完工时间和机器负荷均匀分布的初始化方式,有效地提升了初始种群的质量;考虑到连续水母算法在求解离散问题时存在效率低等问题,设计了离散水母算法,提出了基于Pareto等级的被动运动方式,进一步提高了搜索效率,引入了学习的概念引导种群向Pareto前沿移动;最后,为了验证多目标改进水母算法在求解柔性作业车间调度的有效性,与NSGAII算法进行了仿真实验对比。实验结果表明:利用该算法求解MK06算例完工时间为76、机器负荷为424、能耗为565.8支配的NSGAII的结果,解的质量整体较高。研究结果表明:采用均匀分布初始化方式以及学习型引导的离散化水母算法,其初始种群分布均匀、收敛速度快、解的质量高,具有较强的寻优能力,能够有效地处理多目标柔性作业车间调度问题。

改进约束人工蜂群算法及金融应用

为了有效求解约束优化问题,提出一种改进人工蜂群算法。该算法引入Pareto支配准则提高算法探索能力,避免算法早熟。在雇佣蜂阶段,通过识别种群当前状态自适应选取搜索方程与约束处理策略,引导种群快速进入可行区域。在跟随蜂阶段,利用全局最优解引导种群进行搜索,提高算法开发能力。通过对CEC 2006中20个测试函数实验结果分析表明,该算法能够有效求解约束优化问题。进而,将该算法应用于求解投资组合优化问题,通过数值实验说明该算法是求解投资组合优化问题的有效算法,可以用于求解此类金融问题。

基于动态聚集距离的多目标粒子群优化算法及其应用

为了增加Pareto集的多样性,提高多目标优化的全局寻优能力,提出了一种基于动态聚集距离的多目标粒子群算法(DCD-MOPSO)。该算法利用改进的快速排序方法来减少计算量,采用动态变化的惯性权重和加速因子以增强算法的全局寻优能力,并基于动态聚集距离对外部集进行维护以增加Pareto集的多样性。通过典型测试函数的仿真实验和应用实例对DCD-MOPSO算法性能进行了分析,并与多目标优化算法MOPSO和NSGA-Ⅱ进行了比较。结果表明,DCD-MOPSO算法收敛速度较快,且得到的Pareto集分布均匀。

一种面向机械车间柔性工艺路线的加工任务节能调度方法

大量研究表明机械车间消耗了大量能量,因此降低机械车间的能耗是实现可持续制造的策略之一。现有机械车间节能调度研究主要针对给定的或者具有部分柔性的工艺路线,缺乏对机械车间任务工艺路线多柔性的节能调度研究。针对机械车间任务柔性工艺路线对机械车间调度能耗的影响特性,提出一种面向机械车间柔性工艺路线的节能调度方法。首先,分析了面向机械车间柔性工艺路线的加工任务调度的能耗特性;基于此,构建了节能调度模型,该模型是以任务加工总能耗、加工完成时间、机床负载为目标。进一步提出了一种改进的Q学习算法对该模型进行求解获得其Pareto解。最后通过案例验证了提出模型的节能效果及算法的可行性。

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization,MOBPSO)算法,对算法进行了3点改进:基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明:改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。

采用改进生物地理学算法的风电并网电力系统多目标发电调度

构建了兼顾能源环境效益和发电经济性的风电并网电力系统多目标发电调度(multi-objective generation dispatch,MOGD)模型,为了快速准确求解该模型,达到为决策者提供合理候选调度方案的目的,将生物地理学(biogeography-based optimization,BBO)算法用于解决风电并网电力系统MOGD问题。采用余弦迁移模型、混合迁移算子、基于柯西分布的变异算子和相似体检测技术等策略来改善BBO算法的性能。提出综合模糊支配度和分布密度的帕累托(Pareto)解集排序方法,促进Pareto最优前沿(Paretooptimal front,POF)向理想Pareto前沿逼近,并保持解集的多样性。以含6台火电机组和1个并网风电场的电力系统为例进行仿真计算,结果验证了改进生物地理学算法在求解多目标发电调度问题方面的可行性和有效性。

考虑碳配额差值的选址-路径-库存联合优化多目标模型与求解

针对产供销一体化企业中的选址-路径-库存系统联合优化问题,引入碳配额差值系数,构建了考虑碳配额差值和选址-路径-库存经济成本多目标模型,并使用改进的多目标混合粒子群算法(MOHPSO)对问题进行求解。对模型求解得到的帕累托最优解集可以根据决策者的环保偏好选择最佳的运作方案。基于中石油东北化工销售公司真实实例的计算实验表明所构建的模型和算法是有效并可行的,灵敏度分析验证了所给出的帕累托前沿具有较好的均匀性。

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

基于DEMATEL和Choquet积分的质量特性映射方法

针对现有客户需求与质量特性映射方法所存在的问题,提出新的多属性决策模型和多目标优化算法相集成的方法。该方法从客户需求相互影响的角度考虑,利用模糊DEMATEL方法确定客户需求重要度;利用Choquet模糊积分合成客户需求与质量特性之间的关联关系来确定质量特性重要度;兼顾影响质量特性实现的多方面因素建立了质量特性映射的多目标优化模型,进而通过第二代强度Pareto进化算法求解获得质量特性映射的Pareto解集,并利用信息熵优选法确定出最佳解。最后,以大型深冷式空气分离设备的研发为例,说明了所提方法的可行性和有效性。

面向多目标优化的一种混合进化算法

针对多目标优化问题,设计一种基于量子计算和非支配排序遗传算法相结合的智能算法进行求解,综合量子算法和非支配排序遗传算法的优点,在局部搜索和全局搜索之间进行权衡。混合算法采用量子比特对问题的解进行编码,基于量子旋转门算子、分散交叉算子以及高斯变异算子对种群进行更新。进行局部深入搜索时,用一个解在目标空间中跟理想点的距离来评价该解的优劣;进行全局搜索时,基于非支配排序遗传算法中的有效前沿的划分和解之间的拥挤距离来评价某个解。最后,在经典的测试函数ZDT5上对所提混合算法进行了测试。通过对比分析若干项针对有效解集的评价指标,该混合算法在跟最优有效前沿的逼近程度以及有效解集分布的均匀程度上均优于目前得到广泛应用的非支配排序遗传算法。

一种新的多目标改进和声搜索优化算法

针对标准和声搜索算法存在收敛不稳定及不能用于多目标优化问题的缺陷,通过引入交叉算子、自适应记忆内搜索概率和调节概率,改进了传统的和声搜索算法;根据Pareto支配关系,结合算法和声记忆库内信息完全共享的特性,提出了基于动态Pareto最优前沿的能够求解多目标优化问题的多目标改进和声搜索算法。通过几个典型函数的仿真测试表明,提出的算法能够高效稳定地收敛于Pareto最优前沿,获得分布均匀的Pareto解集。

大型复杂跨流域调水工程电站水库泵站群多目标优化调度

考虑调水量、发电最大和耗能最小3个目标,建立电站水库泵站群多目标优化调度模型。基于参数调整策略、邻域变异和加速策略,提出了求解多目标优化调度模型的综合改进布谷鸟新算法并求解模型,获得了发电、调水、泵站耗能多目标Pareto解集。以引汉济渭大型复杂跨流域调水工程为实例,将该模型与模拟调度模型和NSGA-Ⅱ算法多目标优化调度模型的结果进行比较,结果表明,该优化调度模型的发电、调水、耗能、弃水等各项指标合理,具有相对优势。

考虑电动汽车接入的智能配电网投资规划模型

大规模电动汽车接入电网给配电网带来新的挑战,包括影响电网安全可靠性水平、弥补电量缺口、提供容量备用服务等。考虑了智能配电网建设环境下,电动汽车接入对配电网投资规划的影响,以规划期总投资费用最小化、电动汽车二氧化碳排放量最小化为目标,建立多目标智能配电网投资规划模型,并利用改进SPEA算法求解模型,最后以改进IEEE 37节点系统为例,验证了模型的有效性。

基于改进萤火虫算法的冷热电联供系统多目标优化调度

冷热电联供系统应用和优化具有重要的意义。所提出的新型冷热电联供系统优化模型考虑了能源利用、环境保护和成本等限制因素。在该模型基础上提出了一种改进萤火虫算法,采用了多群组搜索、无用的内部种群删除和改变步长因子等方法,这能提高搜索速度、寻找最优解。同时提出基于规范法线约束的改进萤火虫算法的双目标帕累托前沿优化算法,该方法通过规范法线约束法转化为两类单目标问题,然后通过改进的萤火虫算法进行单目标搜索。仿真算例采用标准IEEE39节点系统验证了所提算法在解决多目标冷热电联供系统优化问题时的优越性。

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。

供应链中供应商选择决策方法

为了克服传统供应商选择过程中面向单一解的局限性,更好地解决供应链中供应商选择的多目标优化问题,达到费用和效益最佳,以产品价格、质量、交货可靠性和交货提前期为评估指标,建立了供应商选择多目标优化模型。首次将SPEA2算法应用于供应商选择问题,构造了适合该模型特征的SPEA2算法求解过程,可针对多个求解目标获得一组均衡解。模拟算例中一次得到多组有效解,表明所建立模型及所用方法是有效、可行的,它为制造企业获得有多种解决方案的供应商选择问题提供了可参考的模型和求解算法。