考虑氢储能的多目标综合能源优化配置方案研究

针对可再生能源大规模并网带来的能源消纳需求,电制氢技术因其可将电能清洁高效地转换为氢能储存的特性,提供了一种有效的能源消纳方案。文中旨在研究考虑氢储能的多目标综合能源优化配置方案,首先提出包含可再生能源发电、电制氢、储能等环节的能源框架,进一步构建以投资成本低、可再生能源机组的弃风弃光量小和碳排放量低为目标的多目标调度模型,最后通过小生境粒子群算法在多个目标之间寻找最优解集。仿真结果表明,本方法可以得到系统投资成本低、可再生能源利用率高和碳排放量低的配置方案,以推动能源结构绿色转型。

NPSO-GRNN在城市生活需水量预测中的应用

利用小生境粒子群算法(NPSO)的全局搜索能力,对GRNN的光滑因子进行优化,提高了广义回归神经网络(GRNN)的网络性能,建立了基于NPSO-GRNN的城市生活需水量预测模型。研究结果表明:利用该模型拟合和预测北京市1988-2012年生活需水量数据的平均相对误差绝对值分为别0.72%和0.36%,两者都比BP神经网络模型拟合预测的结果低;NPSOGRNN模型能更好的拟合北京市城市生活需水量的变化趋势,预测精度更高,泛化能力更强。

基于小生境离散粒子群算法的不规则排样优化策略

针对目前二维不规则排样算法中存在的问题,提出一种基于小生境离散粒子群算法的二维不规则排样算法。该算法模拟两个相对独立的粒子群,两个粒子群并行进化,并在每迭代一次后相互交流信息,具有很强的全局搜索能力。实验结果表明,该算法在求解二维不规则排样问题时可以大幅提高板材的材料利用率,具有实际应用价值。

基于NPSO算法求解车间作业调度问题

研究车间生产生产调试系统,使资源达到优化配置,实现了一种基于小生境的粒子群优化算法用于求解车间作业调度问题。通过在粒子群算法中引入共享函数和共享适应度函数分别用来计算粒子间的共享度和粒子的共享适应值,并用粒子的共享适应值来反映其适应能力。粒子的位置越相近,则粒子间的共享度越大,相应粒子的共享适应值则越小。通过设置小生境半径的方式,将整个粒子群分解为多个小生境子种群,并通过设置小生境中的最大粒子个数参数,严格控制各个小生境中的粒子数量,使得所有粒子尽可能地分布到整个搜索空间的不同局部峰值区域,从而有效求得问题的全局最优值。仿真结果表明了算法对经典JSP问题求解的优良性能。

基于三维光学指纹和NPSO-KELM的GIL局部放电定位方法

气体绝缘金属封闭输电线路中局部放电的有效检测及定位对于及时发现绝缘缺陷、提高检修效率至关重要。目前,局部放电光学检测作为一种有效的局放检测方法,具有良好的研究及应用前景。针对GIL气室轴向距离较长、局放源定位困难的问题,提出一种基于三维光信号仿真指纹(three dimensional-optical signal simulation fingerprint,3D-OSSF)和非线性粒子群-核极限学习机(nonlinear particle swarm optimization-kernel extreme learning machine,NPSO-KELM)的定位方法,能够实现局放源的精确定位。该方法将光学仿真数据引入局放源定位中,克服了常规基于指纹的定位方法需要采集大量现场实验数据的难题。通过建立与实验GIL尺寸完全相同的仿真模型,获得不同位置的局放源光学仿真信号,构建包含坐标信息的光学定位仿真指纹库。继而通过NPSO算法对KELM模型进行优化,利用优化得到的NPSO-KELM模型将实测局放光学指纹与指纹库进行模式匹配,得到相应的局放源空间坐标。实验结果表明,该方法的平均定位误差小于lcm,能实现GIL中局放源的精确定位,定位效果明显优于常规KELM算法和BPNN算法。

Clustering algorithm based on density function and nichePSO

This paper introduces niching particle swarm optimiza- tion （nichePSO） into clustering analysis and puts forward a cluster- ing algorithm which uses nichePSO to optimize density functions. Firstly, this paper improves main swarm training models and in- creases their ability of space searching. Secondly, the radius of sub-swarms is defined adaptively according to the actual clus- tering problem, which can be useful for the niches＇ forming and searching. At last, a novel method that distributes samples to the corresponding cluster is proposed. Numerical results illustrate that this algorithm based on the density function and nichePSO could cluster unbalanced density datasets into the correct clusters auto- matically and accurately.

小生境粒子群优化算法

针对粒子群算法容易早熟收敛和后期收敛速度慢的缺点,结合进化论中小生境技术,提出了小生境粒子群优化算法。通过粒子之间的距离找到具有相似距离的粒子个体组成小生境种群,然后在该种群里面利用粒子群优化算法进化粒子,所有个体经过其小生境群体的进化之后,找到最优的个体存入到下一代的粒子群中,直到找到满意的适应值为止。最后利用Shaffer函数验证了该算法的性能,并且与其他算法进行比较,结果表明该文算法能获得比较好的解,收敛成功率高,并且代价也比较小。

基于小生境和交叉选择算子的改进粒子群优化算法

在求解高维多峰函数时,如果个体历史最好位置缺少多样性分布,粒子群优化算法就容易陷入局部最优,出现早熟现象。为此,结合小生境和交叉选择算子提出了一种改进粒子群优化算法(简称NCSPSO)。该算法在进行速度和位置更新之后,根据小生境数确定个体历史最好位置中的孤立点;然后对所有个体历史最好值劣于孤立点值的粒子使用交叉和选择算子进行更新。函数测试表明,NCSPSO有效地克服了标准PSO的缺点,性能上也有了明显提高。最后,将NCSPSO应用于高次非线性复数方程的求解,较好地解决了POGO振动研究中的固有频率计算问题。

基于种群小生境微粒群算法的前向神经网络设计

根据自然界中鱼鸟等所具有的种群运动特征,借鉴递阶编码的思想,构造出一种种群小生境微粒群算法,具有小生境内个体微粒自由运动特征分量和小生境种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法或其改进算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行三层前向神经网络连接权值和网络结构联合并行自适应设计,在混沌时间序列预测中显示了良好的性能.

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。

考虑DG接入与设备运行成本的配电网无功优化

以配电网综合运行成本最小为目标并考虑DG接入,提出了一种改进的配电网无功动态优化算法。分析了主要运行设备对配电网综合运行成本的作用机理并建立了以配电网运行综合成本最小的配电网无功优化数学模型;通过在迭代过程中依据电压偏差对DG注入无功量进行实时修正建立了改进的配电网前推回代潮流算法;建立了可兼顾处理状态量和离散量的混合粒子群算法并引入小生境操作以加速配电网无功优化过程;设计并研制了对应的配电网无功优化系统,并以此为平台进行了算例研究。算例结果表明,所提出的配电网无功优化算法能够进一步提高配电网运行的经济性,且对应的优化方案具有更强的可操作性。

基于小生境粒子群算法的刀具容屑槽刃磨工艺设计

为解决整体刀具容屑槽刃磨制造工艺设计过程中的砂轮形状和位姿求解问题,提出基于已有双斜面型(DOB型)砂轮库或基于DOB型砂轮尺寸和位姿组合优化的容屑槽刃磨成形工艺设计方法。首先,建立反映不同刃磨精度需求的目标函数,将容屑槽刃磨工艺制定问题转化为目标函数最小值求解问题;其次,作为目标函数核心组成部分,基于空间解析几何及图形算法建立具有强鲁棒性的容屑槽预测方法,实现根据已知砂轮形状和位姿快速求解加工获得的容屑槽端截线轮廓及前角、芯径、槽宽等关键结构参数;然后,基于砂轮位姿对容屑槽形状的影响规律,建立了基于环形拓扑小生境粒子群优化算法的目标函数最优解搜索方法。通过3个算例验证了研究成果的有效性。

基于粒子群优化算法的电网GIC-Q多目标优化策略

地磁感应电流(GIC)流经变压器绕组会产生直流偏磁现象,造成变压器无功损耗增加,破坏电网无功平衡,影响电网安全稳定运行。为了有效地抑制GIC对电网的不良影响,以无功补偿设备成本和电压偏移量最小为目标,提出一种基于粒子群优化算法的多目标无功优化策略,保证地磁场扰动下电网无功平衡。所提策略利用小生境共享机制不断更新粒子位置,并依据拥挤距离排序对Pareto最优解进行存档,保持解的多样性和均匀性;引入混沌变异避免陷入局部最优解,同时提高全局搜索能力。GIC标准算例的仿真结果验证了所提策略的准确性和有效性。

基于多种群的改进粒子群算法多模态优化

针对多模态函数寻优过程中开发与探索能力难以平衡的问题,提出一种基于多种群的改进粒子群算法(EMSPSO)。该算法在基于种群的粒子群算法(SPSO)的基础上改进了种群生成策略,通过在个体最优值中选择种子,将粒子群分为若干独立进化的种群,增强了算法收敛的稳定性;为了提高粒子的利用率、算法的全局搜索能力和搜索效率,引入冗余粒子重新初始化策略;同时为了防止算法在寻优的过程中遗漏适应度较优的极值点,对速度更新公式进行改进,使算法的开发与探索能力得到了有效的均衡。最后选用6个典型的测试函数进行对比实验,实验结果表明,EMSPSO具有较高的多模态寻优成功率与较优的全局极值搜索性能。

一种基于聚类的小生境微粒群算法

在小生境微粒群算法中引入一种简单的聚类算法,替换了原算法中依赖于圆形拓扑领域的小生境产生方法,构建出一种基于聚类的小生境微粒群算法.该算法在对主微粒群进行l-best PSO寻优的同时对其中的微粒进行聚类,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,克服了N ichePSO算法的不足.*

基于混沌变异的小生境粒子群算法

针对粒子群算法早熟收敛和搜索精度低的问题,提出了基于混沌变异的小生境粒子群算法(NCPSO).该算法结合小生境技术并加入了淘汰机制,使算法具有良好的全局寻优能力.变尺度混沌变异具有精细的局部遍历搜索性能,使算法具有较高的搜索精度.实验结果表明,NCPSO算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点,适合于工程应用中的复杂函数优化问题.

一种改进的小生境微粒群算法

在微粒群算法中引入“基于密度”的聚类算法,构建出一种改进的小生境微粒群算法.该算法组合了两种方法来实现小生境的思想:第一,采用多种群策略,初始化产生一个没有子微粒群区分的主微粒群D0后,在对D0迭代执行lbestPSO算法的同时,允许其中动态产生不相同的子微粒群Di(i≥1);第二,子微粒群的产生采用一种“基于密度”的聚类算法,如果两个个体之间的距离小于一个给定的极值σdist,则将这两个个体联系起来归入一个聚类簇,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,与生物学中地理小生境具有多种形状的事实相符合,也克服了NichePSO算法只能以某一微粒为中心产生圆形小生境的不足.对3个常用的基本测试函数的测试实验表明,这种改进的小生境微粒群算法在多峰函数寻优中性能优于标准PSO和NichePSO.

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。

基于小生境粒子群优化的挖掘机器人自抗扰视觉伺服控制

为提高挖掘机器人的自主挖掘能力,设计一种基于图像的自抗扰视觉伺服控制器,对挖掘机器人的动臂、斗杆、铲斗组成的3节机械臂末端位置和姿态在x-z平面进行控制,实现自主挖掘目标任务。针对自抗扰控制器需要整定的参数较多,参数间相互影响,整定困难的特点,引入粒子群算法对控制器参数进行优化。由于原始粒子群算法存在后期易陷入局部最优的缺欠,采用小生境粒子群算法对自抗扰控制器参数进行整定优化。对粒子群及小生境粒子群算法的优化性能进行比较研究的基础上,设计了适合挖掘机器人的自抗扰视觉伺服控制器,采用小生境粒子群算法得到自抗扰控制器整定参数。搭建xPCTarget主机—目标机环境进行试验及仿真,表明小生境粒子群优化的自抗扰视觉伺服控制器控制精度高、鲁棒性强。

基于改进小生境粒子群算法的多模函数优化

在基于粒子群算法的多模优化问题中,针对现存小生境方法需要特定参数的缺陷,提出了一种不需要参数的小生境算法。该算法通过粒子适应度在种群适应度中所占比例以及粒子之间的欧式距离两方面因素确定粒子的局部最优解,并通过每轮迭代中每个局部最优解粒子和以它作为局部最优解的普通粒子的欧式距离的平均值确定出该小生境的半径。在几个广泛的测试函数上的实验结果表明,该算法在收敛速度和成功率方面比需要小生境参数的算法(FERPSO、SPSO)更优秀。