考虑动车组接续的区域城际网运行图加线模型

加线是运行图调图阶段常用的技术,加线时若能协同考虑动车组周转接续对降低动车组运用成本、提高行车组织效率具有重要意义。以区域城际高速铁路网络化运营为背景,以对既有运行图调整幅度最小化、动车组周转接续数量最大化为目标,考虑行车安全、接发车能力、动车组周转接续等约束,构建考虑动车组周转接续的多线路运行图协同加线优化模型;基于ε约束法处理多目标优化问题,设计滚动时域算法以提高模型求解效率。最后,选取宁杭高速铁路、沪昆高速铁路、京沪高速铁路组成的区域城际网进行案例分析,结果表明所构建方法能够实现运行图加线与车底运用的协同优化,相比既有单线加线模式,动车组平均利用率提高9.7%。该研究能够为运行图调整提供方法支持,提高调图质量与效率。

基于离散哈里斯鹰算法求解车辆路径问题

针对带容量约束车辆路径问题,提出一种离散哈里斯鹰算法。在哈里斯鹰算法的基础上,根据车辆路径的编解码特点,重新定义算法在全局搜索和局部开发阶段的更新策略;在全局搜索阶段利用随机插入和反转策略更新哈里斯鹰个体的位置,提高算法的全局开发能力;在局部开发阶段利用转移算子和移除算子设计哈里斯鹰个体的更新机制,提高算法的局部精细化搜索能力;通过改进逃逸能量平衡全局搜索和局部开发能力。实验结果表明,重定义的更新策略均能有效提升算法效率,将该算法和其它启发式算法的结果相比较,所提算法在求解精度和稳定性方面更具优势。

考虑不确定因素下含充换储一体化电站的微网能量优化

电动汽车直接接入电网并不能实现真正意义上的低碳,将电动汽车通过充换电站(battery charging-swapping station,BCSS)接入微网就地消纳可再生能源,并和储能电站(energy storage station,ESS)组成电动汽车充换储一体化电站(charging-swapping-storage integrated station,CSSIS)作为微网的储能系统,能够降低电动汽车对微网运行的影响,同时提高储能可调节容量。针对微网内风机、光伏的不确定性以及负荷的波动性,建立了基于机会约束规划的经济优化模型,以一定置信水平下满足备用需求作为可靠性约束,基于峰谷分时电价优化一体化电站和燃料电池出力,并确定联络线交互功率。对CSSIS充放电功率在BCSS和ESS之间进行分配时,应用滑动窗口法优先调度BCSS充放电,安排ESS承担剩余功率,从而使BCSS具有较稳定的运行环境,也为ESS提供可调节容量支撑。以一个具体微网为例验证了所提策略的有效性。

快换式电动公交充电站经济运行优化策略

备用电池数量、充电时长是影响换电站换电能力的主要因素。基于车辆进站流量分析,提出了描述换电需求和电池充电产量的函数,进一步分析了两者之间的关系,提出了针对电价峰段的充电控制方法。以北京奥运电动公交充电站为例阐述了经济运行优化策略的应用步骤,并编写了计算机仿真程序进行验证。结果表明:所提经济运行优化策略在满足任意时刻换电需求的条件下可显著降低电价峰段用电量,较大幅度地减少换电站的电费支出。同时,该策略所包含的算法及边界条件非常清晰,容易嵌入充电管理系统实现换电站的经济运行优化控制。

微电网中电动汽车充电模式与换电模式的运行优化

在已知风光出力,且电网实行分时电价的前提下,分别使用充电模式和换电模式调用充电汽车蓄电池储能。充电模式以微网内燃料费用最低和外网购电费用最低为优化目标,换电模式在上述优化目标基础上增加充电购电成本最低优化目标,使用混合整数规划CPLEX软件求解了该优化目标下的充电汽车储放能控制策略,并给出了优化运行结果。结果表明该优化方案有利于降低微网运营者的运行费用,而采用换电模式给充电汽车充电更能发挥充电汽车蓄电池逢电价高储能、逢电价低放能的作用,提高了微网的运行经济性。

基于免疫遗传算法的移动机器人实时最优路径规划

以具有精英保留的免疫遗传算法(Immune genetic algorithm with elitism,IGAE)和栅格法为基础,提出一种新的移动机器人最优路径规划方法。其步骤为:首先采用栅格法对机器人工作空间进行划分,建立给定环境中移动机器人的自由空间模型;每个栅格用1个序号标识,并以路径上各栅格序号作为机器人路径的编码参数。然后,采用直角坐标和序号混合应用的方法产生初始种群,群体中每1个个体表示1条机器人路径,采用IGAE算法对种群进行优化,最终找出最优路径。为了保持种群初始化和遗传操作过程中个体所对应的路径的连续性和避障要求,在IGAE算法中引入删除、插入算子。计算机仿真实验结果表明,所提出的方法比基于全局收敛型遗传算法的路径规划方法更加快速和有效。

面向软模块的稳定固定边框布图规划算法

该文提出一种稳定的面向软模块的固定边框布图规划算法。该算法基于正则波兰表达式(Normalized Polish Expression,NPE)表示,提出一种基于形状曲线相加和插值技术的计算NPE最优布图的方法,并运用模拟退火(Simulation Annealing,SA)算法搜索最优解。为了求得满足固定边框的布图解,提出一种基于删除后插入(Insertion After Delete,IAD)算子的后布图优化方法。对8个GSRC和MCNC电路的实验结果表明,所提出算法在1%空白面积率的边框约束下的布图成功率接近100%,在总线长上较已有文献有较大改进,且在求解速度上较同类基于SA的算法有较大优势。

内嵌运行优化与动力电池梯次利用的光储充换电站多阶段规划

针对目前电动公交车充换电站规划过程中未充分考虑建设方案的过渡过程、运行策略与规划的交互影响、退役动力电池的充分利用等问题,提出了一种内嵌多时间尺度运行优化与动力电池梯次利用的光储充换电站多阶段规划方法。充分考虑不同的时间尺度,构建包含动力电池与储能单元多阶段容量配置、阶段内设备使用方案确定与日内优化运行的3层优化框架;分别针对容量配置和日内运行构建优化数学模型,并制定动力电池正常使用、预备退役、梯次利用直到淘汰的具体使用策略;基于充换电站规划与运行的相互作用关系,提出一种嵌套优化的求解方法,分别采用变种群规模的遗传算法和CPLEX求解器求解上、下层优化模型。通过算例仿真分析验证了所提模型和方法的合理性与有效性。

基于离散候鸟迁徙优化算法的置换流水车间调度问题

针对置换流水车间调度问题,以最小化最大完成时间为调度目标,提出了一种离散候鸟迁徙优化(Discrete Migrating Birds Optimization,DMBO)调度算法。采用NEH产生一个调度可行解,其余个体随机产生,保证了种群的质量和多样性,初始化鸟群按优化目标值升序排成倒V字形。领飞鸟通过优化插入加优化交换产生的邻域解进化,而通过混合策略获得跟飞鸟的邻域解。跟飞鸟通过其邻域解和前面个体未使用的、较好的邻域解进化,这种进化机制是独一无二的。最后,采用局部搜索算法进一步优化种群。仿真实验中使用正交设计方法调节算法参数,通过求解Car和Rec标准算例,验证了算法的有效性。

基于自供给模式的电动汽车换电站供需均衡运营策略

以换电模式为电动汽车(EV)提供能源补给是促进EV行业发展的重要保障。为了评估EV换电站的运营模式、提高EV换电站的运营效益,提出了一种基于自供给模式的EV换电站供需均衡运营策略。针对未来可行的统一化电池规格和换电站自供给模式,EV既可作为电池消费者,又可作为电池服务提供者,通过设计换电站的动态奖励机制,以吸引EV用户充当电池服务提供者辅助换电站提供换电服务,并基于带约束的马尔可夫决策框架对系统的随机优化问题进行建模。算例结果表明所提策略能使换电站自适应地选择给予电池服务提供者的奖励,从而在满足换电站服务质量水平约束的条件下最大化换电站的运营效益。

基于改进遗传算法的移动机器人路径规划

将遗传算法用于路径规划时,传统算法虽然简单,但不适用转弯情况较多的复杂地图。针对这一问题,首先将RRT算法用于栅格环境下产生初始路径,其次提出一种新的插入算子,最后进行路径优化。根据不同地图与其他文献中的改进遗传算法,进行对比研究与分析,制定路径长度与算法用时2个指标来评判算法的优劣。仿真结果表明,改进算法得到的路径长度缩短了70%,路径长度达到最优的用时减少了8%。

置换流水车间调度粒子群优化与局部搜索方法研究

采用粒子群优化算法求解置换流水车间调度问题,提出了一种基于工件次序和粒子位置的二维粒子编码方法。为提高粒子群算法的优化性能,在描述了面向置换流水车间调度问题的粒子邻域结构后,提出了三种基于粒子邻域操作的局部搜索方法,分别是基于互换操作、基于插入操作和基于逆序操作的局部搜索方法。计算结果说明,粒子群算法的优化性能好于遗传算法和NEH启发式算法。三种局部搜索算法均能有效地提高粒子群算法的优化性能,采用基于互换操作局部搜索的粒子群算法的优化性能要好于其它两种局部搜索算法。

考虑电动汽车换电站不同充电模式的微网能量优化

将换电站作为可控负荷,根据分时电价差异引导其避峰填谷,减小微网系统峰谷差,提高运行效率。以微网最小运行成本为优化目标,通过改进遗传算法优化各微源出力以及换电站充电功率,对比分析了换电站不同充电模式对微网能量优化的影响。结果表明:换电站作为可调度负荷参与系统调节有利于微网对可再生能源的消纳,节省安装储能装置的成本,BSS串联运行方式下调度灵活,效益更好。

粒子群算法在LRP问题中的应用

研究了带软时间窗的定位路径问题(LRPSTW)的改进粒子群算法(PSO),在考虑了LRPSTW的整体性基础上,基于一阶段的求解思路设计了带交换子和交换序及贪婪变异算子的改进粒子群算法来求解LRPSTW问题,从而有效地提高了算法的求解效率和解质量。最后通过实验证明了算法的可行性和有效性。

基于合作博弈的电动汽车换电站优化配置

针对目前电动汽车换电站(battery swapping station,BSS)规划决策中对"车-网"交互及其利益分散性考虑不足的问题,提出了一种基于合作博弈的电动汽车换电站优化配置方法。首先建立了同时计及充放电过程的BSS运行时序仿真模型;在此基础上,基于合作博弈理论,考虑电力系统安全运行及电动汽车用户的换电需求等方面约束,提出了以BSS和配电网公司(distribution company,DISCO)联盟收益最大为目标的换电站优化配置模型。该模型通过引入改进的DP指标(modified disruption propensity,MDP)分配机制对联盟收益进行合理分配,能够综合决策BSS的最佳电池配置数量、充电机数量以及各时刻的最优充放电功率。由于所建模型属于典型的混合整数非线性优化问题,采用M ATLAB中的YALM IP工具箱对此进行求解。最后,以某地区实际配电系统为例,验证了模型的可行性与有效性。