基于GA-PSO的电动汽车换电站时空双层充电优化策略

针对电动汽车(Electric Vehicle, EV)用户换电体验不佳、换电站备用电池组空闲、充电成本过高及配电网负荷特性恶化的问题,建立了兼顾EV用户、换电站和电网公司三方利益的时空双层充电优化模型。该模型采用双层时空解耦结构,上层模型以满足EV用户个性化需求为目标,重点解决空间尺度上换电站的选择问题。下层模型在时间尺度上采用一种两阶段优化策略,第一阶段以充电成本最小为目标重点关注电池组充电方案的制定问题,第二阶段虑及电网激励以配电网负荷波动最小和峰谷差最小为目标重点关注充电方案的优化问题。最后,采用Monte Carlo法模拟EV用户的换电需求,采用GA-PSO(遗传-粒子群算法)对提出的时空双层优化模型进行迭代求解。以某典型城区为例,仿真验证了所提模型与方法的正确性。

基于机器学习的正庚烷燃料两阶段着火延迟时间预测

燃料着火延迟时间对燃烧过程和发动机性能至关重要.传统上对燃料着火时刻的试验测量和模拟计算代价昂贵,基于人工智能的神经网络技术有望解决这一难题.针对正庚烷两阶段着火延迟时间,本文采用深度机器学习算法进行特征提取和训练,利用遗传算法(GA)优化神经网络结构,结合粒子群优化(particle swarm optimization,PSO)算法训练优化模型,实现了宽工况范围内(温度600~1200 K,压力1~5MPa,当量比0.3~3.0)正庚烷着火延迟时间的准确预测.研究结果表明:与一般神经网络模型相比,基于GA优化后的模型可以大幅提高相关系数,降低平均绝对误差;同时,PSO优化后的GA模型可将相关系数提升到0.9999,进一步减小平均绝对误差和均方误差.所提出的预测模型表现出很高的准确性和稳定性.该研究对于发动机湍流燃烧高效数值模拟具有重要参考价值.

支线集装箱船舶航线规划与配载协同优化

针对支线集装箱船舶运输中喂给港数和靠泊条件不一的实际背景,考虑船舶容量、行驶稳性和交付时间等约束,采用两阶段分层方法研究支线集装箱船舶航线规划和配载协同优化问题。两阶段中分别以所有船舶总运营成本最小和混装堆栈数最小为目标,构建船舶航线规划和配载优化的混合整数规划(MIP)模型,结合问题特征设计粒子群算法(PSO)求解模型。结果表明:模型与算法均可实现问题求解,对于较大规模的算例,模型最长求解时间超过600 s,PSO最长求解时间为16.66 s,平均10.00 s内完成求解,表现出较好的求解性能,可为支线集装箱船舶航线规划与配载协同优化提供决策参考。

两级式单相光伏逆变器并网过电压抑制策略研究

随着高渗透分布式光伏电站接入低压配电网,其并网点过电压现象日益严重。以两级式单相NPC三电平并网逆变器为例,提出了一种基于有限控制集模型预测控制(finite control set model predictive control,FCS-MPC)的过电压抑制方法。采用改进的粒子群优化(particle swarm optimization,PSO)算法追踪光伏阵列的最大功率点(maximum power point,MPP),将其作为有功功率参考值。分析光伏电站接入配电网造成过电压现象的原因,利用逆变器的无功调压理论,得出逆变器的无功功率参考值。通过目标函数的设计,使得逆变器输出时变的有功功率和无功功率,从源侧解决了光伏并网的过电压问题。在Simulink仿真中进行验证,结果表明:相比扰动观测法和电导增量法,改进的PSO算法稳态震荡和跟踪误差最小,跟踪效率最高;当并网点出现过电压现象时,所提的过电压抑制策略可以使逆变器输出一定的无功功率,将并网点电压调节到安全范围以内。

基于两阶段模糊认知图的滚动轴承故障诊断方法

针对传统模糊认知图(FCMs)时间序列分类算法存在的对噪声敏感性不足和决策过程不透明等问题,提出了一种两阶段模糊认知图的方法(TFCMs),对滚动轴承故障进行了诊断。首先,利用模糊C-mean算法,将二维空间中存在的时间序列映射到C维空间;然后,利用凸优化算法(CVX)快速、有效地从噪声数据中学习到FCMs模型;最后,利用粒子群算法(PSO)构建一个FCMs分类器对权重矩阵进行了有效的分类,并利用美国西储大学轴承数据集(CWRU)和时间序列分类基准数据对所提出的方法进行了验证。研究结果表明:凸优化算法对噪声数据特征的提取能力明显优于粒子群算法,在2个公开分类基准数据上的精度提高了4%;在2个轴承故障数据集中平均精度达到了99.5%以上;在对比实验中,TFCMs方法在数据集A和数据集B的精度分别提高了3.67%和2.36%,TFCMs方法优于现有的方法,更重要的是该方法的建模过程是透明且可解释的。

考虑负荷优化控制的区域配电网储能配置

针对分布式电源接入区域配电网对负荷特性的负面影响,综合考虑储能充放电功率约束、运行约束以及配电网潮流平衡约束,建立了储能系统优化配置模型。以"削峰填谷"和"平滑负荷"分别作为负荷控制目标。针对"削峰填谷"提出控制负荷峰谷差、控制负荷方差以及控制负荷率3种优化策略,针对"平滑负荷"提出控制负荷变化量、控制负荷变化平方量以及控制负荷变化率3种优化策略,并结合储能系统的成本优化,利用两阶段粒子群算法进行模型求解。最后得出,控制负荷方差对于"削峰填谷"最有效,控制负荷变化平方量对于"平滑负荷"最有效。此外,得出不同储能充放电功率约束下负荷特性的优化趋势和储能容量最优配置变化趋势,为储能系统配置提供了有效参考。

基于正序电流的风电接入电网自适应阈值差动保护方案

随着风电渗透率的不断提高,风电不确定性和间歇性对电网保护方案的影响愈加显著,基于固定阈值的保护整定方案不再适用于复杂多变的电力系统。基于此,提出了基于正序电流的风电接入电网自适应阈值差动保护方案。首先,以含风电场的标准电力系统为例,剖析了风电“T”型接入对传统电流差动保护的影响机理。在此基础上,以正序电流为故障信号,以故障位置和故障发生时间为自变量,建立了自适应阈值差动保护模型。为了提高求解效率以适应保护控制的要求,提出了基于PSO算法的二阶段求解方法。其中:阶段1以故障位置为优化变量,得到对阈值影响最高的故障类型;阶段2在阶段1的基础上引入故障开始时间,仅针对阶段1得到的故障类型进行二维优化,可以明显缩短计算时间,以实现阈值计算的快速性和准确性。最后,基于Matlab仿真分析,验证了该方法的正确性和有效性。

考虑速遣费和滞期费的不定期船航速优化研究

航运合约中的速遣费和滞期费对不定期船港口选择有重要影响.针对不定期船舶航速优化和港口选择问题,建立货主存在违约概率情况下不定期船港口选择停靠和航速优化模型,并考虑滞期费和速遣费对船公司利润的影响,使用改进型粒子群算法——两阶段粒子群算法进行求解模型.通过算例分析,将改进型粒子群算法与传统粒子群算法对比,发现改进型粒子群算法无论在收敛速度还是计算结果方面都优于传统粒子群算法.最后通过灵敏度分析发现,船公司利润在一定范围内会随着违约率、滞期费和港口装卸效率的上升而上升.

煤矿配电网两阶段无功补偿优化配置方法

针对煤矿配电网无功优化存在的问题,综合考虑煤矿配电网负荷特点以及传统无功补偿装置的优缺点,提出利用静止无功发生器SVG以及电容器组配合实现配电网无功优化的两阶段无功优化方法.两阶段分别以有功网损最小和电压谐波畸变率最小为目标,根据灵敏度法确定补偿位置,运用改进的粒子群算法进行无功补偿容量的优化配置.研究结果表明:配电网的有功损耗明显下降,电压水平明显改善,为配电网无功优化提供了一种灵活高效,易于实现的有效方法.

基于两级序优化模型的火控攻击配置方案寻优

火控攻击配置方案寻优是多输入参数的仿真优化问题,针对传统方法在解决此类优化问题时存在的计算量大、耗时长等问题,提出一种基于两级序优化模型的火控攻击配置方案寻优方法。以空空导弹成功发射概率作为评价指标,采用分级寻优策略将寻优过程分为粗糙评估寻优与精细评估寻优。在粗糙评估寻优中,建立基于粒子群-遗传规划的粗糙评估模型,对样本空间所有配置方案快速评估得到优质解集。在精细评估寻优中,采用迭代寻优的方法,逐步提升粗糙评估模型的精度,并缩小优质解集的规模。最后利用仿真模型评估得到满足效能指标要求的最佳配置方案。算例仿真分析表明了算法的有效性与可行性。

风机齿轮传动系统整体方案的粒子群算法两层优化设计方法

提出了一种基于粒子群两层优化的风机齿轮传动系统整体方案设计方法,在充分考虑风机齿轮传动系统内在机理的前提下,以系统整体的可靠性为设计目标,通过两层优化相结合的方式,使用改进的粒子群算法寻找整个优化空间中的最优设计方案。该设计方法能够有效避免齿轮传动系统中常出现的短板效应,提高风机齿轮传动系统的可靠性。

基于两阶段领导的多目标粒子群优化算法

提出一种基于两阶段领导的多目标粒子群算法(P-AMOPSO).该算法包含4个改进策略:基于强支配排序与拥挤距离排序相结合的构造外部集策略,基于两阶段的领导粒子选择策略,基于高斯分布及均匀分布相结合的变异策略,基于邻域认知的个体极值更新策略.通过几个典型的多目标测试函数对P-AMOPSO算法的性能进行测试,并与多目标优化算法进行对比.结果表明,P-AMOPSO算法具有较好的搜索性能.