面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传-差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.     

高载能负荷参与的集群风电场并网系统经济调度模式

针对传统调度模式已无法实现大规模风电并网系统的经济调度,提出了将高载能负荷作为可调度资源并通过设置集群协调层与风电场进行统一调度的新调度模式.新调度模式中,集群协调层一方面响应调度中心的调度出力;另一方面对群内的高载能负荷和风电场进行协调调度,从而使调度系统达到协调最优点.在所提调度模式上建立了系统经济调度的二层优化数学模型,分别采用帝国竞争算法(ICA)和二进制粒子群优化算法对上层和下层模型求解.算例仿真结果验证了所提调度模式和所建经济调度数学模型的正确性.     

基于CQPSO算法的含风电场电力系统经济调度研究

为了克服风电场出力波动的不利影响,提高调度经济性,构建含常规火力发电燃料费用、风电预测误差备用费用以及风电弃风成本的多目标动态调度模型,并提出一种混沌量子粒子群算法对模型进行求解。标准测试函数的仿真结果表明本算法比对照算法具有较高的收敛精度和稳定性。对含风电场的IEEE30节点系统算例进行仿真实验,结果表明采用混沌量子粒子群算法对调度模型求解的调度费用最低。     

考虑风电出力偏差和调度经济性的风电接纳水平优化

采用威布尔风速分布模型,给出风电出力偏差期望值,并分析风电出力偏差给常规机组和风电并网运行的经济性带来的影响.在此基础上,建立综合考虑常规机组发电成本与风电场运行经济性的多目标经济调度模型,采用多目标粒子群优化算法,以风电出力预测值作为基准来定量优化与评估风电接纳水平.算例表明,该模型能够平衡常规机组与风电场运行的经济性,从经济性角度评估系统接纳风电的能力并为电网调度和风电场运行与规划提供一种依据.     

基于SPEA Ⅱ的双资源多目标车间调度模型

针对复杂制造业环境下实际作业车间受多种资源约束的问题,考虑工人综合素质及实际参与操作设备的人员数等因素所存在的差异性对工作效率的影响,建立了一种包含机器设备和操作工人2种约束资源的多目标车间调度模型,然后以完工时间最短、加工成本最低以及总拖期最小为目标,采用改进的强度帕累托进化算法(strength Pareto evolutionary algorithmⅡ,SPEAⅡ)求解该模型.仿真结果验证了该模型的正确性以及该文算法的可行性和有效性.     

基于灰色PSO算法的分布式电网多目标调峰调度优化

针对目前新能源大规模并网,传统的调峰调度运行方式不能满足新能源出力消纳要求的问题,提出一种用户侧主动参与调峰调度的方案.将可调度分布式电源、储能单元和可中断负荷纳入分布式电网系统管理中,引入虚拟电厂的概念对可控负荷以及分布式电源进行控制,以负荷方差最小以及运行成本最小为目标,建立多目标调峰调度模型,并用改进灰色PSO算法对调峰调度模型进行优化求解.以IEEE33节点配电系统为算例进行仿真,结果表明该方法能够有效提高系统调峰能力、增加新能源消纳和降低运行成本.     

含风电场的电力系统环保经济调度研究

在节能减排的电力市场环境下,清洁能源发电因其发电成本较低,环境污染小,而具有日益重要的地位。本文研究风电接入系统后的电力系统动态经济调度,建立了含风电场的环保经济调度数学模型,提出以系统总发电成本最低为目标函数,并考虑常规火电机组和风电场的各种约束条件。根据某地区的实际负荷数据,利用搜索能力强、寻优速度快的粒子群优化算法进行仿真验证,结果表明数学模型与优化算法的正确性与有效性。最后,应用相对熵均衡性理论,对优化调度的决策结果进行评价与选择。     

风火联合系统的多目标随机优化调度方法的研究

考虑到风电场出力的随机性,以常规机组燃煤费用最小、污染气体排放量最小为目标函数,约束条件以概率的形式表示,构建考虑机组组合的风火联合系统的多目标随机机会约束规划模型。结合机组启停优先顺序表,采用启发式搜索策略确定机组组合状态,以避免机组频繁启停或系统容量冗余。采用基于Pareto的多目标粒子群优化算法,结合随机模拟技术和模糊逻辑评价法,对既定机组进行经济负荷分配。以含10机的风火联合系统为算例,验证了所提调度方法的可行性、有效性。优化调度结果表明:1该模型能够充分利用清洁能源,降低系统运行成本,减少污染气体排放量,提高电力系统运行的综合效益;2该算法计算精度高,速度快,避免了基本粒子群优化算法易陷入局部最优的缺点。     

高维多目标进化算法中的密度评估策略研究

多目标进化算法中常引入密度评估策略来使算法获得更好的分布性和收敛性.但对于高维多目标问题,现有的密度评估策略却难于达到这一目的.为此更全面地考虑目标空间上各子目标的影响,提出了四种新的密度评估策略,并将其应用到经典多目标进化算法SPEA2中.在4～9个目标的多目标背包问题上的实验结果表明,采用新的密度评估策略的SPEA...     

基于伪并行NSGA-Ⅱ算法的火电站多目标负荷调度

为了克服以往负荷调度模型及优化算法存在的缺陷,提出了多目标负荷调度模型,同时考虑最小化燃料费用和污染排放量,并将带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)与并行遗传算法(PGA)相结合对其求解.利用该方法对一电厂进行多目标负荷调度,获得了分布良好的Pareto最优解,为经济性和环保性的权衡分析提供了有效的工具,分析结果验证了其思路的有效性和可行性.     

机械蒸汽再压缩蒸发结晶系统优化设计

为使机械蒸汽再压缩(MVR)并联双效蒸发结晶系统在满足生产要求的同时性能达到最优,提出基于强度Pareto进化算法2(SPEA2)的系统优化设计方法,进一步挖掘系统的节能潜力。对于既定的系统工艺流程,通过分析操作变量对系统性能的影响规律,建立了优化问题的数学模型,并加以质量和能量平衡的约束条件;以系统总功耗最低和总换热面积最小为优化目标,利用SPEA2多目标进化算法对操作变量取值进行寻优计算,在模糊集合理论支撑下得到蒸发温度和压缩温升的最优组合解。结果表明:在相同设计任务条件下,系统总功耗降低了22.1 kW,总换热面积减少了31.2 m~2,效能系数值提高7.94%,效率提升5.91%,损失减小38.4 kW,说明采用基于SPEA2算法的优化设计方法,能够提高机械蒸汽再压缩并联双效蒸发结晶系统的能量利用率及热力学完善程度。     

一种基于模糊控制的发电系统优化设计研究

本文提出一种多能源智能调度系统,能够对风光互补发电系统进行统一调度,根据电网用电负荷的波动来控制并网功率,使电网的供电质量更可靠。首先介绍光伏发电原理及其并网系统的结构,进而介绍风光互补发电系统的工作状态,最后研究对多能源的调度在MATLAB/simulink环境下建立了多种能源仿真模型,引入模糊控制算法,仿真结果达到了预期的目标。     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于风功率预测的可移时负荷监控系统开发

为了实现风电场与可移时负荷的集中管理,该文研发了一套基于风功率预测的可移时负荷监控系统。该监控系统可以根据风电功率预测信息,采取多时间尺度协调的负荷用电控制,对可移时负荷的状态信息进行实时数据采集和监控处理。该文基于WinCC、Visual Studio 2012开发平台,采用C++语言来编写算法,对多目标函数进行优化,根据优化结果,对负荷侧进行调度,实现电源侧与负荷侧的良性有序互动。     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

考虑需求响应的多目标模糊机会约束动态经济调度

风电和需求响应参与电网调度带来了显著的经济效益并降低了负荷波动,但是风机出力的不确定性给电网动态经济调度带来挑战。针对上述问题,建立考虑需求响应的多目标模糊机会约束动态经济调度。首先,分析风电预测误差在不同功率的模糊特性,并拟合出模糊参数,进而获得风电的模糊隶属度函数。其次,根据模糊理论对系统约束形成可信性测度的模糊机会约束,建立考虑经济和负荷方差的多目标优化模型。在模型求解上,采用清晰等价类将机会约束清晰化,采用基于分解的多目标进化算法求解,然后采用模糊聚类的Pareto最优解集筛选最优解。算例结果表明,所提出的模型,能够有效权衡风电并网风险、系统利润和系统负荷波动。     

风电时序动态修正的实时调度计划研究

针对风电功率预测偏差影响电力系统发电计划准确性的问题,提出了一种超短期内风电时序动态修正的实时调度模型.该模型采用马尔科夫链时序预测方法,以5~15min为周期动态修正风电超短期预测功率的时间序列,并以煤耗增量最小和弃风最小为双重优化目标,同步修正风电场及常规机组的发电计划,最后将模型转化为凸二次规划及其拉格朗日对偶问题,并基于原-对偶内点法构建求解算法.通过对含风电场的10机组系统的仿真分析表明:所提模型在日内调度过程中进一步优化了系统的运行成本,同时提高了系统跟踪风电功率波动和消纳风电的能力,所采用的求解算法收敛迅速、鲁棒性强,可适应于实时调度的计算需要.     

基于决策空间划分模型的多目标进化算法

为有效利用决定空间中的信息、提高收敛速度与准确度,提出了基于决策空间划分模型的多目标进化算法.该算法将决策空间划分成多个子决策空间并在每个子决策空间内映射出一个超球体,运用某一多目标进化算法完成超球体内个体的1轮次进化,基于粒子群优化算法的粒子移动机制实现超球体间的信息共享、引导超球体质心向最优解集方向移动.对8个测试问题的实验结果表明:基于决策空间划分模型的多目标进化算法在收敛精度和收敛稳定性方面比FastPGA,MOCell,NSGA-Ⅱ和SPEA2算法表现出更好的性能.     

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将...     

基于需求侧响应的电热综合能源系统风电消纳低碳经济调度

电热综合能源系统作为能源互联网的重要组成部分,促进了能源在更广阔范围内的配置。首先,本文提出了一种多目标电热综合能源系统低碳经济调度模型,充分挖掘了储热装置、电锅炉以及电储能的风电消纳特性;其次,系统考虑需求侧响应的影响,通过峰谷分时电价优化负荷曲线,有效削减了负荷峰谷差,为风电上网提供了空间;最后,采用多目标细菌群体趋药性算法对低碳经济调度问题进行求解。仿真分析了实施峰谷分时电价前后系统的风电消纳情况,并对储热装置、电锅炉以及电储能对系统风电消纳的效果进行了分析。仿真结果验证了所建立低碳经济调度模型的合理性和所采用算法的有效性。