低碳视角下的多式联运最优路径选择

为了降低多式联运运输过程中的运输成本和碳排放量,可以从承运人角度选择低成本、低排放的运输路径。以实际运输过程中火车、船舶的固定时间窗和收货人的软时间组成的混合时间窗为约束条件,以运输过程中的总成本最低、碳排放量最少为目标,建立双目标优化模型。采用带精英策略的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解双目标优化模型的帕累托最优解集,为不同目标追求下的承运人选择不同的最优运输路径和最优运输方式的组合。设计了相关算例,由NSGA-Ⅱ计算得到的帕累托最优解集包含4个点,即4条最优运输路径和运输方式组合,分布均匀、收敛性好,为承运人提供了全面的决策依据,显示了算法的可行性和优越性。     

基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

抽水蓄能机组导叶关闭策略优化方法研究

为了解决水电站大波动过渡过程运行安全问题,综合考虑蜗壳水击压力极值和转速上升极值两个目标,建立了抽水蓄能机组导叶关闭策略多目标优化模型,提出了基于改进多目标引力搜索算法(IMOGSA)的抽水蓄能机组导叶关闭策略优化方法.利用该方法得到包含蜗壳水击压力极值和转速上升峰值的帕累托非劣解集,采用模糊满意度评价法在帕累托非劣解集中选出兼容性最好的解,并与多目标粒子群算法进行对比,结果表明利用IMOGSA优选的导叶关闭策略能有效提高对抽水蓄能机组水泵断电工况的控制水平.     

一种多原则机械系统预防性维护调度方法的研究

预防性维护对机械系统的安全性,高效性,可靠性运行操作是非常重要。预防性维护调度的基本原则是:系统的成本原则,可靠性原则,这两调度原则被认为目标相互矛盾。通过改进强度帕累托进化算法来寻找最佳的折衷解决方案,根据模糊集理论找到最佳折衷方案的帕累托最优解,并对多原则预防性维护调度方法的概念和数学模型进行了解释,用一个案例说明新方法的实际应用。     

基于近似模型和遗传算法的等离子喷焊工艺参数多目标优化

为了对等离子喷焊工艺参数进行优化,提高喷焊层的质量,通过径向基函数(radical basis function,RBF)神经网络近似模型和非支配排序遗传算法(non dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)遗传算法相结合的方法,对等离子喷焊试验数据,基于MATLAB平台进行训练,以此来构建显微硬度、磨损量和稀释率的近似模型,利用NSGA-Ⅱ遗传算法对模型进行下一步的多目标优化,最终得到帕累托最优解集,研究了工艺参数间的交互作用.结果表明:利用RBF-NSGA-Ⅱ遗传算法比响应面法能更显著地提高喷焊层质量.可见对等离子喷焊工艺的优化具有一定的参考价值.     

混合智能算法的多目标无功优化方法

传统电力无功优化主要集中在引入或改进某种单一智能优化算法,进化算子的不变性难以保证算法在各寻优阶段的稳定性和普适性.本文提出基于多种智能算法动态混合策略的多目标无功优化方法.该方法采用计及系统网损与电压偏移的多目标优化模型,考虑多种智能算法在不同寻优阶段的优劣特征,基于帕累托最优动态确定备选算法的使用比例,使多种智能算法优势互补以提高整体寻优效率.以IEEE 30节点、系统多目标无功优化为算例,结果表明新方法在帕累托前沿和收敛特性等方面都表现更优.     

高低压脱乙烷塔系经济环境多目标优化

在双碳目标的背景下，传统化学工业需在经济效益与环境影响之间寻求平衡。高低压脱乙烷塔系作为典型的乙烯生产单元，进料组成多变，存在工艺参数及时调节、物料精准分离与高能耗冲突的问题。为解决此问题，提出了一种多目标优化框架，基于Aspen Plus平台构建双塔脱乙烷工艺模型，在限定包括产品品质约束、工艺最大允许操作范围的基础上，通过非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)来获得环境与经济效益双目标的帕累托前沿，并进一步采用多目标决策分析准则优劣解距离法（TOPSIS）来获得帕累托前沿最优操作点。最后，使用单变量分析法研究了裂解反应温度、高低压脱乙烷系统进料预冷换热温度、低压塔塔釜热负荷、高压塔回流量对目标函数的影响。结果表明，与工厂实际操作条件相比，优化方案在牺牲税前利润0.91%的基础上，二氧化碳排放量减少了8.45%，有望同时实现经济效益和环境影响最佳的双目标。     

加急订单扰动的多目标柔性作业车间动态调度问题研究

为了快速应对柔性作业车间生产过程中出现的突发状况,构建了一种以全局任务最大生产完成时间、机器负载和能耗为优化目标的多目标柔性作业车间动态调度模型。针对上述模型,采用适用于动态调度的动态交互层(DIL),在此基础上设计了多目标粒子群遗传算法(MOPSGA)。采用精英基因序列化策略和基因池选拔策略增加帕累托非支配解集个数和质量,再重新评估、获取帕累托非支配解集。针对柔性作业车间加急订单的意外状况,采用DIL与MOPSGA相结合的方法求解动态调度问题。仿真实验结果验证了DIL处理紧急订单的能力和MOPSGA的有效性。     

含多微网系统的主动配电网分层能量优化管理

为实现含多微网系统的主动配电网的经济效益最优,通过引入自适应权重系数来进行动态优化.构建一种主动配电网层以发电机组运行成本最低,多微网系统层以经济成本和环境成本最低的分层能量优化管理模型.采用变异、杂交和竞争策略以及Lévy飞行策略改善麻雀搜索算法,提高算法的种群多样性和收敛精度.基于所设计的多微网系统混合配置运行策略...     

基于NSGAⅡ算法的客车底架的离散拓扑优化

对电动大客车底架利用第二代非支配排序遗传算法(NSGA-Ⅱ)进行了拓扑优化,在保证所有梁单元最大应力不超过屈服强度的条件下,以整车扭转刚度和质量作为优化目标,最终得到底架拓扑后的帕累托前沿.对结果进行筛选,得到的拓扑方案扭转刚度与原模型接近,质量降低89kg,占原模型底架的6.4%,拓扑效果显著.     

基于协同进化的配网动态重构算法

为解决传统配网动态重构算法迭代计算量较大的问题,提出基于协同进化的配网动态重构算法.首先根据配网各节点负荷的变化情况进行时段划分,再在划分的区段内采用改进的遗传算法进行静态重构,将各区段静态重构得到的优化解集作为动态重构的初始解集,最后以所有时段总运行费用最小为目标函数,采用协同进化算法,通过协调各区段的重构操作得到所有时段的重构方案.对修改后的IEEE-33测试系统进行仿真计算,结果表明所提出的动态重构算法能够有效减少潮流计算的次数,同时提高了计算效率.     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

计及柔性安全裕度的多电飞机负载转供策略

采用多电飞机电气系统的节点电压柔性表示可变的运行点安全裕度,提出考虑飞机运行工况和变频启动发电机故障位置的离线最优负载转供策略。首先,基于同一工况下负载相关关系构建多维联合分布函数,结合蒙特卡洛法生成表征负载不确定波动的大量场景,并利用Ward系统聚类进行场景削减。然后,以增大系统电压柔性和降低网络损耗为目标,建立了负载转供柔性优化模型。同时,为提高计算收敛性和速度,对NSGA-Ⅱ算法进行改进,最终结合TOPSIS分析得到Pareto最优折中解。应用实际Boeing 787电气系统进行分析,结果表明,改进NSGA-Ⅱ算法具有更快的收敛速度和更佳的优化结果,且本模型得出的转供策略对比传统方式在提升运行安全性与经济性方面有一定效果。     

一种基于改进遗传算法的最小化停电损失费用的配电网重构

提出一种基于操作簇改良策略的配电网重构遗传算法。将以操作簇为单位的遗传操作中出现的不可行解改良为可行解，建立了以停电损失费用最小为目标函数进行网络重构的数学模型，并采用IEEE RBTS配电系统进行了测试。结果表明，该优化算法可有效地降低配电系统的停电损失费用，且性能优良。     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.     

考虑配电网安全稳定运行的蓄热式电采暖多目标优化配置

蓄热式电采暖系统的不合理配置会对配电网的安全稳定运行带来不利影响。为此,提出一种蓄热式电采暖多目标双层优化配置模型。首先,根据历史数据计算出供暖季逐时热负荷需求,采用k-means聚类算法选取一定数量典型日场景;其次,以蓄热式电采暖系统投资成本、运行维护成本和线路负荷标准差最优为目标,建立一种基于配电网经济性和潮流均衡性的多目标双层规划模型。采用多目标粒子群算法求出Pareto最优解集,通过熵权-TOPSIS法从中选取最佳接入位置、功率和容量。最后,以改进的IEEE 33节点系统为例进行仿真分析,结果表明：该模型虽然增加了一定的经济费用,但明显改善了线路负荷分布,使配电网潮流更加均衡,保证配电网能够安全稳定运行。     

改进差分进化算法在铝电解多目标优化中的应用

针对多目标优化问题,提出一种改进的差分进化算法(DE).该改进算法首先将DE与粒子群优化算法(PSO)结合,提高DE的收敛速度,然后引入多种群进化策略,有利于维持Pareto解的多样性.同时,在综合考虑机理与工艺的基础上建立铝电解多目标优化模型,并应用改进算法进行求解.仿真结果表明:在电流效率为92％时,改进算法所得的直流功耗为14.03 MW.h/t,比NSGA-Ⅱ的直流功耗降低了1.45％,比传统DE的直流功耗降低了1.75％.表明本文改进算法有效地提高了传统进化算法的性能.     

计及风、光、负荷关联关系的分布式电源市场化优化配置

在风速、光照及负荷各自不确定性基础上,考虑三者变化之间的关联关系,并提出用Kendall系数表征,选择市场中不同利益方关注的年投资运行成本、有功网损和电压指标为优化目标,建立一种分布式电源市场化配置模型。基于拉丁超立方采样并结合Cholesky分解技术处理关联关系,并提出一种新的基于Pareto最优解集的多目标和声搜索算法进行模型求解,通过改进的模糊决策方法以确定分布式电源的配置方案。最后立足电力市场,在改进的IEEE33节点配电网模型中进行仿真计算,从不同利益方角度选出不同方案,验证所提模型和方法的有效性与实用性。