考虑环境因素的分布式能源多目标优化配置

建立了分布式能源多目标优化配置模型,考虑了环境因素,以最小化传统发电与分布式能源发电的环境成本与发电成本之和、最小化配电网络损耗为目标函数.改变传统将多目标优化问题转化为单目标函数求解的做法,将粒子群算法扩展为多目标粒子群算法,并以此算法作为优化工具求解分布式能源的多目标优化配置.采用IEEE33节点系统作为算例,考虑将微型燃气轮机并网的优化配置问题.算例结果表明,该多目标优化配置策略能够为决策者提供可供个性化选择的多样化配置方案,各种优化配置方案与没有分布式电源安置相比,可降低系统网络损耗、改善系统可靠性指标和电压水平并降低污染气体排放.     

基于微粒群算法的分布式发电优化配置

利用混沌动力学的随机性和遍历设计群体运动模式,提出一种改进的微粒群算法.以运行成本和网络损耗为目标,对分布式发电的优化选址与定容问题加以求解,获取最优的分布式电源安装位置和容量,并针对标准测试系统进行了仿真计算与分析,仿真结果验证了所提方法的有效性.     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

分布式能源供应链网络建模解析集成框架

针对能源网络庞大的规模、复杂性和随机性,提出了一种能够用来建模分布式能源供应链网络的解析集成框架.以显式的形式表达了不确定性和多元能源流的耦合,建立了供应链网络各个环节之间的相互依赖关系.通过集成框架能够进行整个供应链的优化决策和计算机仿真实验研究,为分布式能源供应链网络提供了一个统一的集成框架.     

基于多目标粒子群算法的分布式电源优化配置研究

大量分布式电源的接入会造成电网电压提升、 网络损耗增加等影响,因此,对分布式电源进行科学合理的优化配置,对配电网经济、安全和稳定地运行具有深远意义.针对分布式电源优化配置问题,建立了以分布式电源投资运行总成本最小、配电网总有功网损最小和节点电压偏差最小为目标函数的优化配置模型,并将自适应权重更新策略的粒子群算法应用于所...     

基于改进哈里斯鹰算法的分布式电源优化配置

为解决分布式电源接入配电网进行合理规划配置的问题,在建立以网络损耗、节点电压偏差、投资综合费用为多目标函数的基础上,采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数,并用改进哈里斯鹰算法寻找最优的配置方案。为进一步改善哈里斯鹰算法的寻优精度与收敛速度,引入Tent混沌提高初始化种群的均匀性;将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合,增加了算法的多样性并提高了寻优精度;引入t分布策略增强全局寻优能力和求解速度。通过算例验证了采用改进哈里斯鹰算法在求解分布式电源优化配置问题中的高效性和稳定性。     

基于PSO算法的蓄电池充电研究

为改善充电控制系统的性能,引入PSO算法嵌套模型得出优化后PI控制器参数,利用Simulink建立起控制系统与主电路模型,并在该模型中引入传统PI参数和PSO算法优化后的PI参数,然后充电启动并进行负载仿真试验,以此来充分分析充电时的蓄电池各项性能指标.试验表明:使用PSO算法优化的PI控制器后,蓄电池在启动过程和负载...     

基于解空间划分的PSO改进算法

 提出一种基于解空间划分的粒子群优化算法, 该算法在保持粒子群搜索能力的前提下对解空间进行预处理, 寻找最佳搜索区间, 提高了粒子群搜索效率; 在粒子群搜索过程中设置检查点, 动态更新解空间区间划分. 实验结果表明, 该算法有效提高了粒子群的搜索效率, 并使粒子群算法不易陷入局部极值. 同时, 在自适应状态下, 该算法能搜寻到指定精度下粒子群所需的最小迭代次数, 并得到较满意的最优值.     

基于k-均值的自适应PSO优化算法

提出了一种新的基于k-均值聚类的自适应PSO优化算法（KCMPSO）．首先通过k-均值聚类方法把粒子群分成若干个子群体,从而在迭代过程中每个粒子根据其个体极值和所在子群体中的最好个体更新自己的位置和速度,其次引入自适应变异算子,有效地增强了粒子群之间信息交换和PSO算法跳出局部最优解的能力．几个典型函数的测试结果表明,该算法是非常有效的．     

基于自适应PSO算法的机组优化组合研究

提出了解决电力系统机组优化组合问题的一种新的方法——自适应粒子群优化算法(APSO)．PSO算法能解决许多遗传算法能解决的优化问题，但却只需要一些简单的参数就可稳定收敛得到高质量的解．将该算法应用到IEEE10机系统中，结果表明该算法用于求解机组优化组合是有效可行的。     

基于自适应PSO的生产-分销协同计划模型与算法研究

针对分布决策条件下供应链生产-分销系统中,以供应商为视角的模型优化性能不足以及因信息不完全导致适用性受限的问题,在建立购买方-制造商2级协同优化模型的基础上,提出一种基于自适应粒子群算法（PSO）的协调优化方法,利用该方法在有限信息共享的情况下,通过多次迭代实现协同优化.仿真实验表明该方法能够有效地收敛于问题的近似解并具有较好的优化性能.     

需求确定时两级供应链库存控制的多准则交互式优化算法

介绍了需求确定的情况下两级供应链库存控制的一种交互协作的最优化算法．该算法将供应链上的库存控制视为多准则问题,进而实现了供应链多准则问题的一种既对供应链有效又对供应链上每个企业有效的优化方案．     

基于全年动态负荷的楼宇式天然气分布式能源系统优化研究

对楼宇式天然气分布式能源系统配置进行了优化研究,利用耦合动态电负荷平均值算法和基础发电机组容量多维度迭代算法确定了发电机组的最优功率为2297~2477 kW。通过对项目能耗分析表明,优化模型的一次能源节约率提高了14.3%,能源经济成本提高了20.14%~20.85%,能源综合利用率大于70%。     

中断风险下新产品供应链的配置

针对确定性环境下提出的供应链配置方法已经难以适应逐渐复杂的企业经营环境．文章在已有的供应链配置模型上,对具有中断风险的供应商选择问题进行研究,有效缓解供应链中断带来的巨大风险．     

浅谈企业供应链优化

通过分析我国企业供应链存在的问题,指出我国企业只有通过供应链优化,提高自己的核心竞争力,才能在激烈的市场竞争中发展和取胜。     

纠删码存储系统中数据修复性能优化研究进展与展望

纠删码被广泛应用于分布式存储系统以保存在线应用的用户数据。当部分存储节点发生故障时,纠删码存储系统需使用新的存储节点替换原有失效节点,并恢复失效的用户数据。由于需要执行数据编码、传输和读写等操作,纠删码存储系统通常需要消耗较长的时间执行数据修复操作,存储的用户数据将长期处于不可靠状态。为了保障存储数据的可靠性,研究学者提出了多种数据修复性能优化方案以减少数据修复时间。本文介绍了数据修复性能优化问题,分析了各个应用场景下主要的性能瓶颈和性能优化难点,总结了提升数据修复性能的主要技术方案和研究工作,并对数据修复性能优化研究领域的未来发展方向进行展望,为纠删码存储系统设计人员准确选择适合特定应用场景的数据修复性能优化方案提供思路。     

基于无等待约束的供应链在线调度问题

研究了供应链在线调度问题.给出了在不改变已有工件调度的情况下,最早完成临时订单的算法,该算法在寻优过程中结合了微粒群算法的局部搜索能力,计算机仿真结果表明,在大规模订单的情况下,该算法同样能很快找到最优加工方案.     

混合策略改进的金枪鱼群优化算法

针对金枪鱼群优化(Tuna Swarm Optimization, TSO)算法前期收敛速度慢和容易陷入局部最优等不足,提出混合策略改进的金枪鱼群优化算法(Improved Tuna Swarm Optimization Algorithm Based on Hybrid Strategy, HTSO)。首先,用Circle混沌映射初始化种群,提高种群的丰富性;其次,利用莱维飞行(Levy flight)在空间随机游走的搜索特点,提高算法在螺旋式觅食时的幅度,减少算法陷入局部最优的次数,帮助其快速找到全局最优。通过14个基准测试函数,在不同维数下比较传统TSO算法、HTSO、鲸鱼优化算法(Whale Optimization Algorithm, WOA)、灰狼优化(Grey Wolf Optimizer, GWO)算法和哈里斯鹰优化(Harris Hawks Optimization, HHO)算法的性能。仿真结果表明,不管是在低维还是在高维的情况下,HTSO比其他4种算法有更好的寻优性能和鲁棒性。最后对HTSO进行wilcoxon秩和检验,验证结果表明,HTSO与其他对比算法存在显...     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。