2.5MJ单螺管型超导储能磁体的主动屏蔽研究

单螺管型超导储能磁体周围的杂散磁场随着其储能量的增加而急剧增长.对杂散磁场进行屏蔽是保护外围仪器设备和工作人员人身安全的必要手段.对储能量为2.5 MJ的单螺管磁体的杂散磁场进行了仿真分析与主动屏蔽.分析了同轴串联式与单圈嵌套式屏蔽方式的磁体结构、屏蔽原理和屏蔽效果,并从线材用量、安全距离以及屏蔽效果等方面进行了对比分析.     

氧化钇钡铜(YBCO)高温超导带材在超导储能装置的应用

高温超导磁储能系统具有功率密度大、响应快和寿命长等优势,在新能源电网和新能源电动船舶等领域具有潜在的应用前景.二代高温超导带材具有优越的载流能力、较高的工作温度以及相对较低的制备成本,在超导储能装置得领域到了广泛应用.对氧化钇钡铜(YBCO)高温超导带材特性介绍的基础上,分析储能装置对其的性能要求,阐述一代高温超导储能磁体研究现状,并结合10 MJ储能磁体的设计进行具体案例分析.     

多目标优化参数向单目标优化参数的转化研究

以夯实机冲击轮下落阶段进行运动分析为例,建立冲击轮动力参数的多目标优化模型,以水平速度变化率最小和垂直速度变化率最大为两追求目标.运用多目标优化方法中的线性加权和法对其进行优化处理,由多目标优化问题转化为单目标优化问题,运用MATLAB软件解得的最优解即为该多目标优化问题的有效解.使得优化后的冲击轮动力性能在水平方向和垂直方向上均有较大的改善.     

结构多目标模糊优化初探

将结构设计中的多目标优化和模糊优化结合起来,试图寻找一种处理这类问题的数学模型及求解的方法。     

超导储能混合磁体的失超检测

针对超导储能混合磁体的特点,设计了一套用于超导储能混合磁体的失超检测与保护系统。系统采用数字失超捡测方法,利用高性能的数字采集卡NI-6224．快速可靠的检测到磁体失超;并通过卸能电阻可变的卸能回路实现磁体的失超保护,极大地加速了磁体电流的衰减．提高了移能效率．减小失超区的温升。     

多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

风电场储能系统的多目标优化调度策略

为了实现风电与储能联合运行的优化调度策略,首先综合考虑风电功率预测效果、并网功率波动和储能系统的出力水平等多个目标,建立风储联合运行的多目标优化仿真模型。然后运用马尔可夫模型预测风功率,同时基于有精英策略的非支配性排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)滚动优化风储并网功率,来获得风储系统不同运行策略。并通过优选储能系统运行参数,避免储能系统的过度充放电和进入死区。最后,将决策者的偏好嵌入到多目标优化过程中,针对优化解集的分布进行了对比分析,验证了偏好情况下的储能的针对性和有效性,实现了风储系统多目标偏好下的优化调度。     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

多目标集值优化理论及其进展

比较系统的介绍了多目标集成化这一学科，并从（１）标量化问题；（２）不带导数的最优性条件；（３）带导数的最优性条件－ＦｒｉｔｚＪｏｈｎ及Ｋｕｈｎ－Ｔｕｃｋｅｒ条件；（４）对偶问题；（５）非光滑分析法；（６）稳定性与灵敏度分析；（７）极大极小定理；（８）集到集映射的优化问题８个方面对这一领域的研究进展情况及所用方法做了较为系统的总结与研究，给出了几个尚未解决的问题。     

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。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法.该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题.通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应.同时应用新型算法对IEEE14节点标准电网进行无功优化计算.结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性.     

Banach空间中多目标最优化问题的标量化条件

本文在实自反Banach空间上,讨论广义多目标最优化问题的各类有效点的概念和性质,论证了多目标最优化问题标量化求有效解的充分必要性条件,从而可把多目标问题转化成单目标问题处理。     

一种新颖的多目标优化算法

粒子群算法的特性使得其在解决多目标优化问题时具有很强的竞争性,提出了一种结合小生境思想和在线归档策略的多目标粒子群优化算法,该算法能够在进化过程中保持优良种群。通过3个测试函数来评价算法性能并将算法与NSGA-II做比较,结果表明提出的算法的时间耗费明显小于NSGA-II算法且解集沿着Pareto非劣最优目标域有很好的扩展性。     

基于多目标粒子群算法的卫星结构动力学优化

针对卫星结构的多目标动力学优化问题,在其优化过程中建立了一种多目标粒子群优化(MOPSO)算法.该算法采用惯性权重递减策略,对违反约束的粒子给予不同惩罚,并在算法后期引入变异算子,增强种群的多样性,使算法更好地进行全局寻优.结合支持向量机近似模型,将MOPSO方法用于卫星结构动力学优化,并与多目标遗传算法(NSGA-II)的结果进行了对比.数值结果表明,MOPSO可以有效地搜寻优化问题的Pareto前沿,具有良好的分散度和均匀性.     

基于协同优化方法的汽车正面抗撞性优化设计

将最优拉丁方试验设计方法与响应面方法相结合,建立了汽车正面碰撞过程中3组加速度指标的代理模型.使用协同优化方法对该3组加速度指标进行了协同寻优.优化结果表明,优化后3组指标均有不同程度的改善,提高了汽车正面抗撞性,表明使用协同优化方法、结合近似技术和有限元技术是求解汽车抗撞性多目标设计优化问题的一种有效方法,该方法能够有效地避免传统优化方法在求解高度非线性问题时面临的困难.     

基于多目标决策的电网无功优化

从经济学的角度引入了调控成本概念,用变量梯度法计算系统优化前后网损变化量、优化前后电压平均偏离变化量、调控成本三个指标,再用层次分析法(AHP)进行多目标决策,计算电容器和变压器是否值得动作.IEEEl4节点算例表明所提出的方法能有效地提高系统运行的经济性和安全性.     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

改进蚁群算法求解多目标优化问题

针对传统蚁群算法在多目标优化问题中容易陷入局部最优的缺点,提出一种采用直接学习机制的改进蚁群算法。该算法通过采用模拟蚂蚁用触角交流信息过程的直接通信学习机制,用以改进信息素的更新规则,从而维持群体的多样性。通过两组多目标基准函数验证算法性能,仿真结果表明该算法所获得的Pareto解具有多样性以及均匀分布性,有效地提高了蚁群算法全局寻优的能力。     

基于后悔函数的多目标优化决策问题研究

研究多目标优化决策问题.针对目标之间常常相互制约、决策者需要进行反复权衡的问题,通过定义后悔值并设计基于后悔函数的目标函数,在进行多目标优化时,可以定量地表示决策者对各个目标的重视程度.仿真实验结果表明,在多目标优化问题中,基于后悔函数的目标函数具有很好的通用性.与传统方法的对比表明,后悔函数法避免了权重难以定量描述,需要反复试凑的问题,且具有较好的逼近多目标理想值的能力,优化结果能直接反映决策者初衷,并且易于针对不同问题进行改进.