改进的花朵授粉算法在微网优化调度中的应用

研究了用于解决微网优化调度问题的群智能算法.针对微网优化调度问题的多目标、多约束条件等特点,对微网优化调度问题建模;提出了改进的花朵授粉算法,并将其应用到微网优化调度问题.在初始化时,采用对立点方法增加种群多样性和优化搜索空间;局部更新时,使用一种新的局部更新算子提高算法收敛速度;此外,为了减少计算量和避免陷入局部最优,定义了是否使用遗传操作的判断条件.仿真结果表明,该算法性能优于原始花朵授粉算法和遗传算法等其他算法.     

基于多目标粒子群算法的矩形微通道结构优化

为提升矩形微通道的综合性能,通过多目标粒子群算法对矩形微通道进行数值优化,由响应曲面法拟合热阻函数,再以热阻与压降为目标函数,建立以矩形微通道结构参数为变量的多 目标粒子群算法的数学模型.由多 目标粒子群算法计算得到热阻与压降的pareto优化解集,用K-mean聚类法对优化解集进行聚类得到4个代表解,与未优化解进行对...     

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。     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

考虑需求侧响应的热电联供型微网经济优化运行

热电联供(combined heat and power,CHP)微网是提高可再生能源利用率以及实现能源转型的有效途径之一,具有广阔的应用前景。为保证其经济、灵活、高效运行,需对CHP微网进行合理的系统优化。为此提出考虑热、电负荷需求侧响应CHP微网多目标优化方法,热电负荷需求侧响应模型基于建筑物热力学模型,同时考虑可转移负荷的调度。在此基础上,建立基于热电负荷需求侧响应的多目标混合整数线性规划模型,采用所提复合粒子群算法求解。算例仿真结果表明,应用热、电负荷需求响应可以使供电、供热的灵活性大大提升,并且降低了系统经济运行成本。     

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.     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

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。     

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.     

计及差异化用户偏好的光储充一体化家庭用能系统多目标优化调度

基于价格型需求响应的家庭能源管理系统优化调度可显著提升家庭用能体验。同时,用户侧光储充一体化用电新模式也给家庭能源管理带来新的挑战。针对供给侧光伏出力问题,提出了一种耦合改进惯性权重混沌粒子群算法和长短期记忆神经网络的ICPSO-LSTM组合预测模型,对光伏发电进行精准化预测;针对用能侧负荷多样性特点,将其划分为不可调度、可中断、可转移三类进行精细化建模,并综合考虑电动汽车短途、中途、长途个性化用能行为及反向供电模式Vehicle to Home(V2H)。在此基础上,根据不同用能偏好,将用户划分为经济型、标准型和舒适型,构建考虑用户用能成本和舒适度的多目标优化模型,并采用ICPSO算法进行求解。最后,对比分析了典型场景下家庭能源管理系统的实施效果。     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

计及经济效益的分布式电源多目标优化规划

建立了分布式电源(Distributed Generator,DG)多目标多约束的优化数学模型,以配电网有功损耗费用最小、分布式电源运行费用最小和系统有功网损最小作为目标函数,考虑功率平衡、电压越限等约束条件,采用线性加权的方式将多目标转化为单目标,并采用量子粒子群算法实现了上述目标的优化.通过对IEEE33节点系统仿真结果表明,合理优化DG的位置和容量可有效降低系统的经济费用,提高配电网的优化经济运行.     

一种离散型多目标粒子群优化算法

为获得更好的非劣前端,提出一种离散型多目标粒子群优化算法。该算法根据离散型多目标优化问题的特点,将种群分成多个子种群,在各个子种群中利用表现型共享的适应度函数选择每个子种群的最优粒子。通过多个最优粒子的引导,使整个种群分布更均匀,避免陷入局部最优,保证了解的多样性。实验表明了该算法的有效性。     

Dynamic Multi-objective Optimization of Chemical Processes Using Modified Bare- Bones MOPSO Algorithm

Dynamic multi-objective optimization is a complex and dimcult research topic of process systems engineering. In this paper. a modified multi-objective bare-bones particle swarm optimization （ MOBBPSO） algorithm is proposed tbat takes advantage of a few parameters of bare-bones algorithm. To avoid premature convergence. Gaussian mutation is introduced; and an adaptive sampling distribution strategy is also used to improve the exploratory capability. Moreover. a circular crowded sorting approach is adopted to improve the uniformity of the population distribution. Finally. by combining the algorithm with control vector parameterization. an approach is proposed to solve the dynamic optimization problems of chemical processes. It is proved that the new algorithm performs better compared with other classic multiobjective optimization algorithms through the results of solving three dynamic optimization problems.     

一种新的求解多目标问题的分组粒子群优化算法

用粒子群优化算法求解多目标问题容易陷入局部最优,为此本文提出了一种分组粒子群多目标优化算法。该算法将决策空间分成Q个子空间,每个子空间随机的分配N个粒子,这Q个粒子群分别在各自的空间进行独立搜索。为保证每个种群的搜索多样性和遍历性,用混沌序列对各组粒子位置进行初始化,同时对各组进行基于聚集距离的粒子择优进化。由典型多目标函数的优化实验结果表明,经过适当的分组,该算法能迅速逼近非劣最优解集,效果令人满意。     

Optimization of the Hydrological Model Using Multi-objective Particle Swarm Optimization Algorithm

An application of multi-objective particle swarm optimization (MOPSO) algorithm for optimization of the hydrological model (HYMOD) is presented in this paper.MOPSO algorithm is used to find n...     

基于电压稳定指标的分布式电源位置与容量优化配置

 分布式发电(Distributed Generation,DG)的电源位置和注入容量对配电网有重要影响。以配电网网损最小及电压稳定指标为目标,将DG位置和容量优化问题转化为一个多目标的非线性规划问题。构造模糊性的多目标优化算法,将2个优化子目标转化为单一目标,同时将节点电压越限和DG有功出力越限以罚函数的方式进行处理。采用惯性因子自适应的粒子群算法进行求解,为了加快求解速度,先计算节点有功网损微增率并进行排序,选出绝对值较大的节点作为DG安装候选节点。仿真结果表明,此算法收敛效率高,具有较强的搜索能力和自适应能力。