多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

基于复合微粒群算法的非线性系统模型参数估计

在系统辨识理论的实际应用中根据不同的对象和建模的不同目的去选择合适的辨识算法是一件不容易的事。针对非线性系统模型的多样性,提出了适应于多种不同模型的基于复合微粒群优化算法(HPSO)的系统参数估计方法,并对多种模型实例进行了仿真研究。实验结果表明,该算法是一种有效的系统模型参数估计方法。     

端电压模糊估算动力电池SOC的新方法

以单体动力电池为研究对象,为解决动力电池动态剩余容量估算的难题,提出了一种新的动力电池剩余容量在线估算方法.该方法通过将处于工作状态下的电池周期性外接一恒定电流负载,测得一系列电池端电压,并利用恒定电流放电下端电压与剩余时间的关系推算动力电池的剩余容量.为减轻在线测量的计算工作量,提高计算速度,采用模糊逻辑中离线计算和在线查表控制方法组成双输入单输出控制系统.Matlab/Simulink仿真研究与误差分析结果表明该估算误差小于1%.     

基于椭圆轨道模型的风电功率超短期预测

随着风电装机容量的持续增长,风力发电的间歇性和随机性对电网造成的不利影响越来越明显.因此,有效的风电功率预测是解决大规模风电并网的关键问题之一.文章提出一种椭圆轨道模型对风电功率进行超短期预测.首先,采用去趋势波动分析法对样本数据进行平滑处理,解决风电功率数据突变的问题;然后,应用椭圆轨道模型对风电功率进行超短期预测.采用湖南某风电厂实际运行的4组数据进行验证,实验结果表明：椭圆轨道模型的预测误差在可接受范围之内,为超短期风电功率预测提供了一种有效方法.     

复合最优模型微粒群优化算法研究及应用

针对微粒群算法全局最优(Gbest)模型收敛速度快、局部搜索能力强、鲁棒性差,局部最优(Lbest)模型全局搜索能力强、鲁棒性好、收敛速度慢的特点,提出了一种结合全局最优和局部最优两基本模型特点的复合最优模型微粒群优化算法。用4个Benchmarks函数进行了测试,实验结果表明,与微粒群算法的两种基本模型相比,该复合模型算法能有效提高算法的收敛速度及全局搜索能力。最后将算法应用于一个非线性系统模型的辨识,辨识结果验证了该算法的有效性。     

基于微粒群算法的Buck-Boost矩阵变换器主电路参数优化

鉴于Buck-Boost矩阵变换器输出电压波形的谐波失真度与其主电路参数直接相关,为此采用微粒群算法对其主电路参数进行优化.文中介绍了微粒群算法的基本原理,阐述了采用微粒群算法对BBMC主电路参数进行优化的具体设计方法,并利用Matlab/Simulink对其优化效果进行了仿真验证.结果表明,利用微粒群优化算法获得的主电路参数较传统计算方法获得的主电路参数其输出电压波形的谐波失真度更小,因而具有一定的应用价值.     

非线性扰动的关联时滞大系统分散鲁棒H∞控制

采用状态反馈方法,着重讨论一类具有非线性扰动的关联时滞大系统的分散稳定化设计。利用H∞理论方法和实对称矩阵性质,导出了具有非线性扰动和关联时滞的大系统可分散状态反馈镇定的充分条件。借助于LMI方法,获得了具有较小增益的状态反馈控制率。结论推广了现有文献的研究结果。数值实例说明了方法的有效性。     

基于改进遗传算法的四向穿梭车系统订单排序优化

四向穿梭车系统进行批量出库作业时,系统出库订单的执行顺序不同,四向穿梭车与提升机之间的交互作业时长将会不同,进而影响系统的出库作业时间.根据四向穿梭车系统批量出库的作业流程,以批量订单出库顺序为变量,系统出库时间为目标函数,建立了一种系统订单排序优化模型;针对这个模型的特点,采用改进的遗传算法进行求解,进而得出系统的最...     

含风电电力系统动态经济调度的差分纵横交叉优化

由于风电具有随机性和波动性的特点，大规模风电并网使得电力系统经济调度更加复杂。结合参数自适应差分算法（ADE ）和纵横交叉优化算法（CSO ）各自的优点，提出一种自适应差分纵横交叉（ADE-CSO ）混合智能优化算法。为了满足负荷平衡等式约束和机组功率爬坡约束，提出一种启发式约束处理方法。在接入风电的5 机系统上对ADE-CSO 算法进行仿真，并与4 种其他智能优化算法进行比较。实验结果表明，提出的算法具有良好的优化性能和全局收敛性能，是一种求解含风电场电力系统动态经济调度的有效方法。