电力系统无功优化的一种新算法

本文提出了一种应用新的粒子群优化(NPSO)算法求解电力系统无功优化的新方法。给出了适合无功优化问题的具体实现方法以及应用NPSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算。并与粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与PSO算法相比,应用NPSO算法求解无功优化问题是有效的。     

带有混沌变异的双种群伪并行PSO-DE混合算法

在求解全局优化问题时,采用单个PSO、DE算法有一定的不足,为了弥补这些不足,给出一种带有混沌变异的双种群伪并行PSO-DE混合算法（MPSODE）。通过对六个标准测试函数进行测试,结果表明,该混合算法是一种鲁棒性较强、求解精度高、收敛速度快的全局优化算法。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

项目网络组织协同治理绩效影响因素分析

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机（PSO SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明：采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

基于卡尔曼滤波和改进粒子群的MPPT算法

针对常规的粒子群算法（particle swarm optimization algorithm，PSO）在应用中存在数据波动大、数据精确采集难度高和追踪速度慢等问题，课题组提出了基于卡尔曼滤波和改进粒子群优化算法的光伏最大功率点跟踪（maximum power point tracking，MPPT）控制器技术，并结合卡尔曼滤波、恒定电压和冒泡排序等方法进行优化。实验结果表明课题组提出的算法可以快速、准确地跟踪到最大功率点，提高了MPPT的响应速度和精度，提高了光伏发电的利用效率。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于随机优化算法的天然气管道运行优化研究综述

在“双碳”目标背景下,天然气管道的运行优化可以最大程度地实现降本增效减碳,因而得到了广泛且深度的关注。与确定性算法不同,随机优化算法在处理大规模管道和混合整数非线性规划问题上优于经典确定性算法。为此,对基于随机优化算法的天然气管道运行优化进行了调研。首先,介绍了天然气管道运行的数学模型;其次,采用随机优化算法求解模型最优调度结果,分别对遗传、粒子群、蚁群以及模拟退火4类算法在天然气管道运行中的应用进行了分析、对比和归纳。最后,对天然气管道运行优化的技术挑战与发展趋势进行了探讨。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

配电自动化的主动配电网多目标调度模型与方法

针对配电网中具有竞争性的优化目标,提出主动配电网多目标优化运行方法,并通过Nash议价合作模型,求得多目标优化问题的Pareto最优解。提出的优化模型包含燃气轮机、柴油发电机、储能电源的发电成本和环境成本,可调节负荷的效用成本。将提出的多目标优化模型通过Nash议价模型转换为单目标优化问题,通过常见的交替向量乘子法(ADMM)求解。此外,在Matlab中建立以实际配电网为基础的33节点主动配电网系统。仿真结果表明:所提出的模型能够得到多目标优化问题的Pareto最优解,同时能够鼓励可调节负荷吸纳可再生电源的发电量,减少环境污染成本,为配电自动化系统提供最优调度方案。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

求解约束优化问题的混沌类电磁算法

针对约束优化问题,提出了基于混沌优化的一种新的类电磁机制算法。采用多目标优化的约束处理技术,将约束优化问题转化为无约束的双目标优化模型来求解;对于转化后的新模型,设计粒子的电荷和粒子间的受力公式。同时,为了加快算法的收敛速度,结合混沌优化改进种群中的粒子。采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试,并将测试结果与已有算法的结果进行比较,结果表明,新算法能够快速找到问题的全局最优解或近似最优解,是一种非常有竞争力的优化算法。     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

软件定义网络中基于队列管理的优化流量自适应调度算法

针对当前突发大数据流在单路径调度中产生的链路拥塞问题,为了减少网络链路拥塞、提高网络性能,提出了一种基于队列管理的媒体优化流量自适应调度算法。首先,制定多策略调度策略,对于用于数据平面上的流列队使用特定选择策略的固定优先级调度,通过软件定义网络(SDN)传输媒体优化流量。然后对不同调度策略和条件下SDN中资源管理的有效性进行了全面分析,通过对单个应用资源分配问题和全网应用资源分配问题的迭代求解,得出优化问题的近似最优解。最后与传统的MPLSTE和ECMP算法进行性能对比和分析。结果表明:提出的自适应调度算法本文方法比MPLSTE和ECMP算法能够多转发约9%的流量,在平均链路利用率和平均传输时延几项性能指标上,均优于对比算法。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

源网荷储协同的主动配电网多时间尺度优化调度

针对源网荷储一体化,降低预测误差对配网调度的影响,提出一种源网荷储协同的主动配电网多时间尺度优化调度策略。首先,建立电动汽车参与调度的响应模型,并根据柔性负荷的运行特性进行分类,以适应多时间尺度。在日前时间尺度上,建立配电网运行成本最小的调度计划;日内尺度上,综合考虑经济性及增加新能源消纳量等目标,采用滚动优化思想对有较大预测误差的日前调度计划进行修正;在实时阶段,结合日内计划,建立计及出力偏差最小的微调模型。最后,利用熵权法对各目标赋权,采用Yalmip+Cplex对模型求解,验证了调度策略的经济性。     

基于混沌优化算法的连续生产过程重调度与库存优化

针对流程工业企业的订单发布和原料供应等外部环境的不确定性,建立了具有订单需求约束、生产能力约束、原料供应和成品库存约束等约束条件的连续生产过程重调度模型,运用混沌优化算法进行求解,仿真结果表明了该模型的可行性和有效性,通过重新调整各时间段内各个订单的生产率,可合理控制库存量,减少库存费用,降低企业生产成本。     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明，该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生，显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度，这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

基于进化算法的电力系统环境经济优化调度

综合考虑环境经济优化调度(Environmental Economic Dispatch,EED)是一个多目标优化问题,采用价格罚因子将环境经济双目标优化调度问题转化为单目标优化问题。考虑发电机的出力限制区,爬坡约束及备用约束,运用进化规划(Evolutionary Programming,EP)算法求解EED问题,在15机系统中采用价格罚因子EP算法求解了EED问题,结果表明所提出的方法的有效性。