免疫粒子群优化在波阻抗反演中的应用

针对标准粒子群优化(PSO)算法易出现早熟而陷入局部最优以及进化后期收敛速度慢等缺陷,引入免疫系统的免疫记忆和抗体浓度选择机制,构造了基于免疫机制的粒子群优化(IPSO)算法,并将其应用到波阻抗反演问题中。免疫记忆能够保留高适应度个体,抗体浓度选择机制进一步保证了粒子的多样性,从而能较好地避免早熟收敛,提高算法的全局搜索能力。对理论模型试算表明,IPSO算法在进行波阻抗反演时不仅收敛速度快,而且具有较高的精确度和抗噪性能。     

参数完全不确定系统在未知输入下的损伤识别

由于各种因素的影响,实际结构系统与计算模型有着不小的差异。本文针对结构系统参数及基底输入完全未知情况下的损伤识别问题,构造了与质量无关的结构规格化刚度参数和阻尼参数,提出了关于结构规格化参数和层间质量比的非线性最小二乘迭代优化识别方法,并给出了用规格化参数进行识别损伤和地震动反演的公式。算例表明本方法是有效的。     

含分布式电源的配电网络重构

配电网络重构是一个复杂、非线性的组合优化问题。在考虑分布式电源的情况下,以网络损耗最小和电压节点偏差最小为优化目标,建立了一个多目标的配电网络重构数学模型。针对二进制粒子群优化(Binary particle swarm optimization,BPSO)算法容易陷入局部极值点、发生早熟等缺点,提出混沌二进制粒子群混合优化算法(CBPSO),引入混沌理论(Choas theory)对二进制粒子群优化算法的惯性权重进行调整。IEEE33 节点测试系统的算例表明,该算法较BPSO 算法具有较强的全局收敛性能,能够有效地解决计及 DG 出力的配网络重构优化问题,提高了电能质量和系统运行的经济性。     

基于改进布谷鸟算法的分布式电源优化配置

针对布谷鸟搜索算法在处理多目标优化问题上的不足,基于混沌映射、非支配排序等多目标优化策略,提出一种改进的多目标布谷鸟搜索(improved muti-objective cuckoo search,IMOCS)算法,对分布式电源多目标优化配置问题进行求解。为增加初始种群的多样性,利用logistic混沌映射产生初始解;自适应改变搜索步长,以提高算法的寻优能力和收敛速度。仿真结果表明:IMOCS算法寻优能力强,收敛速度快,能够有效求解分布式电源的多目标优化配置问题。     

基于细菌群体趋药性算法的暂态稳定预防控制

针对电力系统安全运行中的暂态稳定性预防控制问题,以预防控制中的总调整费用最小为目标函数,建立了预防控制数学模型。将一种新型的群体智能优化算法—细菌群体趋药性算法应用于该模型的优化求解。该算法通过优化参数,加快了收敛速度,解决了暂态稳定预防控制中鲁棒性和快速性问题。仿真结果表明:该方法符合 IEEE 39 节点测试系统的要求,估计精度能够满足实际工程需要。     

生命线工程网络抗震拓扑优化研究

介绍了基于连通可靠度分析的生命线工程网络和基于功能可靠度分析的供水管网抗震拓扑优化分析方法。以管网造价为优化目标,管网拓扑结构为优化参数,抗震连通可靠度为约束,建立了基于连通可靠度分析的生命线工程网络抗震拓扑优化模型。对于这样一个组合优化问题,采用现代优化算法-遗传算法来进行求解可以获得造价低且满足管网抗震可靠度要求的最优网络。改用抗震功能可靠度为约束,可以建立基于功能可靠度分析的供水管网的抗震拓扑优化模型,这一问题可以采用模拟退火算法来进行求解,实例分析表明模拟退火算法具有很好的效果。最后,利用模拟退火算法,对四川省都江堰市、绵竹市和德阳市供水管网进行了抗震拓扑优化改造分析,给出了三个城市供水管网的恢复重建方案。     

基于功率法的结构⁃TMD减震控制分析∗

建立了结构-TMD振动方程,推导了无控结构和带TMD受控结构基于功率表达的运动方程,分别解释并给出了各种功率表达参数的物理意义,推导了随机激励下结构耗能功率流均值的随机表达式,对比分析了基于功率法的结构-TMD优化方法与其他优化方法的优化分析结果,并对其减震控制效果进行了对比分析。结果表明,结构-TMD系统的参数可以通过耗能功率流随机分析方法所得均值进行优化,且通过功率法优化后,结构在减震效果上优于其他传统方法得到的结果,从耗能功率均值的随机分析和时程功率分析角度证明了TMD控制的有效性;TMD做功功率为负时对结构有控制效果,起吸收转移能量的作用,且功率幅值越大控制效果越好,做功功率为正时则相反。     

MPSO-BP模型在矿井突水水源判别中的应用

突水水源判别是矿井防治水工作的重要环节。为准确有效地判别矿井突水水源,选取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46种离子作为判别突水来源的依据。对粒子群的惯性权重、两个学习因子进行非线性和线性改进,并引入变异算子对粒子的飞行速度进行改进,提高了标准粒子群(SPSO)算法的性能,确保了粒子群在进化过程中的多样性。运用改进的粒子群(MPSO)算法优化BP神经网络的初始权值与阈值,以某矿的20组水源样本作为训练样本进行学习与训练,并用建立好的MPSO-BP突水水源判别模型对6组待测样本进行判别,并对适应度进化曲线和判别结果进行详细的分析与推理。应用结果表明:相比于SPSO算法,MPSO算法在优化BP神经网络过程中具有全局搜索能力更强、收敛速度更快、精度更高的优点,能够有效克服SPSO算法易早熟收敛的缺点;MPSO-BP模型应用于矿井突水水源的判别具有可行性,其判别结果的精度及稳定性明显优于BP模型和SPSO-BP模型,其具有判别泛化性更强的特点。因此,该方法在判别矿井突水水源方面具有一定的实用价值与开发潜力。     

一种基于BP网络和粒子群算法的拱坝可靠度分析方法

为了进行极限状态方程不明确的大型结构可靠度分析,提出了结合神经网络和粒子群优化计算拱坝可靠度的算法。确定性力学分析采用ANSYS软件,利用BP神经网络来模拟高度非线性映射关系的功能函数,基于罚函数和粒子群优化法进行可靠指标计算。综合C语言、ANSYS的APDL二次开发以及MATLAB混合编程技术,编制了该算法的可靠度分析程序。算例表明,该方法适应于隐式功能函数的复杂结构可靠度分析。     

基于H_∞范数的调液阻尼器在减震控制中的参数优化

基于H∞范数,提出了偏心结构利用调液阻尼器减震控制的一种新的优化设计方法。该方法将优化目标取为从地震动到结构响应的传递函数的H∞范数,利用调液柱型阻尼器(Tuned Liquid Column Dampers,简称TLCD)和环形调液阻尼器(Circular Tuned Liquid Column Dampers,简称CTLCD)来控制偏心结构在多维地震作用下的扭转耦联振动,采用遗传算法来对阻尼器的相关参数进行优化。这种优化方法无需求解结构运动方程,所得到的阻尼器最优参数也不依赖于特定的地震动。用一个12层的偏心结构作为算例进行优化计算,结果表明,利用本文提出的优化方法所得到的阻尼器最优参数,在不同场地条件下,对偏心结构的扭转耦联振动均具有明显的减震效果。     

基于PSO-AHP的大坝致灾因子权重计算

提出了一种基于改进粒子群优化-层次分析法(SELPSO-AHP)的致灾因子权重计算模型,该模型依据大坝现场检测、原型监测和安全定期检查等成果,由层次分析法构建大坝风险分析的层次结构体系。为保证判断矩阵的一致性,引入改进粒子群算法和罚函数法用于层次分析法的权值计算,取得了比遗传算法更精确、更稳定的结果。将所建立的模型用于某混凝土重力坝的运行风险分析,得到了影响该坝运行风险的主要因素,为保障大坝安全提供了依据。     

改进的粒子群算法及其在土坡临界滑动面搜索中的应用

首先,提出了一种新型的模拟任意滑动面的方法,该法能自动产生运动许可的滑动面。同时,针对基本粒子群优化算法存在计算量大的缺点,提出了一种改进的,即不连续飞行粒子群优化算法。利用Spencer法计算滑动面的安全系数,对几个复杂土坡的最小安全系数及其对应的滑动面进行了分析,并与国内外已有结果进行了比较,证明了改进粒子群优化算法和模拟滑动面的新方法是合理、有效的,可用于复杂优化问题的研究。     

基于微粒群算法的供水管网抗震优化设计

以管网年费用折算值为优化目标、管网拓扑结构与管径为优化参数、管网节点最低可靠度为约束条件,建立了供水管网抗震优化设计模型。利用微粒群算法对这一模型进行了求解,该算法以管网作为微粒个体,通过不断地更新微粒的位置来搜索最优的管网结构,直到最后给出优化的管网结构。利用上述方法对一典型供水管网进行了抗震优化设计分析,给出了3种不同节点最低可靠度约束条件下的优化改造方案。     

含多种分布式电源的微电网经济调度

针对含多种分布式电源的微电网经济调度问题,以微电网各机组的出力和蓄电池、电动汽车的电量为约束条件,考虑微电网中设备的投资费用、运行维护费用、燃料消耗费用和能量交易费用,以微电网在一个完整的调度周期的总运行费用最小为目标函数,建立微电网经济调度模型,采用粒子群优化算法对燃气轮机的每小时输出功率进行优化。仿真结果表明:该模型能有效降低微电网的运行成本,其粒子群优化算法与其他算法相比具有简单、易实现、精度高等优点。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization, ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。     

输入未知情况下结构复合反演的两步法

研究了输入未知条件下的参数识别问题。针对剪切型结构,提出了其在一类特殊未知载荷下的复合反演算法,此方法假设结构各层上的未知输入之间成比例关系,在不知道这些比例关系的情况下,分两步进行复合反演:第一步,假设某一层上的未知输入为基本未知输入,利用子结构技术,采用遗传算法识别子结构参数和子结构上未知输入之间的比例关系,进而求出基本未知输入;第二步,在基本未知输入已知的情况下,通过最小二乘算法识别其余各层的未知参数和其余各层上未知输入与基本未知输入之间的比例关系。此方法在类似风荷载作用未知情况下的复合反演中具有重要意义,最后用剪切型数值算例验证了算法的合理性。     

获得固定输电权的风电公司日运行优化的研究

风电为平衡自身波动性需与储能装置联合运行,基于风蓄联合发电公司在电力市场环境下获得固定输电权的前提下进行分析,建立了以日运行收益最大化为目标的含风电场、抽水蓄能电站、常规火电厂和系统负荷的简单电力系统模型。考虑峰谷电价、功率平衡、风电场的运行约束和抽水蓄能电站的运行约束的情况下,应用在标准粒子群算法基础.上进行改进的粒子群算法迭代寻优,最后求得最优解。仿真结果表明所提出的模型及求解方法能够计算风蓄联合发电公司的最优日收益,实现收益的最大化。