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。     

基于重力加载比例法的岩质边坡稳定性分析

根据岩质边坡的稳定性主要由边坡内部的结构面所控制的特点,采用有限元重力加载比例法对含有一组平行节理面和含两组节理面的岩质边坡进行数值模拟,分析表明:与强度折减法相比,采用有限元重力加载比例法能更加快速地计算出岩质边坡的安全系数,节省计算耗时和人工干预的工作量,并能通过塑性应变的发展分析其破坏过程,确定潜在的滑动面。     

基于人工蜂群算法的边坡最危险滑动面搜索

将用于连续数值优化问题的人工蜂群算法引入边坡稳定分析临界滑动面搜索领域.该方法模拟了蜂群的群体协作采蜜过程,具有自适应收敛的特点,克服了传统方法容易陷入局部最优的缺点,是一种全局优化算法.为进一步改善其在复杂边坡搜索中的效果,将Hooke-Jeeves模式搜索操作引入人工蜂群算法,提出一种用于边坡临界滑动面搜索的模式搜...     

基于单纯形-混沌优化算法的边坡稳定性分析

利用混沌现象固有的内在结构进行寻优搜索,为土质边坡的稳定性分析提供了一个新思路。将混沌优化算法的全局搜索能力和单纯形法的局部搜索能力结合起来形成单纯形-混沌优化算法,结合简化Bishop法对边坡进行稳定性分析。单纯形-混沌优化算法搜索到的是全局最优解。通过与遗传算法、改进的模拟退火算法的计算结果对比,表明在保证安全系数一定精度的情况下,单纯形-混沌优化算法搜索到的是最危险滑动面。可见,单纯形-混沌优化算法具有较强的全局搜索能力,结果更可靠。     

加筋土边坡临界滑动场

在分析加筋土边坡稳定性时,将加筋材料的作用视为施加于滑面上的等效力,建立了满足力平衡的加筋土边坡安全系数的计算格式;将边坡临界滑动场数值模拟方法进行推广,提出了基于力平衡的加筋土边坡临界滑动场计算方法,可以得到形状任意的临界滑动面及边坡最小安全系数。通过算例,比较加筋前后临界滑动面和安全系数的变化,并探讨了加筋水平间距、强度、长度对加筋土边坡稳定性的影响。     

基于粒子群优化算法的边坡临界滑动面搜索方法

采用数值计算结果进行极限平衡分析是边坡稳定性分析的重要方法,最危险滑移面位置的确定是边坡稳定性分析的关键。采用粒子群优化理论控制位于滑移面后缘范围的滑入点和前缘剪出区域的滑出点,以均分逼近法控制滑面半径,实现了边坡内潜在滑移面位置的搜索及安全系数的计算,进而确定了边坡的最小安全系数及最危险潜在滑移面位置,搜索出的滑面不依赖于网格节点。以昆明某公路滑坡为例,将搜索出的最危险滑面与现场勘察成果进行对比,结果表明,采用本文方法计算所得的结果与工程实际较为吻合,证明了该方法的有效性。     

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。     

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。     

梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础.上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。     

土质边坡稳定性分析向心条分法

根据极限平衡法基本假定和圆弧滑动机理,使用条分法中的径向条分模式,将滑动土体径向条分,结合径向条分特点对土条进行受力分析,求得一种新的土质边坡稳定安全系数迭代计算公式,最终得到新的边坡稳定性分析与计算方法——向心条分法。算例分析表明:向心条分法边坡稳定安全系数计算公式迭代收敛稳定快速,计算结果以及最危险滑动面与以往研究成果非常接近,可证明向心条分法的正确性;同时,分析了条间法向力作用位置对计算结果的影响,证明了条间法向力作用位置为土条侧边的下三分点处这一假定条件的合理性。     

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。     

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。     

量子粒子群优化算法在结构参数识别中的应用

系统识别问题可以转化成一高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和较大误差的缺陷,提出将量子粒子群优化算法(QPSO)应用于结构参数识别。QPSO具有参数少、编程简单、易实现、收敛速度快、可以避免早熟收敛、能够迅速在全局找到最优解的特点。本文在测量数据不完备且含噪声污染,参数质量、刚度和阻尼等信息缺乏的情况下,通过数值模拟以及在真实结构参数识别中的应用,验证了QPSO的有效性。     

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。     

大型风电场内机组的有功功率优化方法研究

为充分利用风能、提高风能利用率,改善风电场的功率输出特性,基于风速和功率的超短期提前一步预测,建立多目标的风力发电机组功率优化模型,对风电场输出的有功功率优化,并采用粒子群优化算法对优化模型进行求解和仿真分析,仿真结果表明:该优化方法使风电场整体输出功率得以提高,同时也减小了风电场的运行成本。     

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。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。