灾时应急运输车辆调度模型及算法研究

在归纳一般的物流系统车辆调度模型的基础上,针对灾害时期车辆调度紧迫性的特点建立了紧急情况下的带时间窗约束的车辆应急调度模型。该模型考虑了最少用车量和最快完成任务两种调度目标。针对车辆调度模型用常规解法求解困难的情况,讨论了提高求解效率并适合于计算机程序实现的启发式求解方法,提出了两种基于C-W节约算法的启发式算法,并结合具体案例进行了分析。实例研究表明两种算法均可取得满意的结果。     

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。     

基于改进差分进化算法优化极限学习机的短期负荷预测

负荷预测的精度直接关系到电网的供需平衡,影响着电网运营成本。针对传统预测方法精度不高的缺点,提出了一种改进的差分进化算法优化极限学习机的预测模型。由于极限学习机的输入权值和隐含层偏置对预测精度有很大影响,因而利用改进差分进化算法对极限学习机参数进行优化,提高了极限学习机的泛化能力和预测精度。研究结果表明:改进差分进化算法优化极限学习机对短期负荷预测精度有较高提升。     

蚁群算法在马斯京根模型参数估计中的应用

蚁群算法是一种模拟进化算法,该算法具有许多优越的性质.研究了一种可用于求解连续空间优化问题的蚁群算法策略,针对洪水演算的马斯京根模型参数估计问题,应用连续性空间优化问题的蚁群算法模型进行了求解.应用实例表明,蚁群算法在求解连续空间优化问题中是很有效的,可以广泛应用于各种自然灾害模型的优化问题.     

基于混沌多目标遗传算法的分布式电源规划

针对多目标遗传算法(multi-objective genetic algorithm,MGA)在解决分布式电源(dis-tributed generation,DG)优化问题上存在的不足,加入混沌变量、虛拟适应度、精英保留策略等方法进行多目标改进,提出一种改进混沌多目标遗传算法(improved chaotic optimization multi-ob-jective genetic algorithm,ICMGA),并依据种群进化状态自适应调整搜索精度,提高了算法搜索效率和收敛速度。结果表明:与NSGA_II算法相比,ICMGA算法不但寻优能力更强,收敛速度快,还具有良好的经济性。能够为分布式电源优化问题提供优良的解决方案。     

电力供应系统地震安全性优化控制研究

在深入研究电力供应系统潮流分布特性、发电机出力和成本曲线特性、电力系统地震安全性分析与控制的基础上,将安全约束最优化控制算法运用于电力供应系统地震安全性控制中。通过对算法的网络线性分析模型、发电机出力约束条件、线路潮流约束条件和目标函数的深入研究,得出该算法的实施过程;而后,结合供电系统潮流分析的快速解耦法、安全性分析的灵敏度安全性分析法和本文的安全约束最优化控制算法,编写了相应的Fortran和Matlab计算程序,该程序能在较短的时间内计算出调度控制措施和调度费用;最后,通过一个实际算例的分析与计算,验证了该算法的实用性和优越性。本文工作可为震后供电系统功能快速恢复,减少供电系统经济损失,使系统功能得到最大发挥提供理论分析依据,具有很大的现实意义。     

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。     

地下水渗流参数反演的微分进化算法

以非均质、各向同性含点源非稳定流定解问题为数学模型,利用有限元法对该模型进行了数值求解,并给出了求解该模型的具体过程。在此基础上,介绍了地下水参数反演方法的发展史和参数反演问题的微分进化算法。为了说明微分进化算法对反演的有效性,考虑了一个含点源方程非稳定流定解问题,并对其进行了数值模拟。结果表明,所提算法可以进行复杂的地下水参数反演求解,且具有程序实现简单、反演精度高的特点,值得在实际中应用。     

考虑震后道路抢修的多目标应急调度模型∗

为保证救援物资及时、合理地配送至受灾区,将道路抢修情况纳入应急调度优化问题中,引出可变路网结构的概念,基于此情形,考虑受损路段抢修及抢修时间,对车辆运输时间进行修正;以平均车辆运输时间和系统物资未满足度最小化为目标,建立基于灾害抢修的应急调度优化模型;结合改进的最短路Dijkstra算法,设计第二代非支配排序遗传算法（NSGA?II）进行求解。最后以“九寨沟地震”作为算例,与传统模型方案进行比较,验证模型和算法的有效性,为决策者制定应急调度方案和实施提供依据和支持。     

洪涝灾害后医务应急护理远程指挥系统设计

为了提升应急指挥系统的应急响应能力,结合现代化信息技术研究并设计了一种洪涝灾害后医务应急护理远程指挥系统,科学预测以及评估突发性洪涝灾害事件的危险性。运用应急决策处理逻辑和多个信息子系统的联动,全方位监控重点目标灾情,获取可靠的洪涝灾害预警预报信息。根据应急护理状态信息以及应急医务资源配置信息,形成动态的事故处理预案以及医务应急资源调度方案,并组建洪涝灾害后医务应急调度模型,运用遗传算法对模型进行求解,实现洪涝灾害后医务应急资源的调度。     

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。     

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。     

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。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

钢桁架-钢筋混凝土管柱结构风致响应试验研究

大跨长悬挑钢-混凝土高柔结构的动力性状决定了其风振系数不能采用我国规范中的方法来计算。制作气弹性模型进行了动力性状、脉动风作用下位移响应、加速度响应、扭转响应、气动力稳定性等问题的相关试验,计算得到了风振系数,分析了风速、风向角、风机、周围建筑物等因素对风振系数的影响,给出了风振系数的建议值。将试验结果与其他方法计算的结果进行了对比分析,结果表明,试验结果偏大,符合风洞试验原理。研究结果为工程设计提供了基础资料,可供同类工程参考。     

基于奇异谱分析和极限学习机的风速多步预测

风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。     

基于互补理论的电力系统机组组合优化

针对同时具有离散和连续变量,非线性等特点的火电机组组合问题,在分析一般机组组合优化数学模型的基础上,尝试用连续化的方法建立连续变量和离散变量之间的关系,利用互补约束和最优化极值理论,构建了电力系统机组组合的互补约束优化模型。采用光滑NCP函数对建立的互补约束优化模型进行光滑处理,将其转化为一般的非线性规划问题,并用原对偶内点法进行求解。仿真结果表明:所提算法能有效处理含离散和连续变量的混合优化问题,具有很好的实际应用前景。     

Shapiro台风风场模型及其数值模拟

我国东南沿海是世界上台风最集中的地区之一,也是我国经济最发达和财富最集中的地区,台风引起的灾害损失巨大.数值模拟方法是目前进行台风危险性分析和估算极值风速普遍采用的方法,已有较多风场模型应用于台风区的极值风速估算,Shapiro风场模型是其中之一.首先介绍了Shapiro台风风场模型,然后采用有限差分法求解描述该风场模型的非线性偏微分方程组,利用两个实测台风的风速记录对该模型进行了验证,对该风场模型在我国东南沿海地区的应用做了初步尝试.     

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。