简介:摘要本文对多目标粒子群算法的原理和数学模型做了基础记述,然后对多目标粒子群算法做了仿真测试,并使用加速因子对其线性变化进行了优化,这不仅保证了粒子群算法初步搜索时能在比较大的范围内迅速找到自身最优位置(pbest),而且利用加速因子的权重变比变化促使后期粒子群进行严格的局部搜索以便于去找到gbest位置也就是全局最优位置,使其集中向Pareto最优前沿聚集。使得在仿真结果中使用拥挤距离删除后得到的图形的最优前沿更加均匀平滑。最后利用前面所介绍的粒子群算法去解决环境经济调度优化问题,介绍环境经济调度原理以及其数学模型,在其多个不等式和等式约束下做了仿真测试,得到的数据与文献做了详细对比,表明粒子群算法在解决环境经济调度的问题中具有很大的可行性和有效性。
简介:摘要:根据双电机+两档变速箱系统结构特点,定义4种驱动模式并建立动力学及系统效率模型。采用粒子群优化算法获得最优转矩分配策略。仿真表明控制策略有效,符合设计预期。
简介:摘要大规模电动汽车用户的无序充电行为会对电网造成“峰上加峰”等影响,因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度。电动汽车的储能特性,使其可以通过充电站/桩较好地与电网侧进行能量交互,实现V2G调度。根据V2G的特点以充电站各时刻的电动汽车充放电功率为控制对象,建立了以日负荷曲线峰谷差为目标函数的多维、非线性数学模型,并采用粒子群算法求解,得到电动汽车日前优化调度计划。针对电力系统调度问题的应用,本文进一步建立以峰谷差为目标的外层控制模型,并以上述V2G模型作内层优化。应用某典型小区日负荷曲线进行算例仿真,验证了算法的有效性,比较了不同电动汽车数对负荷曲线的影响。结果表明,电动汽车充电调度策略模型,能够有效地降低电网峰谷差,达到平稳负荷波动的效果;且以峰谷差为目标的双层控制模型,能够较好的跟踪不同目标下所需要的可控车辆数,验证了模型有效性。
简介:摘要:统一场《应用量子物理学》[1][2](Applied Quantum Physics),由经典理论循序渐进,历时48年从零构建量子物理学基础理论[3],以六项重大科学发现[9]带动的多级发现,驱动人类自然&社会科学统一场>百万项发明创新,量子算法是数学&物理学重大科学发现、是学术核心
简介:本文在ANSYS仿真计算环境下建立了配电变压器典型油纸绝缘系统模型,施加回复电压测量过程中的电压波形,分析了其在关键时间点的电场分布特征。应用集总电路分析了回复电压的产生原理,通过理论公式解析了多参数扩展德拜模型,并在Matlab/Simulink平台上将德拜参数模型推广至多支路集总参数电路。提出Simulink—PSO联合算法实现了德拜参数的非线性拟合,定量分析了集总参数对极化谱的影响规律。研究表明:场一路模拟分析发现回复电压测量中存在暂态变化过程,且油纸复合绝缘界面处电荷迁移是状态参量存在暂态过程的主要原因,为油浸式配电变压器绝缘状态监测提供了一定的理论指导。
简介:摘要:本文针对传感器位置优化在提升信号采集和结构监测质量中的关键作用,提出了一种融合粒子群算法与萤火虫算法的改进混合优化策略,旨在加快收敛速度并避免局部最优。基于预制墙板有限元模态分析得到的结构模态信息,构建适应度函数以解决传感器位置优化布置问题。通过对比分析,验证了该改进算法的优越性能,并成功确定了预制墙板结构传感器的最佳布置位置。