【摘 要】
：
针对粒子群优化算法种群多样性不足、易陷入局部寻优的问题,提出一种基于改进多目标骨干粒子群优化算法(improved bare-bones multi-objective particle swarm optimization,IBBMOPSO)的电力系统环境经济调度的求解方法.IBBMOPSO采用一种搜索权重非线性递减策略改进骨干粒子群的位置更新模式,并在不同搜索阶段对最差粒子设计不同的位置更新策略,以平衡算法的全局搜索能力和局部搜索能力.IBBMOPSO根据粒子拥挤距离选择全局最优解,采用距离评价指标选
【机 构】
：
贵州大学电气工程学院,贵阳550025;贵州电网有限责任公司电力调度控制中心,贵阳550002
论文部分内容阅读
针对粒子群优化算法种群多样性不足、易陷入局部寻优的问题,提出一种基于改进多目标骨干粒子群优化算法(improved bare-bones multi-objective particle swarm optimization,IBBMOPSO)的电力系统环境经济调度的求解方法.IBBMOPSO采用一种搜索权重非线性递减策略改进骨干粒子群的位置更新模式,并在不同搜索阶段对最差粒子设计不同的位置更新策略,以平衡算法的全局搜索能力和局部搜索能力.IBBMOPSO根据粒子拥挤距离选择全局最优解,采用距离评价指标选择折衷最优解.最后对6机IEEE 30节点的标准测试系统进行仿真计算,并与其他算法进行对比分析,结果显示IBBMOPSO在解决电力系统环境经济调度问题上优于其他算法,具有良好的可行性和有效性.
其他文献
对于装配序列规划问题,现有算法大多聚焦于单一的目标构型.对于多目标构型以及大规模问题,现有算法往往存在维数灾难及泛化能力差等问题.为此,利用装配序列规划问题分层结构的特点,提出一种基于分层强化学习的适用于多构型装配任务的通用装配序列规划方法.首先,将装配序列规划问题构建为一个分层的马尔科夫决策过程,其中,上层进行序列规划,下层进行零件的动作规划,符合装配过程层次化的结构,使规划方法更具灵活性,且可解释性更强;其次,针对分层马尔科夫决策过程,提出一种基于分层强化学习的通用装配序列规划算法,提高规划方法对多种
异构无人机集群凭借其功能互补、能力协同的优势,能够适应复杂多变的战场环境、提升协同作战效能,而受到各军事强国的广泛关注并得到飞速发展.如何对异构无人机集群进行有效编组以达到良好的协同作战效果成为异构无人机集群“分布式”协同研究的重点,由此引出异构无人机集群“分布式”协同中针对异构无人机编组结构稳定性和能力协同性的优化问题.面向该问题,提出一种基于双层稳定匹配的异构无人机集群“分布式”协同算法.首先,对异构无人机集群“分布式”协同作战方式及匹配问题进行描述;然后,通过基于异构无人机之间的能力协同性构建偏好计
针对扑翼飞行器机动性能弱的问题,提出一种在未知环境下示教学习辅助的强化学习局部路径规划算法(IL-PPO2).首先,基于扑翼飞行器的受限视角的双目感知系统,提出一种心形避障算法,降低避障时对扑翼飞行器控制精度的要求,提高避障鲁棒性;其次,根据心形避障算法的特性,提出一种U型障碍的避障策略;最后,提出一种示教学习辅助的强化学习局部路径规划算法,将心形避障算法与局部路径规划算法相结合,实现扑翼飞行器的局部路径规划.仿真结果表明:与TD3fD强化学习算法相比,IL-PPO2算法能够缩短模型训练时间,路径规划效率
针对人工蜂群算法中探索与开采的不平衡以及由此导致的求解精度低、收敛速度慢等问题,提出一种基于刺激-响应分工机制的人工蜂群算法.将探索和开采看成两种不同的搜索任务,令蜜蜂在雇佣蜂阶段执行探索,在跟随蜂阶段执行开采.根据种群多样性设计搜索任务的环境刺激,利用搜索成功率设计蜜蜂个体的响应阈值.在刺激-响应分工机制下,蜜蜂在雇佣蜂和跟随蜂之间灵活转换,从而实现探索和开采的平衡.采用22个基准函数进行仿真实验,实验结果验证了所提出算法的有效性.
在复杂多变的矿山开采环境下,计划难以执行等问题较为突出,如计划方案不可行、工序流程欠合理,且突发事件频繁,该问题已成为长期以来矿山企业面临的关键困难之一.为此,提出“先时变计算实验再精准过程执行”的智能开采新范式.首先,根据基本需求初始化生产计划方案;其次,对计划方案进行时变计算实验,即借助多代理方法构建基于计算机的人工系统,利用各简单代理自主推演和互动涌现进行计算实验或试验,评估方案的合理性和可靠性,预测生产现场人员、设备、环境的属性状态和整体系统的经济、空间及安全状态,根据实验结果调整方案后再次实验,
研究有向通信图下非线性多智能体系统的一致控制问题.首先,通过引入性能函数,使输出误差满足预定性能;其次,采用障碍Lyapunov函数,保证所有状态满足约束条件,结合李雅普诺夫-克拉索夫斯基(Lyapunov-Krasovskii,LK)泛函和杨氏不等式消除状态时延的影响,利用径向基函数神经网络(radial basis function neural networks,RBF NNs)逼近未知非线性函数;再次,设计自适应事件触发控制器,实现所有智能体的输出一致性,并基于Lyapunov稳定性理论证明闭环系
针对机械臂控制过程中由于扰动与输入饱和造成的控制精度低的问题,提出一种连续非奇异快速终端滑模控制算法.首先,针对输入饱和问题,设计饱和补偿系统以消除输入饱和特性;其次,为避免滑模控制的抖振问题,设计二阶模型不确定与扰动估计器(UDE)对扰动项进行估计;同时,为进一步提高控制精度,采用自适应方法对扰动估计误差进行控制;在此基础上,设计基于二阶模型不确定与扰动估计器及输入饱和补偿的自适应连续非奇异快速终端滑模控制算法,并采用Lyapunov函数证明该算法的有限时间收敛特性;最后,以3自由度并联机械臂为控制对象
当前,智能制造面临的许多问题都具有不确定性和复杂性,单纯地利用专家经验和机理模型难以有效解决.鉴于此,面向跨层跨域的复杂制造系统网络化协同控制机制,提出一种基于本体的人机物三元数据融合方法,研究复杂制造环境下的人机物三元数据融合建模.在抽取三元组时,区别于传统的流水线式抽取方式,提出一种基于实体-关系联合抽取的模型ErBERT.该模型首先经过预训练模型BERT进行词序列化,经过最大池化、全连接和Softmax等操作后,完成实体识别和关系分类任务,得到抽取完毕的人机物三元组.将抽取好的三元组按照规则映射至O
针对一类含有非匹配状态相关不确定性和外界干扰的伺服系统,提出一种基于降阶扩张状态观测器的重复控制方法,通过对不确定性和扰动进行实时估计和主动补偿,实现对周期性参考输入信号的高精度跟踪.首先,利用系统可测输出和控制输入信号设计降阶扩张状态观测器,对系统的不可测状态以及包含不确定性和外界干扰的总扰动进行估计;其次,通过选择合适的扰动补偿增益,构造基于扰动动态补偿的复合重复控制规律,消除总扰动对系统输出的影响,保证系统输出对周期性参考信号的准确跟踪;然后,基于小增益定理推导出系统稳定性条件和控制器参数设计算法;
研究有向切换拓扑下线性多智能体系统的事件触发一致跟踪问题.大多数已有的工作研究了固定拓扑下的事件触发控制,然而,当智能体间联系随时间发生改变或通信拓扑随时间发生变化时,该控制策略失效.鉴于此,在考虑切换拓扑的基础上提出一种基于积分型事件触发的控制策略.首先,当拓扑图包含一棵生成树且领导者是根节点时,利用Lyapunov稳定性理论、代数图论和矩阵变换,基于积分型事件触发控制协议,在切换拓扑下多智能体系统达到领导跟随一致性;然后,当存在多个领导者时,基于设计的触发机制在切换拓扑下多智能体系统实现包含控制,上述