考虑源-荷波动的电力系统灵活性运行域研究

为了评估电力系统应对和响应不确定因素的能力，以系统的源-荷波动作为研究对象，提出电力系统灵活性运行域（PSFOR）的概念，即在保证一定灵活性运行水平下电力系统所能接受的最大不确定性因素波动范围. 在此基础上，阐述灵活性运行域的边界和应用范围，并构建包含源-荷波动区间和运行经济性的数学优化模型，提出极限场景法（ESM）和基于列和约束生成的鲁棒优化算法（CRO）对模型进行求解. 通过对6节点系统和IEEE RTS-39节点系统进行仿真计算验证所提算法的合理性和有效性，并将平均值和标准差作为灵活性运行域的评价指标，进一步分析各种灵活性资源对运行域的影响. 结果表明，灵活性运行域可以有效反映系统的运行状态和接纳的不确定性范围，能够为电网的规划和调度运行提供一定的理论指导.     

求解无功优化的线性规划最钝角松弛法

采用最钝角松弛算法求解无功优化问题的线性规划模型,为解决线性化步长调整问题在该模型中增加了信赖域约束。首先,根据最钝角原理定义主元标的概念及其计算公式,计算各个不等式约束的主元标。然后,根据不等式约束的主元标值对其进行筛选,形成一个松弛的线性规划问题,用原始单纯形法对其求解。如果松弛问题的最优解能满足原问题的不等式约束,则直接获得原问题的最优解。否则,将所有剩余的约束条件全部添加到松弛模型中,得到改变约束条件顺序后的原问题,再用对偶单纯形法进行新的求解。该算法本质上是一种2阶段单纯形法,并且第二阶段的求解可以充分利用第一阶段松弛问题的解信息,大大提高第二阶段的计算效率。以5个试验系统和1个省级538节点实际系统为测试系统,通过与单纯形法、信赖域内点法进行比较,验证其有效性。     

概率约束稳健恒模自适应波束形成算法

针对恒模信号,将概率约束稳健算法与恒模算法相结合,提出一种新的稳健自适应波束形成算法.先将导向偏差分为高斯随机分布和未知分布2种场景,分别建立优化代价函数,并将该优化问题转化为二阶锥规划问题,运用内点法高效求解.然后对算法求解的全局最优性进行理论分析.在数值仿真部分,用所提算法与相关稳健算法作对比仿真,验证该算法的优越性和有效性.     

基于克隆选择算法的非线性优化迭代学习控制

为实现对模型不确定的有约束非线性系统在特定时间域上输出轨迹的有效跟踪,将改进的克隆选择算法用于求解迭代学习控制中的优化问题。提出基于克隆选择算法的非线性优化迭代学习控制。在每次迭代运算后,一个克隆选择算法用于求解下次迭代运算中的最优输入,另一个克隆选择算法用于修正系统参考模型。仿真结果表明,该方法比GA-ILC具有更快的收敛速度,能够有效处理输入上的约束以及模型不确定问题,通过少数几次迭代学习就能取得满意的跟踪效果。     

不确定约束T-S模糊系统的鲁棒最优控制

针对带有时域约束(包括控制输入约束与状态约束)和不确定性的T-S模糊系统,研究了其鲁棒最优控制问题。利用S-Procesure导出了求解状态反馈控制器的充分条件。该控制问题最后归结为求解在一组非线性不等式族约束条件下的优化问题,本文给出了该优化问题的迭代求解步骤。在倒立摆系统中应用的仿真结果表明,本文所提方法是有效的。     

一种求解连续空间约束优化问题的蚁群算法

借鉴蚁群算法和惩罚函数的思想提出了一种用于求解连续空间约束优化问题的蚁群算法.应用自适应调整惩罚因子的惩罚函数法将约束优化问题转化为无约束优化问题,再结合自适应调整全局选择因子和信息素挥发系数的连续域蚁群算法,求解连续空间约束优化问题.通过对基准测试函数进行编程求解,对比采用固定参数的蚁群算法求解结果,验证了所提改进算法的正确性和有效性.     

多小区多播无线携能通信鲁棒信干噪比平衡

针对非理想信道多小区多播协作网络中的供能问题,提出了一种鲁棒的无线携能通信优化方案,该方案以最差用户信干噪比最大化为目标、以每用户能量采集和每小区功率为约束,在保证用户能量采集约束和系统功率预算的前提下实现最差用户服务质量最优化.为了求解优化问题,采用半定松弛和S-引理将原始问题转化为拟凸优化问题,进而采用二分迭代算法得到问题的最优解.仿真结果表明,所提系统设计正确,迭代算法收敛特性良好.     

一般约束优化含等式约束问题的鲁棒信赖域算法

针对一般约束优化问题进行了研究.利用引入罚函数将一般约束问题转化为一个只含不等式约束的的参数规划问题的技巧,将不等式约束优化问题的一个鲁棒信赖域算法扩展到一般约束优化问题中,并保留了算法的良好性质;同时,在一定条件下,得到了算法的全局收敛和超线性收敛.     

基于KL散度距离处理风电不确定性的负荷恢复分布鲁棒优化

在构建以新能源为主体的新型电力系统的背景下,在恢复控制过程中积极利用新能源并充分应对其对运行安全带来的潜在风险对于减小停电损失具有重要意义。首先,为了表征风电出力的不确定性,采用KL散度(Kullback-Leibler)距离作为筛选极端风电出力场景的控制条件,并据此构建模糊集作为风电出力典型场景。在满足相关运行安全约束的前提下,建立了以最大化加权负荷恢复量为优化目标的分布鲁棒优化模型以制定计及风电的负荷恢复方案。经松弛处理和对偶转换所得到的混合整数二阶锥模型可调用商业求解器求解。以接入规模风电场的IEEE 10机39母线系统为例进行仿真,结果表明：相比于传统的鲁棒优化方法,该方法降低了优化结果的保守性,有助于加快负荷恢复,减小停电损失。     

基于粒子群优化算法的相干信源波达方向估计

利用粒子群优化算法和在解决优化问题的优势和广义极大似然测向的优点,提出了一种估计相干信源波达方向的新方法.对于所提出的测向算法,人射的信源可以是独立信源,也可以是多相干信源的混合,对阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数.为了有效地对所提出的测向代价函数进行拟合,把高斯异策略引进粒子群算法中,提出了一种可快速多维搜索的随机变异粒子群算法.仿真结果表明:与基于遗传算法的相干信源波达方向估计方法相比,基于粒子群优化算法的波达方向估计在收敛速度和估计精度上都有优势,有很好的可行性和有效性.     

含分布式电源的配电网三阶段协同优化调度

针对含分布式电源配电网的实际运行情况,根据主动配电网的设备调度时间尺度和调节次数,建立一种基于日前阶段、日中阶段以及实时阶段的配电网三阶段优化调度流程,解决分布式电源出力不确定性的影响。在日前阶段,采用配电网动态重构,依据分布式电源出力预测的持续分量进行网络拓扑结构变换。在日中阶段,采用列和约束生成算法处理分布式电源出力的不确定性,建立配电网的鲁棒优化模型,对有载调压变压器、分组投切电容器档位进行再调整,确定下一级在线控制的分布式电源和储能的运行基点。在实时阶段,建立时间解耦的储能平抑分布式电源出力不确定性模型,利用分布式电源和储能可以快速响应特点,在实时风光场景下进行根节点功率波动的平抑。改进的IEEE33节点算例验证了所确定模型的有效性。通过多时间尺度的协调调度,可以有效降低分布式电源出力不确定性带来的影响,提高配电网运行稳定性。     

计及灵活性需求偏差的综合能源系统分布鲁棒优化调度

为了分析分布式新能源和需求侧灵活响应资源的不确定性对综合能源系统(IES)的影响:首先,建立了IES灵活性供需模型;其次,构建了基于场景概率驱动的IES两阶段分布鲁棒优化模型;最后,采用列与约束生成算法进行迭代求解,通过仿真验证了该模型和求解算法的有效性。相较于传统的IES优化调度,其所提模型减少了系统的总运行成本,提升了系统的灵活性。     

无线MEC系统中队列状态感知的卸载和 传输联合优化

针对多用户-多移动边缘计算服务器系统的动态计算任务卸载问题,基于用户端和服务器端的任务队列模型,以系统的长期平均时延和长期平均功耗为优化目标,求解最优的卸载策略及相应的上行预编码.通过李雅普诺夫优化方法将长期平均问题转化成单阶段目标优化问题,考虑到卸载策略和预编码之间存在范数约束关系,通过连续近似和半正定松弛,可转化成典型的DC规划求预编码解问题.仿真结果表明,所提方案比传统方法具有更低的时延和功耗.     

线性矩阵不等式及其在随机控制中的应用

随机控制理论中许多重要的问题，都可转化为线性矩阵不等式（LMI）约束的凸优化问题，从而使其在数值上易于求解。本文阐述了线性矩阵不等式方法的基本概念和内容，并介绍了有关算法及计算软件，最后举例说明其在随机不确定系统的鲁棒控制中的应用。     

周期性家庭护理人员分配问题研究

考虑到多类型护理人员、护理连续性以及随机时间约束的周期性家庭护理分配问题,将其分解为一个分配子问题以及若干个路径优化子问题,即每个路径优化子问题对应于每个护理人员每天的访问顺序,提出了基于禁忌搜索和整数规划的混合算法以及最远插入算法对这两个子问题求解.通过随机生成的算例对所提出的混合算法测试,结果表明所提出算法的可行性与有效性.同时,将多类型护理人员和护理连续性约束松弛,定量地比较和分析了这两种约束对总成本的影响,为管理人员提供了科学的决策理论与依据.     

全局组搜索优化算法及其应用研究

组搜索优化算法GSO(Group Search Optimizer)是一种基于动物捕食原理的新型群智能优化算法。本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(Global GSO)。主要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够解决复杂的实际问题。     

基于混沌多项式的再入滑翔鲁棒轨迹凸优化

针对参数不确定条件下高超声速飞行器再入滑翔轨迹设计问题，研究了一种增强抗干扰能力和过程可靠性的鲁棒轨迹优化方法。构建不确定条件下再入滑翔鲁棒轨迹优化模型，并设计了基于高斯求积与非嵌入式混沌多项式的不确定性量化传播算法，从而将其转化为维数扩展的确定性轨迹优化问题；利用凸优化技术对该问题进行凸化和离散，设计了一种基于序列凸优化算法的轨迹优化求解策略，以实现对该高维确定性问题的快速求解。以美国X-33的高超声速滑翔再入为例进行了仿真验证。结果表明，与传统确定性轨迹优化算法相比，所提方法能够有效降低随机干扰对再入滑翔轨迹的影响，从而提升轨迹的可靠性与鲁棒性；与现有典型鲁棒轨迹优化方法相比，所提方法具有相当的精度和显著的计算效率优势。     

多阶段随机选址库存模型研究

为了在存在多种不确定因素的多阶段战略周期中,确定最优的库存、选址和分配决策,提出了一类多阶段的随机选址库存模型.该模型不仅考虑了风险分摊的效益,而且还利用情景规划考虑了整个多阶段战略周期中各参数的不确定性.该模型的目标是寻找一个最优解,使得整个战略周期内系统的总期望成本(包括库存、运输和选址成本)最小,使用基于拉格朗日松弛与次梯度的启发式算法对该模型进行求解.多个算例的计算结果表明,该算法是求解所提出的多阶段随机选址库存模型的有效算法.     

不确定环境下复杂产品维护、维修和大修服务资源调度优化

基于对复杂产品维护、维修和大修（MRO）协同服务资源调度的需求分析,从现实角度出发,建立资源调度时间和服务执行时间参数不确定条件下的随机机会约束规划数学模型. 提出由随机模拟、神经网络和离散粒子群优化算法组合成的混合智能算法,求解所提出的优化问题. 随机模拟方法为所建立的神经网络模型提供训练样本集,得到的训练样本集被用于训练神经网络模型以逼近优化目标函数,训练后的神经网络模型被用于代替优化目标函数来执行粒子群算法优化迭代. 该混合算法能有效提升时间参数不确定条件下的复杂产品MRO协同服务资源调度双目标优化问题的求解速度. 案例分析表明,相比于确定性条件下的优化算法,所提出的随机机会约束规划模型和混合算法更适用于求解现实中不确定条件下的MRO服务资源调度问题,所求得的调度方案在实际执行中具有更好的鲁棒性.     

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.