基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化

绿色高效的新能源系统已广泛应用于汽车、有轨电车和智能建筑等领域。为了降低燃料电池(fuelcell,FC)有轨电车直流微电网系统的运行成本,提出一种基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化方法。该方法引入以初始投资成本、设备运行成本和更换维护成本为框架的系统运行成本模型。基于成本模型,设计一种融合多种群遗传算法与萤火虫算法的多种群萤火虫算法,对有轨电车状态机控制策略进行优化。在3种运行工况下,将所提方法与状态机控制策略、基于遗传算法的策略、基于多种群遗传算法的策略、基于粒子群算法的策略和基于萤火虫算法的策略进行对比。结果表明,所提方法能合理分配各能量源的输出功率,并获得最低的系统运行成本。     

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE 33和IEEE 69系统的仿真测试结果表明：该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。     

车载复合电源回馈制动的模糊控制方法研究

针对混合动力汽车续航能力不足的缺陷,采用蓄电池与超级电容结合的复合电源作为车载电源,并在汽车制动过程中对车载电源进行充电。以"电容电量低,电池少充电;电容电量高,电池多充电"为原则,采用模糊控制策略对回馈能量进行管理。在Matlab/Simulink中搭建模糊控制下的车载复合电源回馈制动模型。仿真结果表明,该方法能够有效管理回馈制动过程的能量分配,延长汽车续驶里程,改善汽车燃油经济性并减少排放。     

双无刷直流电机同步控制的Si muIink仿真

提出了一种单控制器控制双电机驱动电动汽车的方法,其中两个电机均采用双闭环控制策略。在电流环引入模糊控制,由模糊控制算法直接给出电机控制量。控制方案可以从算法上实现电子差速,具有良好的同步控制效果,同时可以满足控制精度的要求。主要针对这一控制策略分别就汽车直行和转弯过程进行了Simulink仿真,以汽车转角0°和120°为例。仿真结果表明方案在同步控制和电子差速控制方面均有较好的效果。     

双无刷直流电机同步控制的Simulink仿真

提出了一种单控制器控制双电机驱动电动汽车的方法,其中两个电机均采用双闭环控制策略。在电流环引入模糊控制,由模糊控制算法直接给出电机控制量。控制方案可以从算法上实现电子差速,具有良好的同步控制效果,同时可以满足控制精度的要求。主要针对这一控制策略分别就汽车直行和转弯过程进行了Simulink仿真,以汽车转角0°和120°为例。仿真结果表明方案在同步控制和电子差速控制方面均有较好的效果。     

电动汽车无刷直流电机能量回馈制动系统设计

就电动汽车能量回馈制动效率较低的问题提出了一种恒转矩模糊控制策略。首先分析了无刷直流电机能量回馈制动的基本原理,对不同的回馈控制策略进行了对比分析,设计了一个三维模糊控制器,再以该控制器为核心,在MATLAB/Simulink环境中搭建了无刷直流电机能量回馈制动系统的仿真模型,并进行仿真。仿真结果显示提出的控制策略对电机制动转矩以及能量回收达到了很好的控制效果。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

基于多策略改进的遗传算法在配电网规划中的应用

针对电力电子化配电网规划复杂的优化问题,提出一种基于多策略改进的多目标遗传算法（简称遗传算法）。将遗传算法与配电网规划进行有效结合,研究了遗传算法在规划方案中的染色体组编码方式;对遗传算法进行具有针对性的多策略改进,涉及种群选择、交叉与变异算子以及自适应遗传算子的改进;通过种群修复提高算法的搜索能力,使染色体的决策变量在满足约束的同时,确保种群多样性启发式地进化为规划问题的最优解。通过Schaffer函数与Griewank函数对基于多策略改进的遗传算法进行性能测试,并对其组成内容、搜索特点与搜索寻优的过程分别进行了分析和讨论。结果表明,基于多策略改进的遗传算法在搜索精度与计算效率方面具有较大优势,对于配电网规划优化具有重要价值。     

基于模糊的氢燃料电池时序采样能量控制方法

氢燃料电池汽车的能量管理系统对燃料电池寿命、耐久、经济性等性能起着重要作用。 在对经典模糊控制策略的改进 基础上,解决控制策略存在的燃料电池输出功率变载频繁的问题,以时序规则进行优化设计,根据燃料电池运行特性、工作效率 点以及道路工况具备的特点提出了一种基于时序周期采样的控制策略,通过对车辆搭载燃料电池和动力电池输出功率的控制, 完成能量管理策略优化。 针对一款实际运营的燃料电池公交车在等速工况和中国典型城市公交循环工况下,使用不同控制策 略时的氢耗、燃料电池输出功率状态、动力电池荷电状态变化等数据进行分析,发现设计的控制策略能有效降低燃料电池变载 次数,提高燃料电池使用寿命,在氢耗方面比功率跟随策略、开关控制策略有明显优势,在初始动力电池荷电状态为 60%条件 下,后两者策略氢耗分别增加了 3. 98%和 27. 88%。     

HEV车载复合电源系统控制策略优化研究

HEV车载复合电源是将高比功率的超级电容与高比能量的蓄电池复合使用,通过合理的能量管理策略,以提高HEV汽车能源系统性能的技术。在分析车载复合电源系统的结构、功率需求及电源约束条件的基础上,建立了以车辆燃油消耗率和再生制动能量回收率为优化目标函数的能量管理问题数学模型。然后,根据复合电源系统的工作模式设计了基于模糊逻辑的能量管理控制器,利用遗传算法对功率分配因子的隶属度函数参数进行优化。基于ADVISOR的仿真研究表明,与未优化的模糊能量管理策略相比,经过优化的模糊能量管理策略能够更有效地降低混合动力汽车的燃油消耗,提高了制动能量回收率。     

Tracking control of induction motor using fuzzy phase plane controller with improved genetic algorithm

This paper proposes a fuzzy phase plane controller (FPPC) using an improved genetic algorithm (IGA) for the optimal position/speed tracking control of an induction motor. The proposed optimal algorithm (IGA) is equipped with an improved evolutionary direction operator (IEDO) to enhance the traditional genetic algorithm (GA). An application example was considered to compare the proposed IGA with the GA. Computational results show that the proposed IGA is more efficient than the GA.Fuzzy membership functions, phase plane theory and the proposed IGA are employed to design the proposed controller (FPPC) for the optimal position/speed tracking control of an induction motor. The proposed FPPC has the merits of rapid response, simple designed fuzzy logic control and an explicitly designed phase plane theory. Simulated and experimental results reveal that the proposed FPPC is superior in the optimal position/speed tracking control to conventional PI controllers.     

并联式混合动力汽车的BP网络实时能量管理

为了提高并联式混合动力汽车(PHEV)的燃油经济性,提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略.采用瞬时优化能量管理策略结合多种路况离线仿真得到能量管理规则,利用模糊C-均值聚类对能量管理规则进行分类并提取部分规则作为神经网络的训练样本.训练得到的BP神经网络控制器根据车辆实时工况控制混合动力系统的转矩分配,以实现最优的能量分配.基于ADVISOR的仿真研究表明,与瞬时优化能量管理策略相比,该能量管理策略不仅能够保证车辆的燃油经济性,而且明显提高了能量管理的实时性.     

储能式有轨电车能量管理策略多目标优化

研究了以电网、动力电池和超级电容为动力电源的储能式混合动力有轨电车。首先介绍该类有轨电车的混合动力系统结构,提出一种基于系统工作模式的逻辑门限式能量管理策略,通过多个控制参数实现工作模式的切换。针对能量管理策略中控制参数的不确定性,将整车车载电源的最小配置成本以及列车运行的能耗、准时性、准地点停车作为优化目标,应用多目标遗传算法对影响列车动力性能的主要能量管理策略控制参数进行了优化分析。结果表明,优化后列车的牵引运行能耗减少了约6.8%,再生制动能量的回收率提高了约2.4%。同时,通过优化得到了电源的最小配置,为电源的冗余配置提供参考。     

基于智能遗传算法的永磁同步电动机电流控制器设计

根据永磁同步电动机参数随输入电流变化而发生微小变化的特点,研究了基于模糊理论的比例-积分控制应用于永磁同步电动机电流控制的可行性,并应用智能遗传算法对模糊控制规则以及比例-积分控制器中的比例系数和积分时间常数等参数进行了优化,设计了一种基于智能性遗传算法(IGA)优化的模糊电流比例-积分控制器。仿真试验结果表明:基于智能遗传算法优化的模糊PI控制器能够快速跟踪电流的变化。     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。     

基于双种群黄金分割优化的遗传算法及其应用

针对遗传算法易出现局部最优和早熟现象,提出了一种改进型的双种群遗传算法,并将其应用在模糊控制器的量化因子的在线自寻优上,实例证明该算法具有很好的寻优能力和较高的搜索效率.     

Optimum design of a regenerative braking system for electric vehicles based on fuzzy control strategy

A regenerative braking system (RBS) can prolong the driving distance of electric vehicles by converting mechanical energy into electric energy. In this paper, an RBS based on fuzzy control strategy is proposed. By analyzing the characteristics of all factors, under the assurance of safety and stability during braking conditions, a fuzzy control model was established in the MATLAB/SIMULINK environment and verified by using simulation software Advisor2002. In order to recover more energy, the control model was optimized by the Taguchi method, and a new fuzzy control model was established and simulated. The simulation results show that by using the optimized fuzzy control system, more braking energy can be recovered and that the energy recovery efficiency can be increased. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

改进的免疫遗传算法在无功优化应用中的研究

无功优化是电力网络优化的主要措施,其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决无功优化问题。