基于GA-PSO的野战给水站选址优化模型

在野战给水工程保障中,不但要满足各用水单位,也要考虑到保障过程中产生的费用,尽量能够做到在完成给水工程保障任务的基础上使整个野战给水工程保障系统所消耗的总费用最小。针对该问题,运用GA-PSO算法研究了野战给水站的选址优化模型,实例验证充分说明了基于GA思想的混合PSO在收敛速度及跳出局部极值的能力诸方面明显优于标准的GA算法和PSO算法。     

基于GA-PSO的分布式光伏发电最大功率跟踪控制

为解决局部阴影下光伏阵列采用传统最大功率点跟踪(MPPT)易陷入多峰值的局部最优点问题,采用分布式构架的光伏阵列,提出了一种基于遗传粒子群(GA-PSO)的MPPT混合算法,GA-PSO算法结合了粒子群算法(PSO)的位置转移和遗传算法(GA)的全局搜索能力,使混合算法拥有比GA算法和PSO算法更好的追踪准确性和快速性。在MATLAB/Simulink平台上建立了基于GA-PSO的分布式最大功率跟踪控制(DMPPT)电路拓扑结构的光伏阵列仿真模型,仿真结果验证了所提算法的可行性和有效性,为MPPT技术改进提供一种参考方案。     

基于克里金模型的微电热驱动器优化设计

基于局部型四维参数的函数,采用克里金代理模型和遗传-粒子群（GA-PSO）优化算法,开展大位移U型电热驱动器优化设计研究. 建立U型电热驱动器的多物理场仿真模型并进行实验验证. 发现在不同电压下,电热驱动器仿真位移与实验位移曲线一致,从而保证克里金模型中样本数据来源的可靠性. 搭建ANSYS和MATLAB联合自动仿真平台以解决克里金模型中样本数据的批量采集问题. 基于该平台,采用简单随机抽样的方法,得到不同采样点下电热驱动器的位移,从而形成样本数据. 根据样本数据建立克里金模型并基于该模型采用遗传-粒子群算法进行参数优化. 研究结果表明,克里金模型能代替有限元模型准确预测驱动器的位移;控制驱动器形状的4个关键参数与位移成单调关系;经形状优化后,18 V电压下U型电热驱动器的位移提高35.2%.     

基于GA-PSO算法的路径测试数据自动生成*

为了实现测试数据自动生成,许多遗传算法及其改进算法应用到了测试领域。针对遗传算法具有较强的全局搜索能力,但局部搜索能力较弱,且收敛速度慢的特点。将遗传算法与粒子群算法结合起来形成新的混合算法（GA-PSO）,并成功应用到软件测试数据自动生成过程中。实验结果表明,该算法结合了遗传算法和粒子群算法的优点,在保证软件测试数据正确生成的情况下,极大地提高了数据生成的效率。     

基于GA-PSO的电动汽车换电站时空双层充电优化策略

针对电动汽车(Electric Vehicle, EV)用户换电体验不佳、换电站备用电池组空闲、充电成本过高及配电网负荷特性恶化的问题,建立了兼顾EV用户、换电站和电网公司三方利益的时空双层充电优化模型。该模型采用双层时空解耦结构,上层模型以满足EV用户个性化需求为目标,重点解决空间尺度上换电站的选择问题。下层模型在时间尺度上采用一种两阶段优化策略,第一阶段以充电成本最小为目标重点关注电池组充电方案的制定问题,第二阶段虑及电网激励以配电网负荷波动最小和峰谷差最小为目标重点关注充电方案的优化问题。最后,采用Monte Carlo法模拟EV用户的换电需求,采用GA-PSO(遗传-粒子群算法)对提出的时空双层优化模型进行迭代求解。以某典型城区为例,仿真验证了所提模型与方法的正确性。     

基于加权Voronoi 图和GA-PSO的电动汽车充电站最优规划

考虑到电动汽车的普及,对充电站的需求越来越大,合理规划充电站是保证快速发展电动汽车的一项重要举措。根据某地区现有电动汽车的保有量,考察电动汽车的集中充电所需最大负荷,结合市场充电站的固定建设成本、运维成本、用户充电途中的耗时成本以及电池配送成本,综合考虑上述几种主要成本因素,以总成本最小为目标函数,建立充电站的规划模型。将交叉操作引入到PSO算法中,加强了PSO算法后期的寻优能力,通过采用加权Voronoi图和GA-PSO算法对模型进行计算。结果表明,在结合了多种成本并考虑用户需求的情况下,能够使得规划方法达到最优。     

面向台风天气下主动配电网韧性提升的改进分级减载策略

为有效提升台风天气下主动配电网的韧性，提出同时考虑分级减载和同级负荷削减的主动配电网韧性提升方法。首先，综合考虑台风天气下强风和暴雨对配电网的影响，通过建立Batts台风风场模型和暴雨压强模型实现了对配电网元件故障率的量化分析，进而采用蒙特卡洛(Monte Carlo)法模拟台风天气下的主动配电网故障场景，并利用系统信息熵进行场景筛选，确定故障规模。其次，提出了同时考虑最大化一级负荷存活量与故障孤岛中同级负荷削减逻辑的主动配电网分级减载策略。然后，提出包括综合鲁棒性、一级负荷损失速度和损失率、总负荷曲线面积缺失比的4个主动配电网韧性评估指标，并通过遗传-粒子群融合算法(hybrid GA and PSO algorithm, GA-PSO)对配电网韧性评估模型进行高效求解。最后，基于Matlab 2020a仿真平台建立某实际配电网和IEEE 118节点测试系统算例，验证了提出的考虑分级减载的台风天气下主动配电网韧性评估方法的正确性和有效性。