混合自适应粒子群工作流调度优化算法

针对具有截止期的云工作流完成时间与执行成本冲突的问题,提出一种混合自适应粒子群工作流调度优化算法（HAPSO）。首先,基于截止期建立有向无环图（DAG）云工作流调度模型;然后,通过范数理想点与自适应权重的结合,将DAG调度模型转化为权衡DAG完成时间和执行成本的多目标优化问题;最后,在粒子群优化（PSO）算法的基础上引入自适应惯性权重、自适应学习因子、花朵授粉算法的概率切换机制、萤火虫算法（FA）和粒子越界处理方法,从而平衡粒子群的全局搜索与局部搜索能力,进而求解DAG完成时间与执行成本的目标优化问题。实验中对比分析了PSO、惯性权重粒子群算法（WPSO）、蚁群算法（ACO）和HAPSO的优化结果。实验结果表明,HAPSO在权衡工作流（30～300任务数）完成时间与执行成本的多目标函数值上降低了40.9%～81.1%,HAPSO在工作流截止期约束下有效权衡了完成时间与执行成本。此外,HAPSO在减少完成时间或降低执行成本的单目标上也有较好的效果,验证了HAPSO的普适性。     

低电压穿越过程中双馈风电机组虚拟电感暂态自灭磁控制

双馈式感应发电机(DFIG)由于其定子直接与电网相耦合,电网故障将引起定子磁链暂态,并会在转子侧产生电压和电流冲击。传统基于Crowbar的低电压穿越(LVRT)解决方案不仅没能充分利用变流器对DFIG的控制灵活性,而且也难以较好地适应当今不断提升的并网要求。而当前基于灭磁控制的暂态补偿策略多依赖于磁链观测技术,不仅算法较为复杂而且对电机参数具有较强的依赖性。对电网电压发生跌落故障时定、转子电磁暂态过程进行了深入分析和讨论,并依据其暂态电磁特性,提出了一种基于虚拟电感暂态自灭磁算法的LVRT控制策略。该策略不仅能够较好地抑制转子暂态电压冲击,最大限度地拓展可穿越的故障范围,充分发挥DFIG的控制灵活性,而且无需暂态磁链观测,简化了算法,具有较好的快速性和鲁棒性。11kW模拟机组的仿真和实验,验证了所提出的分析和设计的正确性和可行性。