考虑集中充电站的电池换电站选址定容规划

电动汽车电池换电站的选址定容是具有多变量和多约束的复杂非线性问题, 难以用一般的数学方法进行求解, 本文对此提出一种Voronoi图与改进蝙蝠算法(Improved Bats Algorithm, IBA)联合求解的选址定容方法。考虑集中充电站的影响, 建立以年建设投资成本、选址满意度和年电池换电成本为目标的多目标决策模型。引入模糊熵权法避免主观赋权与客观赋权的不足, 将多目标决策模型转化成单目标权重模型。通过引入惯性权重并考虑个体极值引导速度更新的IBA, 以多目标决策的加权总值最小为条件, 结合Voronoi图划分各电池换电站的服务区域, 得出电池换电站的选址定容规划方案的最优解。算例仿真结果验证了所提模型和算法的合理性及可行性。     

考虑削峰填谷的电动公交换电站充电优化研究

采用换电模式的电动公交车在公共交通领域内发展迅速。电动公交换电站的正常运营与电池更换、充电和电网负荷等多方面因素有关。为提高电动公交换电站运营的经济性,首先分析和计算电动公交车的日换电量需求,然后以充电成本最小和减小负荷波动为目标建立考虑削峰填谷作用的双目标充电优化模型,最后利用遗传算法的权重系数变换法对实例进行求解。实例仿真计算结果表明,优化后的充电成本可节约30 %,同时达到削峰填谷作用。       

基于遗传算法的快递物流配送中心选址

以快递物流配送中心选址问题为研究对象,结合其选址特点构建了含有固定投资成本、管理成本、 运输成本等诸多成本要素的目标函数,建立了基于遗传算法的选址模型,并利用改进后的求解策略或方法对 算法模型进行求解,有效提高了算法模型的求解效率和求解质量。实例研究中,将 Matlab2017a 数学仿真编 程软件与算法模型相结合,对算例进行求解,验证了遗传算法模型在选址问题研究中的有效性和实用性。     

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.     

多等级电动汽车充电站的选址与算法

作为电动汽车运营所必须的基础配套服务设施,充电站的建设位置与规模对推广电动汽车有着重要的意义。提出了一个多等级电动汽车充电站的选址与求解算法,考虑电动汽车用户分布的特性,基于目标规划思想,建立了使得充电站初始建设成本及用户充电总成本最小化的多等级充电站选址模型。为求解该模型,发展了一个改进的禁忌搜索算法。针对其中表示站址等级和相关用户分配的两个决策变量,设计了禁忌编码和初始解构建相结合的新颖设计方案,并采用2-opt邻域搜索策略,可同时确定出充电站的建址位置、建设的等级及各个需求点的分配。最后通过仿真算例表明,该算法具有很好的站址寻优能力及收敛性能,验证了本文提出的模型的有效性。     

计及失负荷等级和抢修效率的全能型供电所多目标选址

全能型供电所的科学选址,对于提升抢修效率,减少用户损失具有重要意义.为体现失负荷等级对供电所选址的影响,在分析全能型供电所业务特性的基础上,比较考虑失负荷等级2种情况下对应的抢修距离与成本的变化,建立供电所应急抢修多目标模型.采用Pareto支配的多目标粒子群算法进行模型求解,利用拥挤距离排序以更新非劣解集,并确定最终优化方案.最后,通过算例得出计及失负荷等级情况下加权距离与综合成本均优于未考虑负荷等级情况.仿真结果显示,该文构建的应急抢修多目标选址模型和提出的求解方法对全能型供电所抢修策略具有一定的指导意义.     

不用人工变量求解线性规划问题

用单纯形法求解线性规划问题时,为了得到初始基本可行解,一般要加入人工变量,这就使变量增多,运算量加大。本文所介绍的求初始基本可行解的方法不用加入人工变量,一开始就在没有求得初始基本可行解的情况下使用换基迭代的方法进行迭代运     

自适应混沌粒子群优化的粮食应急点选址研究

针对粮食应急点选址,将“运输时间最小”和“应急开始最早”作为目标,建立了相应的优化模型.利用基于粒子群的K-Medoids聚类算法进行求解,为了避免过早地陷入局部最优,提出了自适应混沌粒子群优化算法.该算法利用粒子与已知全局最优粒子的欧式距离来判断粒子群当前状态,并将其作为确定混沌扰动范围的启发信息,可以有效地提高最优解的精度.试验表明该算法优于传统的演化算法,较好地解决了粮食应急点选址问题.     

实时电价下含换电站的孤立微电网双层优化调度

电动汽车电池交换站与孤立微电网作为不同的经济实体,由两者的经济联系建立双层调度模型.孤立微电网作为上层模型的决策者,通过使其成本最低为目标函数,制定与下层交易的实时电价;换电站为下层模型,根据实时电价制定自身充放电计划,使其自身收益最大化.通过改进的遗传算法对上、下层问题求解,得到实时电价和换电站的充放电计划,实现两者的利益最大化.算例分析表明,该算法验证了所提模型的有效性及合理性.     

含循环换电负荷及充电站的微电网多目标优化调度

电动换电重卡由于具有充电功率高、周期性强的循环换电负荷特性,一旦短时大量接入微电网中,将带来经济性和安全性的挑战。首先讨论电动汽车充电、循环换电负荷的不同特性,建立含循环换电负荷及充电站的微电网模型;提出一种综合考虑微电网经济性及联络线功率波动性的多目标调度优化方法;采用线性加权方法将多目标问题转化为单目标问题;最后利用CPLEX工具对仿真算例进行求解,仿真算例表明,所提优化方案可有效求解综合考虑不同权重下微电网净利润、联络线交换功率及换电站内电池最优调度问题,能在尽可能减小微电网与上级电网交换功率波动性的同时,使得微电网获得最大净利润。     

面向低熵的一类多态性作业车间布局智能建模

针对一类多态性作业车间,提出车间低熵化布局评价指标,利用成组技术和分层思想构建单元外部连续布局和单元内部多行布局的低熵车间布局模型.针对多约束、多变量和非线性的特点,以物料搬运成本、设备成本、非物流附加成本、车间面积利用率、平均在制品数量和柔性为模型多目标函数,借助元胞自动机的拓扑结构和邻居机制,设计一种基于精英初始解策略和自适应交叉、变异算子的遗传元胞算法进行求解.通过典型企业作业车间布局改造实例分析,验证模型和算法的可行性与有效性.     

市场环境下计及参与需求侧响应的电动汽车换电站优化规划

相比于电动汽车充电模式,换电模式可以实现集中有序充电,从而实现以一个整体即电动汽车换电站(battery swapping station,BSS)的形式参与电网需求侧响应。在此背景下,建立了计及参与需求侧响应的BSS双层优化配置模型,以极大化BSS的净收益为上层优化目标,极小化配电网公司全寿命经济成本为下层目标,对BSS的位置、额定充电功率、初始购买电池的数量以及BSS参与需求侧响应的合同价格和每小时的调用功率等进行优化。采用内嵌改进粒子群算法的网格自适应直接搜索算法对该双层规划模型进行求解。最后对IEEE-33节点配电系统进行仿真计算,结果表明,计及BSS参与需求侧响应过程,可以同时提高BSS和配电网公司的经济效益,并且可以促进分布式电源的消纳,验证了所提模型的可行性及有效性。     

基于遗传算法的冷链配送中心选址

为保持生鲜食品的新鲜度,缩短在途时间和节省配送成本,建立了冷链配送中心选址模型。该模型以系统总成本最低为目标函数,结合生鲜食品的流通过程,形成了基于原产地、配送中心、生鲜超市的选址分配。采用遗传算法,运用MATLAB编程进行仿真,通过编码、选择、交叉等遗传算子,利用算例对选址模型进行仿真求解,仿真结果表明,遗传算法可实现资源配置,规划配送中心的选址分配。     

“多站融合”背景下边缘数据中心运行优化研究

随着泛在电力物联网的发展，传统通信技术与计算平台已逐渐无法适应庞大的数据传输与计算规模，5G通信技术与边缘计算将成为支撑泛在电力物联网建设的中坚力量。“多站融合”模式的提出为边缘数据中心的运营提供了新的方向，多站一体化运行方法有待深入研究。针对边缘数据中心的数据迁移方法以及“多站融合”模式下各功能站协同优化问题，文章设计了涵盖数据中心、储能电站等功能站的融合站运行架构，构建了数据中心负荷模型、储能电站数学模型，并基于混合整数非线性规划方法，建立了以最小化年总成本为目标的融合站协同优化与数据迁移调度模型。通过模型的优化求解，确定了最佳数据迁移调度策略与储能电站最优运行方案。利用案例分别对数据迁移策略与储能电站的作用进行仿真分析，通过计算，采用数据迁移策略后，典型日运行成本降低了2.38%，年总成本降低了1.36%；发挥储能电站削峰填谷作用后，典型日运行成本进一步降低了8.34%，年总成本进一步降低了4.67%。结果表明，在满足时延约束情况下将数据负荷按一定策略进行分配可以实现各边缘数据中心互补调度，达到降低运行成本的效果，结合分时电价政策，利用储能电站参与日常电力调度，可以进一步将峰时负荷转移至谷时，从而显著降低运行成本。     

任意决口水激波的理论解模型及计算方法

本文提出了任意决口断面下溃坝水激波的理论解模型。通过引入分离变量法、相似性解理论等,文中不仅解决了复杂决口断面水激波不能解析求解的难题,而且还全面地克服了激波求解数值方法中存在的间断抹平、解的非物理振动、坝址处“狗腿”及洪水前锋无穷大流速等缺陷。新模型可直接根据决口断面形状和坝上游。下游的初始水位求解溃决后的水力特性,对此文中给出了求解方法和计算实例。算例表明,本文所提出的模型及其计算方法是成功而有效的。     

基于鸟群搜索行为和余弦变异的改进白鲨优化算法

白鲨优化算法是受白鲨捕猎行为的启发设计的一种新元启发式算法。该算法在求解高维优化问题时,易进入早熟状态,寻优结果精度较低。为此,文章提出一种改进的白鲨优化（improved white shake optimizer,IWSO）算法。首先使用Sinusoidal混沌映射初始化种群,以提高种群多样性及初始解在解空间的分布性;其次,引入鸟群搜索行为,赋予白鲨游动速度自适应动态惯性权重,以提高算法的收敛速度;最后,在位置更新阶段引入精英白鲨余弦变异策略,利用余弦函数的周期性特征,驱使白鲨个体在精英白鲨的有限邻域内进行精细化开发,以提高收敛精度。在23个著名基准函数和CEC2014函数上做了性能对比实验,其结果表明,IWSO算法优于6种对比算法,适合求解函数优化问题。     

多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．     

不同车型车辆路径问题模型及混合算法

在传统车辆路径问题(VRP)的基础上,求解带有中转站的不同车型车辆路径优化问题(SB-VRP)。以行驶成本低为目标,在扫描法形成初始解的基础上,采用禁忌算法进行优化搜索,通过实证分析对算法进行验证。结果表明:本文算法可以得到成本比初始解更优的解;增加不同车型之后的SB-VRP模型比传统VRP模型效率更高。     

基于多目标规划的铁路大型装车点选址模型设计

文章采用多目标规划方法,通过对铁路大型装车点选址模型进行假设,定义相关变量,以最小化成本和最大化客户满意度为目标,对模型进行构建,利用优先级与软件优化对模型进行求解,可以降低成本,推动铁路货运业务的发展。     

基于MIT的多扇区流量控制模型研究

通过综合考虑交通管制和航空公司运行两个方面,研究了在恶劣天气下多个扇区容量发生动态变化时的流量控制问题。提出了以扇区动态容量作为主要约束条件,航班总延误成本和扇区流量稳定为优化目标,基于尾随间隔(MIT)的多扇区流量控制模型,并采用带精英策略的NSGA-Ⅱ算法求解。以某区域管制中心3个扇区为例进行了仿真分析。结果表明:利用该流量控制模型不仅能够缓解扇区拥堵,还可以让决策者选择一个最优的MIT限制值,既可以保证各个扇区的流量稳定减轻管制员工作负荷也可以控制航班的延误总成本,并验证了所建模型具有有效性与实用性。