利用多Agent算法进行船舶电力系统网络重构模型研究及仿真

船舶电力系统(SPS)的网络重构通常用于船舶电网的输配电,故障恢复等,是一种重要且常用的电网控制技术。船舶电力网络重构可以被抽象为具有多目标和多约束的典型非线性离散优化问题。本文根据SPS的特点,建立SPS的简化网络模型和重构数学模型。提出一种多代理和粒子群优化(MAPSO)算法,给出该算法的算法流程和实现方法。分析验证结果表明,MAPSO可以有效重构船舶电力系统。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

多智能体遗传算法在船舶电力网络重构中的应用

船舶电力系统故障恢复的网络重构问题可以抽象成为一个多目标、多约束、多时段、离散化的非线性规划最优问题.根据船舶电力系统特点,结合多Agent在电力系统的应用,提出了一种基于进化遗传算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的含有节点—支路的馈线拓扑模型和目标供电最优的数学模型.在遗传算法快速寻优能力的基础上,结合进化算法的方向性和反馈性,得出多Agent船舶电力系统网络重构的全局最优解,实现网络重构供电最优,并通过相应的算例与普通遗传算法比较分析,验证了其良好的可行性.     

船舶电力系统配电网故障恢复重构算法研究

配电网故障恢复重构问题是船舶电力系统中一个多目标、多约束的优化问题,针对当前算法存在配电网故障恢复精度低的缺限,提出了改进粒子群算法的船舶电力系统配电网故障恢复重构策略,首先建立配电网故障恢复重构问题的数学模型,然后采用改进粒子群算法进行求解,最后进行了船舶电力系统配电网故障恢复的仿真实验,结果表明,改进粒子群算法提高了配电网故障恢复重构精度,加快了配电网故障恢复重构速度,而且综合性能要明显优于其它配电网故障恢复重构算法,船舶电力系统具有重要的实际应用价值。     

惯性粒子算法在船舶电力网络重构中的应用

海上船舶电力系统在出现故障无法供电时会导致船舶难以行驶与无法作业,必须在此情况下对电力网络结构进行重新构建,确保重要功能部件的恢复正常供电。为实现船舶电力网络的重构,本文对船舶上配置的一种电力网络的结构形式进行分析,并据此研究在电力故障时实现网络的重构数学模型。基于经典粒子群算法分析研究惯性加权粒子群算法在电力网络重构上应用。最后,以一种电力网络拓扑形式为仿真对象,对本文算法在电力网络重构进行实验,结果证明惯性粒子群算法能够构建合理的电力网络重构方案。     

船舶电网重构网络中的粒子群算法研究

船舶电网重构是船舶电网控制的重要功能之一。本文在深入研究船舶电网结构和需求的基础上,提出一种有效的电网重构方法。选择粒子群算法(Selective Particle Swarm Optimization,SPSO)作为电网重构的优化方法,并将最小化电网重构的功率损失作为优化目标。选择粒子群算法是二分粒子群算法(BPSO)的改进方法,相比于BPSO,本文采用的SPSO能够实现更好的优化性能。最后在多种不同电网负载情况下,比较SPSO和BPSO算法的网络重构效果,证明本文提出的方法具有较好的性能。     

船舶电力系统无功优化过程的自适应粒子群算法应用

随着现代船舶工业的需要,船载用电设备的数量越来越多,船舶电力系统的容量也越来越大。船载用电设备在提高船舶自动化水平的同时,也对船舶电力系统的稳定性、安全性、节能性等提出更高要求。其中,船舶电力系统网络的无功损耗问题一直是相关领域的研究重点。电力系统的无功优化是指当系统的结构参数、负载等保持不变的情况下,通过改善船舶电力系统电源的电压等参数,调节电网的潮流计算,无功优化对提高船舶电力系统的供电效率,降低事故发生率等有重要的作用。本文系统的介绍了自适应粒子群算法,并将该粒子群寻优算法应用到船舶电力系统的无功优化过程中,对于改善电力系统的无功优化过程有重要的意义。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于粒子群算法的船舶电网系统状态评估分析仿真

电网系统状态评估是保证船舶正常工作的关键技术,针对当前船舶电网系统状态评估结果不科学,评估误差大的缺陷,提出基于粒子群算法的船舶电网系统状态评估模型。首先分析当前船舶电网系统状态评估现状,并建立船舶电网系统状态评估的数学模型,然后引入粒子群算法对数学模型进行求解,找到船舶电网系统状态评估的最佳方案,最后在Matlab 2016平台进行了船舶电网系统状态评估的验证测试,本文模型可以快速、有效的找到船舶电网系统状态评估最优方案,提高了船舶电网系统状态评估精度。     

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于图论理论的舰船配电网故障恢复算法

提出基于最小生成树理论和分割分层拓扑模型的舰船配电网故障恢复快速算法,利用图对实际配电网进行符合图论要求的简化,给出舰船电力系统的配电网络分割分层拓扑结构,建立综合了舰船负载优先级、开关动作次数最少、电网可靠性最高为目标的数学模型。考虑了线路容量限制、配电网连通性及节点电压约束的约束条件。理论分析及实例证明,算法充分利用舰船配电网监控系统中的实时信息,能提供最优解,直接控制相关开关动作,具有明确的可操作性。     

Situation and prospects of shipboard integrated power system reconfiguration technology北大核心CSCD

当前,船舶综合电力系统(IPS)正朝着复杂化、模块化、自动化方向发展,研究快速、稳定、能够应对各种突发状况的船舶综合电力系统重构技术对保障船舶安全和可靠航行具有重要意义。首先,综述当前国内外在船舶综合电力系统重构技术方面的研究进展,讨论集中式重构和分布式重构的特点,并对数学优化算法、启发式算法、人工智能算法等进行归纳总结;然后,分析面对多重并发故障时重构技术所面临的困难与挑战,提出需重点关注混杂系统建模和分层分布式重构框架的建立;最后,从重构模型建立、算法优化、分布式架构等方面对未来船舶综合电力系统重构的发展提出设想和建议。     

基于混沌遗传算法的舰船区域配电系统故障恢复算法

舰船电力系统的网络重构是恢复系统故障、提高舰船生命力的重要途径之一。本文提出了一种混沌遗传混合算法对其进行求解,提高了遗传算法的收敛速度及精度,避免了不成熟收敛。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于量子天牛群算法的高桩码头横向排架结构损伤识别

针对高桩码头损伤识别问题,引入量子行为优化天牛群(BSO)算法,利用结构模态参数(固有频率和振型)的差别构造目标函数,提出了一种基于量子天牛群(QBSO)算法的损伤识别方法。采用所提方法对一高桩码头模型单直桩、单叉桩的单损伤,双直桩、双叉桩、直桩+叉桩的双损伤进行了计算,并与天牛群(BSO)算法与粒子群(PSO)算法进行对比;对振型添加噪声后单叉桩的单损伤进行了计算。结果表明:所提方法计算效率高、收敛速度快,具有较强的稳定性和抗噪性,能够快速精准地识别出损伤位置与损伤程度。     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

微粒群优化算法在铺排船建模中的应用

针对铺排船建立锚泊移位系统模型,利用微粒群优化算法对神经网络模型参数进行优化训练,仿真结果显示,采用该算法训练的系统模型性能得到明显改善。     

基于二进制粒子群算法的母联闭合型电网重构策略

为解决母联闭合型电网发生故障时的电网重构问题,提出一种基于二进制粒子群算法的电网重构策略.根据深水半潜平台电网特殊的网络架构和电气特性,建立以最大程度恢复重要负载供电为目标,以电网结构和系统容量为约束条件的母联闭合型电网故障恢复模型.为提升求解效率,为该模型设计基于二进制粒子群算法的两阶段优化求解流程,并将求解结果与混沌遗传算法和免疫克隆算法的仿真结果相对比.仿真结果表明,提出的电网重构策略具有较高的搜索效率和较强的寻优能力,能有效提高母闭合型电网故障恢复的速度和精度.