为了提升虚拟电厂(virtual power plant,VPP)的经济效益,促进风、光等清洁能源的消纳,文章设计了一种基于混合灰狼(hybrid grey wolf optimization,HGWO)算法的VPP经济调度模型。将VPP运行成本最小作为目标函数,利用HGWO算法对目标函数...为了提升虚拟电厂(virtual power plant,VPP)的经济效益,促进风、光等清洁能源的消纳,文章设计了一种基于混合灰狼(hybrid grey wolf optimization,HGWO)算法的VPP经济调度模型。将VPP运行成本最小作为目标函数,利用HGWO算法对目标函数进行最优值搜索,算例结果显示,HGWO算法收敛时的进化代数和收敛时间分别为55代和12.15 s,获得的VPP最小运行成本为57.36万元,以及HGWO算法的各项性能指标均优于文章所列出的其他3种算法;同时也表明了通过科学调度VPP内部的各类分布式电源,不仅满足了VPP负荷需求,而且使风电场和光伏电站的输出电能得到了充分利用,进而提升了VPP的经济性。展开更多
为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首...为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。展开更多
针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索...针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。展开更多
在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with varia...在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with variable fleets,MVRP-VF)的数学模型。引入遗传算法的交叉操作以及大规模邻域搜索算法中的破坏算子和修复算子,重新定义了基本灰狼优化算法(grey wolf optimizer,GWO)的操作算子,优化了GWO的寻优机制,从而设计出用于求解MVRP-VF问题的混合灰狼优化算法(hybrid grey wolf optimizer,HGWO)。通过仿真实验与其他参考文献中的算法求解结果进行比较,验证了HGWO求解该类问题的有效性与可行性。展开更多
鉴于实际生产中工人的能力和加工效率存在差异,本文提出了考虑工人差异性和刀具限制的多资源约束并行机分批调度问题,以最小化最大完工时间、最小化交付时间偏差为优化目标,构建了工人熟练度、刀具资源约束的混合整数线性规划模型,研究...鉴于实际生产中工人的能力和加工效率存在差异,本文提出了考虑工人差异性和刀具限制的多资源约束并行机分批调度问题,以最小化最大完工时间、最小化交付时间偏差为优化目标,构建了工人熟练度、刀具资源约束的混合整数线性规划模型,研究子批数量和大小、机器分配、工人分配、子批加工顺序之间的耦合关系,设计了一种改进的多目标混合灰狼-鲸鱼群算法(manyobjective hybrid grey wolf optimizer and whale swarm algorithm,MO-HGWSA).根据模型特点,设计了一种两阶段编码和解码方案表示问题的可行解;利用多种引导策略提高算法的进化效率;设计了局部搜索策略,增强算法的局部搜索能力.最后引入案例验证算法的有效性,结果表明本文所提算法在收敛性、分布性和解集支配关系方面均优于对比算法.展开更多
针对齿轮箱多类故障信号非线性、不确定性难以进行有效识别的问题,提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)优化多分类支持向量机(Multi-class Support Vector Machine,MSVM)的齿轮箱故障诊断方法。首先利用小波...针对齿轮箱多类故障信号非线性、不确定性难以进行有效识别的问题,提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)优化多分类支持向量机(Multi-class Support Vector Machine,MSVM)的齿轮箱故障诊断方法。首先利用小波包对齿轮箱故障信号进行降噪处理,并通过信号中各频带的能量,提取能量特征值,再将获取的特征值输入优化后的MSVM模型进行故障模式的识别。实验结果表明,相对于传统的诊断模型,基于HGWO-MSVM的齿轮箱故障诊断模型能够更有效地诊断齿轮箱的实际运行状态,提高识别效率和精度。展开更多
风电并网进程越来越快,风电功率随机性、间歇性等特点也对整个电网电压以及频率等带来了一定的影响,电网对风力发电功率预测精度提出了更高的要求。基于清洗后的数据,以风力发电输出功率作为输出,在原始的灰狼优化算法(grey wolf optimi...风电并网进程越来越快,风电功率随机性、间歇性等特点也对整个电网电压以及频率等带来了一定的影响,电网对风力发电功率预测精度提出了更高的要求。基于清洗后的数据,以风力发电输出功率作为输出,在原始的灰狼优化算法(grey wolf optimization,GWO)中引入交叉、变异和选择过程,为提升全局搜索性能,搭建了混合灰狼优化算法(hybrid grey wolf optimization,HGWO),并用其对支持向量机(support vector machine,SVM)中的核函数系数g和惩罚系数c进行全局寻优,训练得到基于HGWO-SVM风电功率预测模型。预测结果对比传统的算法形式(包括优化SVM、粒子群算法优化SVM、遗传算法优化SVM),所提的方法更具优越性,耗时相对较短,能实现对风电功率精准、快速预测。展开更多
文摘为了提升虚拟电厂(virtual power plant,VPP)的经济效益,促进风、光等清洁能源的消纳,文章设计了一种基于混合灰狼(hybrid grey wolf optimization,HGWO)算法的VPP经济调度模型。将VPP运行成本最小作为目标函数,利用HGWO算法对目标函数进行最优值搜索,算例结果显示,HGWO算法收敛时的进化代数和收敛时间分别为55代和12.15 s,获得的VPP最小运行成本为57.36万元,以及HGWO算法的各项性能指标均优于文章所列出的其他3种算法;同时也表明了通过科学调度VPP内部的各类分布式电源,不仅满足了VPP负荷需求,而且使风电场和光伏电站的输出电能得到了充分利用,进而提升了VPP的经济性。
文摘为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。
文摘在经典车辆路径问题(vehicle routing problem,VRP)的基础上增加了客户要求访问的时间窗约束,以车辆行驶路径最短和使用车辆数最小为目标,建立了不确定车辆数的多约束车辆路径问题(multi-constraint vehicle routing problem with variable fleets,MVRP-VF)的数学模型。引入遗传算法的交叉操作以及大规模邻域搜索算法中的破坏算子和修复算子,重新定义了基本灰狼优化算法(grey wolf optimizer,GWO)的操作算子,优化了GWO的寻优机制,从而设计出用于求解MVRP-VF问题的混合灰狼优化算法(hybrid grey wolf optimizer,HGWO)。通过仿真实验与其他参考文献中的算法求解结果进行比较,验证了HGWO求解该类问题的有效性与可行性。
文摘鉴于实际生产中工人的能力和加工效率存在差异,本文提出了考虑工人差异性和刀具限制的多资源约束并行机分批调度问题,以最小化最大完工时间、最小化交付时间偏差为优化目标,构建了工人熟练度、刀具资源约束的混合整数线性规划模型,研究子批数量和大小、机器分配、工人分配、子批加工顺序之间的耦合关系,设计了一种改进的多目标混合灰狼-鲸鱼群算法(manyobjective hybrid grey wolf optimizer and whale swarm algorithm,MO-HGWSA).根据模型特点,设计了一种两阶段编码和解码方案表示问题的可行解;利用多种引导策略提高算法的进化效率;设计了局部搜索策略,增强算法的局部搜索能力.最后引入案例验证算法的有效性,结果表明本文所提算法在收敛性、分布性和解集支配关系方面均优于对比算法.
文摘针对齿轮箱多类故障信号非线性、不确定性难以进行有效识别的问题,提出了一种混合灰狼优化算法(Hybrid Grey Wolf Optimizer,HGWO)优化多分类支持向量机(Multi-class Support Vector Machine,MSVM)的齿轮箱故障诊断方法。首先利用小波包对齿轮箱故障信号进行降噪处理,并通过信号中各频带的能量,提取能量特征值,再将获取的特征值输入优化后的MSVM模型进行故障模式的识别。实验结果表明,相对于传统的诊断模型,基于HGWO-MSVM的齿轮箱故障诊断模型能够更有效地诊断齿轮箱的实际运行状态,提高识别效率和精度。
文摘风电并网进程越来越快,风电功率随机性、间歇性等特点也对整个电网电压以及频率等带来了一定的影响,电网对风力发电功率预测精度提出了更高的要求。基于清洗后的数据,以风力发电输出功率作为输出,在原始的灰狼优化算法(grey wolf optimization,GWO)中引入交叉、变异和选择过程,为提升全局搜索性能,搭建了混合灰狼优化算法(hybrid grey wolf optimization,HGWO),并用其对支持向量机(support vector machine,SVM)中的核函数系数g和惩罚系数c进行全局寻优,训练得到基于HGWO-SVM风电功率预测模型。预测结果对比传统的算法形式(包括优化SVM、粒子群算法优化SVM、遗传算法优化SVM),所提的方法更具优越性,耗时相对较短,能实现对风电功率精准、快速预测。
