考虑不确定性的生物质电热气肥耦合系统规划方法

在实现碳达峰、碳中和目标的快轨上,中国积极倡导生物质等清洁可持续能源的生产与消费,包含生物质的综合能源系统配置优化问题逐渐成为研究的热点。以生物质电热气肥多能流综合能源系统为研究对象,首先建立了系统中各关键设备的静态模型;其次,采用蒙特卡罗抽样法描述用户负荷、能源价格等不确定性因素,在此基础上以最大化年利润为目标,建立了不确定条件下综合能源系统配置规划模型,并选用人工蜂群优化算法进行求解;最后,研究了不确定性因素对综合能源系统配置优化的影响。算例结果表明,采用两阶段随机规划模型处理综合能源系统中存在的不确定性因素后,能源系统中设备运行参数有所变化,与确定条件相比,牺牲了一定的经济性来提高系统的灵活性。      

多策略混合搜索的变时段人工蜂群算法及应用

【目的】研究非汛期洪水、中小洪水调度和发电调度模拟中时段步长和约束条件在较长系列上的融合优化,提升水库调度综合效益。【方法】建立了多策略混合搜索的变时段的人工蜂群算法,构建了长系列可变时段的多约束下发电量最大的水库优化调度模型,对万安水库进行实例应用。【结果】非汛期水量利用率提高了3%,加强了对洪水资源的利用;多策略混合搜索的人工蜂群优化算法缓解了多约束条件优化模拟计算时,时段步长选取与运算精度和收敛速度之间的矛盾,有效提升了标准人工蜂群算法的寻优效率与开发能力。【结论】研究成果可为非汛期洪水、中小洪水调度和发电调度综合效益的提升提供依据。     

可再生能源分布式发电系统的经济调度

对可再生能源分布式发电系统进行经济调度研究,可以在保证能量需求的前提下,使得系统的运行成本和环境污染降到最小,从而更加高效地利用可再生能源。针对由光伏发电、风力发电、燃料电池（FC）、柴油机（DE）、蓄电池等多种分布式电源和储能单元组成的分布式发电系统,在详细分析各单元数学模型的基础上,建立了可再生能源发电系统经济调度的目标函数和调度策略,并采用优先顺序法对目标函数进行求解,算例系统验证了模型和算法的正确性。结果表明,该文提出的方法为可再生能源发电系统中各发电单元的优化调度及经济组合提供了参考。     

计及碳排放的电-冷-热互联综合能源系统优化调度研究

随着分布式能源的飞速发展，以多能互补为核心的能源互联网成为新的能源网络结构趋势。针对含电、冷、热互联的综合能源系统，提出一种计及碳排放的综合能源系统优化调度方法。首先，构建电、冷、热及储能设备模型，分析设备出力约束；之后，考虑光伏出力的波动性及负荷变化的实时性，以系统运行成本、碳排放量为目标，构建电-冷-热互联综合能源系统优化调度模型，并采用非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)对该模型进行求解；最后结合某园区综合能源系统项目的实际应用情况，验证该方法有效性，结果表明计及碳排放的综合能源系统优化调度方法能够降低园区运行成本，降低碳排放量，促进新能源消纳，实现电网削峰填谷。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

电-气-热综合能源系统混合能量流仿真

针对综合能源系统的子系统能源网络加复杂、耦合元件的能源转换机制多元等问题,基于电-气-热综合能源系统主要单元的数学模型,构建了混合网络多能流综合计算模型。考虑能量枢纽不同运行模式,类比电力系统潮流解法,在给出雅克比矩阵子块的计算方法基础上,运用扩展Newton-Raphson算法进行多次迭代求解混合能量流,分析了综合能源子系统耦合关系。仿真说明了子系统的功率波动通过耦合环节传递给其他系统,能源供应单元具有一定的调节能力,可为较广层面计及气-热惯性的综合能源系统优化调度问题提供理论指导,同时验证了扩展算法的有效性。     

金溪流域梯级电站短期发电计划编制

为了更好地解决非线性、非凸、多约束、复杂时空耦合等导致的梯级水电站调度问题,降低耗水率,提高整个梯级水电站群的经济效益和运行水平,以金溪流域为研究对象,充分考虑了电网需求、机组安全等约束条件,融合逐步优化动态规划算法与智能算法,实现日发电计划的精细化编制,并与实际运行情况进行对比.分析结果可以看出,采用优化算法(POA)进行优化调度后,水电站发电量有了一定幅度的提高,电量增加幅度在2.7%~3.4%.研究了梯级电站的厂内负荷分配与机组组合的问题.基于系统工程理论与优化算法,建立了满足水电网电力输电安全约束、设备安全管理等多目标的机组开停机和负荷调节优化模型,以耗水率最小为目标将负荷分解到电站各机组,计算各时段机组出力过程.在实际运行中,电站超出日发电计划出力,在偏差考核范围内尽量满发,通过算例验证了模型的可行性和合理性.     

基于引导人工蜂群算法的3—RPS并联机构正解优化

提出了一种求解3—RPS并联机构正解优化的快速数值解算法，采用数值优化方式将正解转换为最小化问题。针对3—RPS并联机构位姿正解优化，采用数值法建立该并联运动平台正解方程，其实质为带约束的多目标非线性方程组。建立判定方程实现方程组单目标优化，采用引导人工蜂群算法进行最小值优化求解。该算法既利用了基本人工蜂群算法中邻近蜜蜂交换蜜源信息的方式，又采用全局最优蜜蜂引导所有蜜蜂往更优蜜源处移动，更快速地搜索到最优蜜源位置。通过求解3—RPS正解数值解优化仿真算例分析，对比改进蚁群算法和基本人工蜂群算法，结果表明引导人工蜂群算法是高精度高速求解并联运动平台正解优化的一种有效方法。     

基于蚁群算法与人工势场法的移动机器人路径规划

针对复杂环境下移动机器人路径规划困难的问题,提出了一种将全局路径规划蚁群算法与局部路径规划人工势场法相融合的混合型算法。首先,采用多因素启发函数和新的蚂蚁行进机制来解决传统蚁群算法路径质量差且易陷入对角障碍的问题;其次,针对传统蚁群算法收敛速度慢的情况,设计了自适应挥发系数和动态权重系数;接着,通过引入虚拟目标点、相对距离和安全距离的概念,解决了传统人工势场法易陷入局部极小值、目标不可达以及过度避障的问题;最后,将改进蚁群算法规划路径的转折点作为局部子目标点来调用改进的人工势场法进行二次规划。仿真表明改进蚁群算法较传统算法以及其他算法在路径长度方面优化了9.9%和2.0%,在路径转折次数方面优化了81.8%和63.6%,在收敛速度方面优化了94.2%和63.6%;改进人工势场法有效解决了自身问题;而以二者为基础的混合型算法则充分地结合了二者的优势,在复杂的静态和动态环境中具有极高的环境适应性和路径规划效率。     

泵站群控系统的节能优化调度研究

在实际泵站运行中需要根据不同要求调节流量扬程,由于泵站中定速泵和调速泵运行组合不合理,导致泵站运行效率低下。针对此问题,提出以泵站总功率最小为目标函数,以供水指标约束、单泵供水能力和调速泵的调速比为约束条件,建立了泵站优化运行数学模型。利用人工蜂群算法确定水泵并联运行的台数、调速泵的调速比及各泵流量的分配,实现泵站的优化运行。以某泵站实际要求进行计算,得出优化运行方案,比较并分析人工蜂群算法和标准遗传算法在泵站优化运行中的适用性。结果表明:人工蜂群算法的计算结果更优,收敛速度更快,计算用时更少,表明该算法在泵站优化运行及相近领域有较高的实用价值。     

考虑非线性摩擦模型的机器人动力学参数辨识

针对机器人动力学参数辨识的问题,提出了一种基于人工蜂群算法的辨识方法。考虑到关节摩擦特性,引入非线性摩擦模型,推导了机器人动力学模型的非线性形式。设计满足速度、加速度边界条件的五阶傅里叶级数作为激励轨迹来采集实验数据;利用人工蜂群算法,以蜂群为搜索单位,通过群体间的信息交流方式与优胜劣汰机制,对模型中的未知参数进行了辨识。最后,对得到的辨识模型进行了分析与验证,结果表明通过辨识得到关节预测力矩与测量力矩有较高的匹配度,所建立的非线性模型能够更好地描述机器人的动力学特性。     

基于PEM-ABC算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于预测误差法与人工蜂群算法(PEM-ABC)结合的辨识算法。该算法将系统辨识问题转化为优化问题,用PEM算法确定搜索空间的范围;雇佣蜂搜索阶段采用改进的自适应搜索策略加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。通过机载设备采集到的飞行实验数据,对辨识获得的模型进行了分析与验证。结果表明:采用该辨识方法,估计出了无人直升机动力学模型的未知参数,与PEM算法和传统人工蜂群算法相比,所提算法的辨识精度更高,具有重要的工程使用价值。     

农机BDS/INS组合导航算法研究

针对农机在环境干扰情况下BDS失调、INS单独导航误差大的不足,以BDS/INS两者间位置、速度差值为模型,提出蜂群算法优化BP神经网络辅助卡尔曼滤波的算法组合导航,精准定位农机位置速度信息。BDS有效时,BDS/INS组合导航结合卡尔曼滤波,校正INS的位置、速度偏差,BP神经网络进行训练模式;BDS失调时,BP神经网络转化为预测模式,代替BDS对INS进行校正反馈,输出精确位置信息。同时,改进人工蜂群的搜寻方式与选择概率,提出改进的蜂群算法优化BP神经网络,使速度误差小于0.6 m/s,位置误差小于30 m,改善对农机位置速度的定位精确度。     

生物质颗粒热风炉及粮食烘干的设计与应用

机械化粮食烘干中采用生物质燃料以替代常规能源,对节能减排、降低成本、提高粮食品质具有重要意义。设计了一套生物质颗粒热风炉并与谷物烘干机耦合,通过自动控温系统调节热风温度,以获得高品质谷物。生物质颗粒在时间继电器控制下自动进料,在炉膛内部设计一次进风和二次进风口,颗粒燃料的挥发分充分燃烧,提高了热风炉的输出热功率。设置了故障报警、远程监控系统,提高了设备的智能化程度。在谷物烘干厂进行性能试验,结果表明该成套设备运行稳定,性能指标优良,验证了设计的合理性；经济效益分析表明,利用生物质颗粒热风炉烘干谷物成本较低,具有明显的经济效益和推广应用前景。     

生物质颗粒热风炉设计及在粮食烘干领域的应用

机械化粮食烘干中采用生物质燃料替代常规能源,对节能减排、降低成本、提高粮食品质具有重要意义。设计了一套生物质颗粒热风炉并与谷物烘干机耦合,通过自动控温系统调节热风温度以获得高品质谷物。生物质颗粒在时间继电器控制下自动进料,在炉膛内部设计一次进风和二次进风口,颗粒燃料的挥发分充分燃烧,提高了热风炉的输出热功率。设置了故障报警、远程监控系统,提高了设备的智能化程度。性能试验结果表明,该成套设备运行稳定,性能指标优良,验证了设计的合理性。经济效益分析表明,利用生物质颗粒热风炉烘干谷物成本较低,具有明显的经济效益和推广应用前景。      

蜂群多特征长期监测系统设计与试验研究

目前，针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上，设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电，融合了多种传感器，能够检测蜂群的多个特征（蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量），并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统，本研究还进行了针对意大利蜜蜂从2018年秋季到2020年春季为期235天的长期连续监测试验，记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明，在此期间，蜂箱内的平均温度呈现从25℃下降到-5℃再回升至15℃的抛物线变化，相应的进出巢次数也由大约8万次/天减少至0次/天再增加至5万次/天。在越冬期中，蜂群的重量呈现出大约25 g/天的线性下降趋势，同时蜂箱内也更为安静，声音的频率集中于0~64 Hz。由此表明，在不干扰蜂群的情况下，该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化，可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

基于WebGIS的农机多机协同导航服务平台设计

为向多台农业机械协同作业应用场景提供地图和导航服务支持,设计并开发了基于WebGIS的农机多机协同导航服务平台,该平台由GIS服务和农机调度2个功能模块组成。GIS模块基于GeoServer和JavaWeb提供网页端地图服务,在显示农场地图、实时标注农机位置的同时,也提供多农机导航结果的可视化显示功能;农机调度模块以路径规划算法和任务分配算法为核心,负责提供导航服务,在用户输入任务列表并调用服务的情况下,以GeoJSON格式返回各农机的任务分配以及路径规划结果。此外,为了筛选出满足平台需求且性能最优的算法,针对路径规划算法设计了算法性能对比实验,在导航距离近、中、远的3条路径上分别测试了基于A*、Bellman-Ford、Dijkstra、Floyd和SPFA 5种算法的路径规划算法,并对不同算法的执行时间和最优路径长度进行了对比;针对任务分配算法设计了不同任务数量场景下的仿真对比实验,在任务数量为8、10、14、18的场景下分别测试了基于蚁群算法和遗传算法的任务分配算法,并对两者的执行速度和最优路径长度进行了对比。结果表明：基于Dijkstra算法的路径规划算法在结果最优的前提下执行速度最快,平均单次执行时间为0.25ms。基于遗传算法的任务分配算法可以有效降低多机协同的路径代价,相较于随机生成的工作序列,路径代价减少50%~54%;相较于基于蚁群算法的任务分配算法,农机最佳路径长度减少19%~36%,执行时间减少51%~66%,平均执行时间在1s以内。开发的多机协同导航服务平台通过使用Dijkstra算法和遗传算法分别进行路径规划和任务分配,能够基本满足多机协同作业的实时性需求。