一、求解多目标线性规划问题的内点新算法(论文文献综述)
张巧林[1](2017)在《双电机驱动系统及其Pareto控制策略研究》文中提出在全球能源紧张的今天,不可再生的化石燃料越来越少,新能源的发展促进了各行各业的一次革命,包括我们的交通运输行业,新能源的电动汽车的研发也得到世界各国大力扶持。如何在有限的电源能量的情况下,使续航能力最大化,是我们迫在眉睫解决的问题。对于双电机的电动汽车而言,在单双电机切换的过程之中,制动器的执行机构能否迅速准确的对给出信号进行电机的切换的响应,以及在切换前后不同工作模式电机工作的是否稳定,这一系列的多目标问题的研究对电机驱动的连续输出特性显得更加的重要。本文所做的具体内容如下所示:(1)对双电机驱动系统中,一号电机和二号电机参数的匹配,对能量源的选择,以及变速器传动比的匹配。(2)根据汽车的相关理论,建立了双电机驱动系统的模型并且对双电机驱动模型进行了分析,同时对转速耦合跟转矩耦合这两种耦合方式也进行了分析,找出了适合双电机驱动耦合的最好方式,即采用转速耦合的方式。(3)在设计满足双电机驱动的Pareto控制策略方面,我们首先想到的是采用智能算法,并且提出来粒子群算法作为实现多目标问题的最优解的方法,在此之前,我们对粒子群的算法有了一个较为全面的理论推倒过程,验证了粒子群算法在求解多目标最优解时候的优越性。(4)对于双电机切换的过程中,我们一般要求双电机在切换过程中的平滑性以及快速的响应驾驶员的输出指令要求,在这里一般的粒子群算法很难满足,于是我们就设计出来了改进型的粒子群算法,来满足双电机的切换要求。(5)通过改进型粒子群算法的提出,我们在MATLAB中进行仿真,得到比较优化的结果,说明改进型粒子群算法是可以满足多目标问题的求解。
王敏[2](2010)在《分布式电源的概率建模及其对电力系统的影响》文中认为由于地球资源的日渐枯竭,人们对环境的关注以及在全球范围内正在进行的电力市场化改革,都促使在电力工业中引进竞争机制,降低电力生产和供应成本,实现资源的优化配置,从而使得分布式电源尤其是可再生能源类发电技术,如风力和太阳能发电成为电力系统中一个新的研究热点。分布式电源与大电网相联,使得电力系统变得更加分散,用户对大型发电厂和输电网的依赖减少,同时对电力系统的结构、投资、运行、可靠性等将产生一系列的影响。但是由于可再生能源尤其是太阳能和风能具有随机性变化的特点,它们在电力系统的大量应用,对电力系统的影响具有随机和不确定性。分析这类发电形式的一次能源的变化特点及其对电力系统的影响具有重要的理论和实际应用价值,已成为智能电网发展的一项较为重要的研究课题。本文首先根据分布式电源的成本分析,基于电力市场理论提出了一种分布式电源的规划方法,采用基于信赖域内点法的最优潮流来求解。由于可再生能源的不确定性,风力和太阳能辐射的准确预测较难实现。本文第三章主要是采用系统辨识的方法建立了Box-Jenkins模型,对5-15分钟短时太阳辐射、逐时太阳辐射以及太阳日总辐射量进行预测和模拟,对预测误差进行分析,所有的模型都通过了残差分析和零极点检验,具有平稳性和适用性。并且在已建立的预测模型基础上比较了卡尔曼滤波、归一化梯度算法、具有遗忘因子的递推最小二乘算法,建立了逐时太阳辐射量的时变参数模型,用于逐时太阳辐射量的在线预测。由于太阳能电池阵列的倾角和方位角对输出的影响很大,因此要尽可能的选择最佳的角度。固定式光伏系统的最佳倾角应根据该地的纬度、太阳能辐射状况、年负荷特性等均衡考虑。本文第四章根据实际的太阳辐射数据拟合了地外斜面日最佳倾角和积日之间的关系、地表斜面与地外斜面日最佳倾角的关系以及地表斜面日最佳倾角和积日之间的关系,并且能够根据多年平均日辐射量计算朝向赤道斜面日最佳倾角和任意时间间隔的最佳倾角。之后以光伏发电阵列上接收到的辐射量和太阳能电池温度为输入数据,建立了光伏发电站的逐时输出功率多步预测模型,并据此建立光伏阵列的在线逐时预测模型,预测效果更好,具有一定的实用性。风力发电的输出功率与风电场的风速直接相关,呈现出很强的随机性。本文第五章利用状态空间模型进行短期风速预测,选择基于子空间方法的状态空间模型辨识和采用预测误差算法的模型辨识方法对风速的逐时数据进行辨识,得到PSS1模型,并选择具有遗忘因子的递推最小二乘算法作为风速在线预测模型。然后采用风电场的历史风速作为输入数据,风电场的出力作为待预测数据,建立了风电场出力预测的Box-Jenkins模型,24天的风电场逐时输出预测结果表明该方法在短期风电出力预测方面具有一定的精度和实用性。本文第六章通过对大量的太阳总辐射、直接辐射和散射辐射数据分析发现太阳总辐射和直接辐射都满足Beta分布,而散射辐射则满足混合高斯双峰分布,因此建立了光伏发电系统的概率分布模型。而风速的分布采用双参数威布尔分布,文中分别根据线性最小二乘算法、极大似然法以及加性误差和乘积性误差的非线性最小二乘算法对风速频率分布的威布尔参数进行估计,通过比较发现极大似然法的准确性最高,并据此建立了风电场的概率分布模型。之后本文根据风电场和光伏电站的概率分布模型,提出了包含风电和光伏发电的基于点估计法和Cornish-Fisher级数的电力系统概率最优潮流算法。通过IEEE算例系统关于最大输电能力和静态电压稳定的计算结果表明,该方法计算精度较高,同时与蒙特卡罗方法相比具有较小的计算量。最后本文应用点估计法分析了电力系统逐渐增加接入不同形式和不同分布的光伏发电和风电时对电力系统静态电压稳定临界点的影响。结果表明在一定的渗透功率范围内,风电场和光伏发电站对系统静态电压稳定临界点有功功率的增长是有益的,并且当只单独安装风电或光伏发电时,静态电压稳定临界点有功功率的概率分布也与对应的发电形式的概率分布具有近似的偏度和峰度参数。只是对于同一类型的发电,随着其安装位置的不同或当时气象条件的不同,其对系统静态电压稳定临界点有功功率的概率分布的影响也有不同,尤其是接入点的节点电压的变化会有很大的区别。这些规律的发现可以为电力系统规划和调度提供更多的信息以方便决策。
兰淑丽[3](2004)在《决策支持系统中多目标线性规划算法的比较研究和程序实现》文中研究指明决策支持系统(DSS)是当前计算机应用的热点之一,它将人们的智能资源与计算机的功能相结合,以改进决策质量,是一种处理半结构化问题并为管理决策人服务的基于计算机的支持系统。DSS涉及到数学、计算机科学、统计学、运筹学、知识获取、数据可视化、高性能计算、专家系统、行为科学和系统理论等众多学科的相关知识,是一门交叉学科。 线性规划是运筹学的一个重要分支,也是决策支持系统静态最优化数学规划方法之一,它作为经营管理决策中的数学手段,在当代决策中的应用是非常广泛的。因为实际决策问题大多是具有多个目标函数的问题,所以在线性规划中多目标线性规划方法的应用更为广泛。本论文就是对几种广泛应用于实际决策问题的多目标线性规划算法的求解性能等参数进行了探讨和比较研究,并对三种算法进行了程序实现。 按照决策者对实际决策问题求解过程的参与程度的多少,多目标线性规划算法可以划分为交互式算法和非交互式算法两种。决策者的参与对于多目标线性规划问题的求解是非常重要的,尤其是表现在决策者的偏好信息的表述上。那么,面对实际决策问题的时候,决策者和分析人员应该选择哪一种多目标线性规划算法呢?是交互式的还是非交互式的呢?因为不同的算法具有不同的特点,所以不同的算法应该适合于不同的决策问题,在众多的多目标线性规划算法中,如何来选择一个合适的算法也应是问题求解过程中一个非常重要的环节。本论文通过对几种多目标线性规划算法的深入探讨和研究,从而分析得出一些关于具体的多目标线性规划算法适合具体的实际问题的规律和结论。 考虑到当前对多目标线性规划算法的研究热点是对模糊多目标线性规划问题的研究,所以在求解问题时采用的多目标线性规划算法在分类上应属于非交互式的多目标线性规划算法,以节约求解时间。
钟仪华,王昱,江茂泽[4](2000)在《求解多目标线性规划问题的内点新算法》文中进行了进一步梳理通过对内点多目标线性规划中采用有效鞍点来产生搜寻方向一文的研究 ,提出了新的仿射尺度内点多目标算法。该方法首先求出每个目标函数在最优规划中所作的贡献率 ,然后解一个单目标线性规划问题 ,其解作为有效鞍点的初始值。在迭代过程中 ,投影单个价值向量 (单个目标函数的系数 )以求出投影方向 ,然后求出这些投影方向及现行迭代点到鞍点的方向对最优解的较真实的贡献率 ,从而获得下一次迭代的方向。在进行下次迭代前 ,求出新的边界点与鞍点对最优解的较真实贡献率 ,以确定新的边界点是否取代鞍点。新算法组合使用了层次分析法 (AHP)中的标权转换法和内点法 ,将 q个有效鞍点减少为一个。实例计算表明 ,该方法是可行的
二、求解多目标线性规划问题的内点新算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、求解多目标线性规划问题的内点新算法(论文提纲范文)
(1)双电机驱动系统及其Pareto控制策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究课题的背景及意义 |
1.2 电动汽车现状概述 |
1.2.1 电动汽车国内发展现状 |
1.2.2 电动汽车国外发展现状 |
1.3 双电机电动汽车的发展意义 |
1.4 本章小结 |
第2章 双电机驱动系统的指标要求与参数的选择 |
2.1 整车额定功率的需求 |
2.2 电动汽车动力性与电机参数的匹配 |
2.2.1 电动汽车电机的选型 |
2.2.2 电动汽车电机参数的匹配 |
2.3 能量源的主要参数的匹配 |
2.4 传动比的匹配设计 |
2.5 各参数匹配结果 |
2.6 本章小结 |
第3章 双电机驱动系统模型的分析与建立 |
3.1 双电机驱动系统分析 |
3.2 双电机驱动系统结构模型 |
3.2.1 转速耦合装置的物理结构分析 |
3.2.2 扭矩耦合装置的物理结构分析 |
3.3 电动汽车转速耦合驱动模式 |
3.4 双电机驱动系统控制模型的建立 |
3.5 本章小结 |
第4章 双电机驱动系统的控制策略研究 |
4.1 Pareto控制策略研究 |
4.2 多目标问题的研究现状 |
4.2.1 多目标问题的传统优化算法 |
4.3 基于粒子群优化算法 |
4.3.1 全局粒子群优化算法 |
4.3.2 局部粒子群优化算法 |
4.4 多目标的粒子群算法 |
4.4.1 多目标的粒子群算法的基本原理 |
4.4.2 多目标粒子群优化算法的流程 |
4.5 本章小结 |
第5章 基于改进算法的多目标优化策略研究与仿真 |
5.1 约束多目标优化问题的描述 |
5.2 改进的约束多目标粒子群优化算法 |
5.2.1 优化算法的实现方法 |
5.2.2 算法的具体实施步骤 |
5.3 改进优化算法下的多目标的仿真 |
5.3.1 多目标下的模式切换的确定 |
5.3.2 模式切换的要求 |
5.3.3 仿真验证 |
5.4 本章小结 |
第6章 全文总结与展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(2)分布式电源的概率建模及其对电力系统的影响(论文提纲范文)
摘要 |
ABSTRACT |
致谢 |
第一章 绪论 |
1.1 分布式电源 |
1.2 可再生能源类DG |
1.3 本论文主要工作 |
第二章 基于最优潮流的分布式电源的规划 |
2.1 DG 对电力系统规划的影响 |
2.2 OPF 模型和算法研究 |
2.3 市场环境下基于OPF 的DG 的规划 |
2.4 本章小结 |
第三章 基于系统辨识的太阳能辐射预测模型 |
3.1 概述 |
3.2 系统辨识原理 |
3.3 短时太阳辐射模型的建立 |
3.4 逐时太阳辐射模型的建立 |
3.5 日总太阳辐射量模型的建立 |
3.6 本章小结 |
第四章 光伏发电系统及其输出预测 |
4.1 概述 |
4.2 光伏阵列最佳倾角的计算及拟合 |
4.3 太阳能光伏发电系统的输出模拟及预测 |
4.4 本章小结 |
第五章 风速及风电出力预测 |
5.1 风速预测 |
5.2 利用Box-Jenkins 模型进行风电出力预测 |
5.3 本章小结 |
第六章 光伏发电和风力发电系统的随机特性研究 |
6.1 概述 |
6.2 光伏发电的概率分布模型 |
6.3 风力发电的概率分布模型 |
6.4 算例 |
6.5 本章小结 |
第七章 考虑DG 随机特性的概率最优潮流点估计算法 |
7.1 概述 |
7.2 点估计法 |
7.3 算例 |
7.4 本章小结 |
第八章 DG 随机特性对静态电压稳定的影响 |
8.1 概述 |
8.2 电压稳定临界点的非线性规划模型 |
8.3 算例 |
8.4 光伏和风电输出的随机特性对电力系统静态电压稳定的影响 |
8.5 本章小结 |
第九章 总结及今后工作展望 |
9.1 全文总结 |
9.2 今后工作展望 |
参考文献 |
攻读博士学位期间发表的论文 |
(3)决策支持系统中多目标线性规划算法的比较研究和程序实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
第二章 决策支持系统概述及其研究现状 |
2.1 决策支持系统(DSS)的产生背景 |
2.2 决策支持系统的一些相关概念 |
2.3 国内外研究现状 |
2.4 小结 |
第三章 线性规划算法概述及国内外研究现状 |
3.1 线性规划问题的基本概念 |
3.2 多目标决策问题的基本概念 |
3.3 国内外研究现状 |
3.4 小结 |
第四章 几种常用的多目标线性规划算法的分析和探讨 |
4.1 线性目标规划算法(LGP算法) |
4.2 Z-W算法 |
4.3 交互式顺序目标规划算法(ISGP算法) |
4.4 算法分析 |
4.5 结论 |
参考文献 |
附录 |
已发表的学术论文 |
致谢 |
(4)求解多目标线性规划问题的内点新算法(论文提纲范文)
引 言 |
1 内点新算法概述 |
2 新型仿射尺度内点多目标算法 |
3 计算实例 |
4 结 论 |
四、求解多目标线性规划问题的内点新算法(论文参考文献)
- [1]双电机驱动系统及其Pareto控制策略研究[D]. 张巧林. 安徽工程大学, 2017(01)
- [2]分布式电源的概率建模及其对电力系统的影响[D]. 王敏. 合肥工业大学, 2010(01)
- [3]决策支持系统中多目标线性规划算法的比较研究和程序实现[D]. 兰淑丽. 青岛大学, 2004(04)
- [4]求解多目标线性规划问题的内点新算法[J]. 钟仪华,王昱,江茂泽. 西南石油学院学报, 2000(04)