导读:本文包含了多目标随机优化论文开题报告文献综述及选题提纲参考文献，主要关键词:柔性多状态开关,网络重构,多目标,场景树
多目标随机优化论文文献综述
张今,耿光超,江全元,王朝亮,许烽[1]（2019）在《含柔性多状态开关的配电网多目标随机运行优化方法》一文中研究指出柔性多状态开关(flexible multi-state switch,FMSS)是一种具有潮流互济和电压支撑功能的新型电力电子装置。为了合理地发挥柔性多状态开关的潜力,在运行优化时可以考虑多个目标函数。提出含柔性多状态开关的配电网多目标随机运行优化模型,该模型以柔性多状态开关出力、常规开关的通断状态和动作时间作为优化变量,包含网络重构和柔性多状态开关调控2个子问题,可以采用双层规划模型的基本思想求解;通过场景树模拟分布式电源(distributed generation,DG)的出力情况,划分重构时段并以此为基础优化进行网络重构的时间,采用强度帕累托进化算法计算网络重构和柔性多状态开关出力的帕累托最优解集,并通过隶属度函数选择最终的运行方案;通过改进的IEEE-33节点配电网算例,验证了方法的有效性。结果表明,运行优化方法能够改善配电网的多个运行指标,并且在不同的分布式电源渗透率下均取得良好效果。(本文来源于《高电压技术》期刊2019年10期）
储琳琳,张宇俊,刘云晖,原吕泽芮,朱曈彤[2]（2019）在《计及分布式电源随机出力的配电网多目标无功优化》一文中研究指出计及分布式电源出力的随机性,建立了以系统有功网损最小及节点电压偏差最小为联合目标的无功优化模型,采用基于Nataf变换的3点估计法解决概率潮流问题并利用人工鱼群算法进行求解。以改进的IEEE 33节点系统为例,验证了无功优化模型的有效性,并对比基于Nataf变换的3点估计法和蒙特卡洛法优化结果的影响,证明了基于Nataf变换的3点估计法能提升无功优化效率。(本文来源于《电器与能效管理技术》期刊2019年12期）
杨杨,赵建立[3]（2019）在《基于T-S模型方法的非线性随机时滞金融系统的多目标优化》一文中研究指出主要研究了不确定随机时滞金融系统的多目标H_2/H_∞的投资策略问题,多目标H_2/H_∞投资策略能够使得投资成本和投资风险尽可能达到最小.通过运用T-S模糊方法将多目标模糊投资策略问题转化为线性矩阵不等式(Linear Matrix Inequality,简写为LMI)约束的多目标优化问题(Multiobjective Optimization Problem,简写为MOP).另外,基于线性矩阵不等式的多目标进化算法(Multiobjective Evolution Algorithm,简写为MOEA)寻找多目标优化问题的Pareto最优解,最后投资者可以根据他们自己的喜好选择一个互惠策略.(本文来源于《聊城大学学报(自然科学版)》期刊2019年02期）
段征宇,雷曾翔,孙硕,杨东援[4]（2019）在《随机时变车辆路径问题的多目标鲁棒优化方法》一文中研究指出车辆路径问题(vehicle routing problem,VRP)是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题(stochastic time-dependent vehicle routing problem,STDVRP)的多目标鲁棒优化模型.设计了一种非支配排序蚁群算法(non-dominated sorting ant colony optimisation,NSACO),求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法(non-dominated sorting genetic algorithm II,NSGA-II).研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGAII算法小17.49%.(本文来源于《西南交通大学学报》期刊2019年03期）
李泽石,石浩,刘旭[5]（2018）在《考虑随机特性的分布式电源多目标优化配置》一文中研究指出针对分布式电源优化配置研究中存在的优化目标单一和忽略源荷侧随机特性问题,应用机会约束规划方法建立计及源荷侧随机特性的多目标优化配置模型,该模型以投资效益、电压指标和有功网损为优化目标,通过效仿细菌在觅食过程中的趋化思想,将种群多样性信息反馈机制引入粒子群算法寻优过程中,以动态调整粒子速度更新策略,结合多目标优化理论,提出一种改进的多目标粒子群算法求解优化配置模型。PG&E-69系统仿真结果表明,分布式电源合理优化配置能有效提高投资效益和系统运行水平;系统薄弱节点的电压水平满足机会约束要求;分析不同负荷水平下的优化配置结果,可为后续负荷不断增长情况下的优化配置研究提供借鉴。(本文来源于《水电能源科学》期刊2018年08期）
赵东来,牛东晓,杨尚东,梁才[6]（2018）在《考虑不确定性的风光燃蓄多目标随机调度优化模型》一文中研究指出为支撑以风光为代表的高比例可再生能源发电并网,集成风电场(Wind Power Plant,WPP)、光伏发电站(Photovoltaic power station,PV)、燃气轮机(Convention Gas Turbine,CGT)和抽水蓄能电站(Pumped Storage Power Station,PHSP)为多电源系统(Multi-power Hybrid System,MPHS),建立了基于鲁棒随机优化理论的风光燃储随机调度优化模型.首先,介绍了多电源系统的基本构成,建立了多电源出力模型;然后,以系统运行经济效益最大化和输出功率波动最小化作为优化目标,确立多电源系统调度运行多目标模型.同时,为克服不确定性给系统带来的影响,提出了基于预测功率的风光不确定性刻画方法,转换含不确定性变量的约束条件为可反映决策者风险态度的约束条件,建立MPHS随机调度优化模型;最后,选取装机容量为9.6 MW风电场,6.5 MW光伏发电机组和3台CGT机组以及和1座上水库等效容量为10 MW·h构造仿真系统.算例结果表明:1)MPHS系统能充分利用不同能源发电互补特性,实现系统整体运行结果最优;2)PHSP能优化调整自身运行行为,为风光并网提供更大的容量空间;3)鲁棒系数的引入能能为不同风险偏好型决策者提供调度决策工具,在追逐经济效益最大户的同时最小化运行风险水平.(本文来源于《湖南大学学报(自然科学版)》期刊2018年04期）
莫超,吴杰康,简俊威,余松森[7]（2018）在《考虑源-荷随机协调特性的配电网概率潮流多目标优化方法》一文中研究指出分布式电源(distrubuted generation,DG)和电动汽车(electric vehicle,EV)随机充放电环境下的配电网优化运行是目前一项重要的研究课题,通过建立分布式电源和电动汽车充放电的随机概率模型,进而构建出配电系统在随机因素下的运行状态。在满足电网运行的潮流约束条件下,以系统优化成本、有功损耗期望、电压偏差期望为目标函数,建立配电网概率优化的模型,使用基于概率潮流的混沌粒子群算法对模型求解,得出配电网优化运行的策略。最后以IEEE 33节点系统为算例,验证所提方法的正确性与有效性。(本文来源于《广东电力》期刊2018年01期）
张则强,汪开普,李六柯,毛丽丽[8]（2018）在《随机作业时间的U型拆卸线平衡多目标优化》一文中研究指出为更好地反映实际拆卸作业时间的不确定性,建立了考虑随机作业时间的多目标U型拆卸线平衡问题的数学模型,并针对传统方法求解多目标问题时求解结果单一、无法均衡各目标等不足,提出一种基于Pareto解集的多目标混合人工鱼群算法。算法采用自适应视野串行觅食方式,以减少并行觅食时出现重复搜索现象,并根据多目标拆卸序列之间的支配关系得到Pareto非劣解集,实现了鱼群寻优结果的多样性。对鱼群觅食得到的拆卸序列进行模拟退火操作,增强了算法跳出局部最优的能力。采用拥挤距离机制筛选非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到下次迭代的种群中,加快了算法的收敛速度。将所提算法应用于具有55项任务的某打印机拆卸实例,经与基本人工鱼群算法、模拟退火算法对比,验证了所提算法的有效性和优越性。(本文来源于《计算机集成制造系统》期刊2018年01期）
王雅平,林舜江,杨智斌,孙兴鲁,刘明波[9]（2018）在《微电网多目标随机动态优化调度算法》一文中研究指出针对含风光发电和储能电池的微电网多目标随机动态优化调度问题,建立以微电源总运行费用和系统总网损为目标函数,同时以多个蓄电池剩余电量的和作为资源存储量的微电网多目标随机型存储模型。模型中采用交流潮流模型准确描述配电线路的传输功率安全约束,并考虑了各种分布式电源的电压无功特性。结合自适应加权和法(AWS)和近似动态规划法(ADP)求解多目标随机动态优化调度问题,先采用AWS法将多目标随机动态优化模型转化为一系列单目标随机动态优化模型,再采用ADP的近似值函数迭代算法实现对单目标随机动态优化模型的逐时段递推解耦求解,并通过对AWS法中分割段新增Pareto点对应权值的调整以得到均匀分布的Pareto前沿。通过某一实际微电网的算例仿真,证明了所提出模型与算法的正确性和有效性。(本文来源于《电工技术学报》期刊2018年10期）
王雅平[10]（2017）在《微电网多目标随机优化调度研究》一文中研究指出为改善全球环境与缓解传统能源压力,光伏和风电等新能源的广泛使用已然成为全球电力行业发展的大趋势。而强随机性的新能源作为微电网分布式电源的主要构成,承担着微电网负荷的主要供电,因此对微电网随机优化调度研究具有重要意义。本文对不含有离散变量与含有离散变量的两类微电网多目标随机优化调度问题展开研究,并将不同的近似动态规划算法应用于求解这两类微电网多目标随机优化调度问题。当不考虑离散变量时,针对含风机、光伏与蓄电池等分布式电源的微电网多目标随机动态优化调度问题,建立以微电源总运行费用和系统总网损为目标函数,同时以多个蓄电池剩余电量的和作为资源存储量的微电网多目标随机型存储模型。模型中采用交流潮流模型准确描述配电线路的传输功率安全约束,并考虑了各种分布式电源的电压无功特性。结合自适应加权和法(AWS)和值函数近似动态规划法(VFADP)求解多目标随机动态优化调度问题,先采用AWS法将多目标随机动态优化模型转化为一系列单目标随机动态优化模型,再采用VFADP的近似值函数迭代算法实现对单目标随机动态优化模型的逐时段递推解耦求解,并通过对AWS法中分割段新增Pareto点对应权值的调整以得到均匀分布的Pareto前沿。通过某一实际微电网的算例仿真,验证了所提出模型与算法的正确有效性。当考虑离散变量时,针对含光伏逆变器辅助服务及机组启停状态等离散变量的独立微电网随机优化调度问题,建立了以运行费用与网损费用加权和为目标函数的微电网优化调度的随机混合整数非凸规划(MINNP)模型。通过对支路潮流的锥松弛化,大M法等效处理机组互补约束与光伏节点约束,以及分段线性近似处理储能节点的下垂特性,将随机MINNP模型转化为随机混合整数二阶锥规划(MISOCP)模型。采用状态空间近似动态规划(SSADP)算法对随机MISOCP问题进行求解,首先,通过对一系列随机场景下MISOCP问题的求解生成典型状态空间,再依据随机量转移概率矩阵,相似性指标及Markov链求取典型状态空间的近似值函数,最后基于典型状态空间的近似值函数实现预测场景下逐一时段递推解耦的决策过程。同时,通过对状态空间生成及近似值函数求解的并行计算极大地提高了算法的求解效率。通过修正后IEEE33节点微电网的算例仿真,验证了所提出模型与算法的正确有效性。(本文来源于《华南理工大学》期刊2017-11-19）
多目标随机优化论文开题报告
（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：
计及分布式电源出力的随机性,建立了以系统有功网损最小及节点电压偏差最小为联合目标的无功优化模型,采用基于Nataf变换的3点估计法解决概率潮流问题并利用人工鱼群算法进行求解。以改进的IEEE 33节点系统为例,验证了无功优化模型的有效性,并对比基于Nataf变换的3点估计法和蒙特卡洛法优化结果的影响,证明了基于Nataf变换的3点估计法能提升无功优化效率。
（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。
多目标随机优化论文参考文献
[1].张今,耿光超,江全元,王朝亮,许烽.含柔性多状态开关的配电网多目标随机运行优化方法[J].高电压技术.2019
[2].储琳琳,张宇俊,刘云晖,原吕泽芮,朱曈彤.计及分布式电源随机出力的配电网多目标无功优化[J].电器与能效管理技术.2019
[3].杨杨,赵建立.基于T-S模型方法的非线性随机时滞金融系统的多目标优化[J].聊城大学学报(自然科学版).2019
[4].段征宇,雷曾翔,孙硕,杨东援.随机时变车辆路径问题的多目标鲁棒优化方法[J].西南交通大学学报.2019
[5].李泽石,石浩,刘旭.考虑随机特性的分布式电源多目标优化配置[J].水电能源科学.2018
[6].赵东来,牛东晓,杨尚东,梁才.考虑不确定性的风光燃蓄多目标随机调度优化模型[J].湖南大学学报(自然科学版).2018
[7].莫超,吴杰康,简俊威,余松森.考虑源-荷随机协调特性的配电网概率潮流多目标优化方法[J].广东电力.2018
[8].张则强,汪开普,李六柯,毛丽丽.随机作业时间的U型拆卸线平衡多目标优化[J].计算机集成制造系统.2018
[9].王雅平,林舜江,杨智斌,孙兴鲁,刘明波.微电网多目标随机动态优化调度算法[J].电工技术学报.2018
[10].王雅平.微电网多目标随机优化调度研究[D].华南理工大学.2017