微粒群算法及其在鋅電解整流供電系統(tǒng)優(yōu)化中的應用研究.pdf

1、鑒于科學研究和實際工程中許多問題的復雜性、約束性、非線性、多局部極小和建模困難等特點，尋找適用于各種不同需求的新型智能優(yōu)化方法一直是許多學科的一個重要研究方向。群智能優(yōu)化技術是模仿自然界群體生物行為特征而產(chǎn)生的一類新興智能優(yōu)化算法，該算法在沒有集中控制且不提供全局模型的前提下，為求解復雜問題的最優(yōu)解提供了基礎。 本文在研究群智能優(yōu)化算法的模型之一——微粒群算法的基本原理和研究現(xiàn)狀的基礎上，針對基本微粒群算法研究中存在的一些問題，

2、提出了多種改進的微粒群算法，并研究這些改進算法在復雜科學研究和工程問題中的應用策略。本文的研究目的：一方面是探索微粒群算法的改進形式，使之能夠有效地解決神經(jīng)網(wǎng)絡訓練、復雜多峰函數(shù)尋優(yōu)、多目標優(yōu)化等理論問題；另一方面是將改進的微粒群算法應用于復雜工業(yè)系統(tǒng)的優(yōu)化控制與決策。本文的主要研究工作包括以下幾個方面： 1．在分析基本微粒群算法和協(xié)同微粒群算法特點的基礎上，借鑒生態(tài)學中的種群劃分思想，設計出一種多種群協(xié)同進化微粒群算法，并分析

3、了該算法的收斂性能；在分析徑向基函數(shù)神經(jīng)網(wǎng)絡結構的基礎上，提出了基于多種群協(xié)同進化微粒群算法的徑向基函數(shù)神經(jīng)網(wǎng)絡結構和權值優(yōu)化設計策略，并在混沌序列預測、系統(tǒng)辨識、語音信號處理等應用仿真實驗中驗證了算法的有效性。 2．將一種“基于密度”的聚類算法與小生境微粒群算法相結合，提出了一種基于聚類的小生境微粒群算法(CBNPSO)，克服了目前存在的算法在多峰函數(shù)尋優(yōu)中存在的缺陷。提出的算法組合了兩種方法來實現(xiàn)小生境技術的思想：第一，采用

4、多種群策略實現(xiàn)全局和各子微粒群按不同的PSO算法進化；第二，采用聚類算法區(qū)分微粒群中存在的不同子微粒群。 3．研究了微粒群算法在聚類分析中的應用。提出了將微粒群算法與山峰聚類思想結合起來尋找聚類中心的方法，克服了傳統(tǒng)的C均值或模糊C均值等聚類算法中存在的聚類結果與參數(shù)設置密切相關、聚類結果與初始聚類中心的選擇以及樣本輸入順序密切相關、要求設置的參數(shù)較多等缺陷。(1)將變慣性系數(shù)的l-best PSO與山峰聚類法相結合，得到一種基

5、于微粒群優(yōu)化算法的山峰聚類算法；(2)簡化山峰函數(shù)的計算，提出了一種基于微粒群算法的快速山峰聚類算法；(3)將小生境微粒群算法山峰聚類的思想結合起來，提出了基于小生境微粒群算法的山峰聚類法，實現(xiàn)了自動獲取多維未知樣本數(shù)據(jù)的聚類中心個數(shù)和位置。 4．在研究應用微粒群算法實現(xiàn)多目標優(yōu)化的關鍵技術的基礎上，提出了一種隨機多目標微粒群算法(SMOPSO)，并應用齊次馬爾科夫鏈理論對SMOPSO的收斂性進行了分析。仿真實驗表明，該算法不僅

6、計算簡單，而且能夠獲得較多的分布比較均勻的非劣解。 5.以某冶煉廠鋅電解分時供電調度系統(tǒng)為對象，在已有文獻研究的基礎上，建立了鋅電解生產(chǎn)過程分時供電優(yōu)化調度系統(tǒng)的多目標優(yōu)化數(shù)學模型，應用整數(shù)空間的隨機多目標PSO算法實現(xiàn)鋅電解過程分時供電的優(yōu)化調度，克服了采用單目標模擬退火算法進行優(yōu)化調度時存在懲罰因子選取的先驗知識不足、搜索效率較低等缺點。鋅電解過程分時供電優(yōu)化調度系統(tǒng)不僅有效緩解了城市用電矛盾，而且為企業(yè)帶來了巨大的經(jīng)濟效益

7、。 6．在研究鋅電解整流供電系統(tǒng)控制特點的基礎上，建立了基于整流效率的鋅電解生產(chǎn)整流供電系統(tǒng)優(yōu)化控制數(shù)學模型，并針對該模型設計出一種遞階多目標微粒群算法，用于整流所直流電力經(jīng)濟運行的優(yōu)化決策，在保證電解過程分時供電調度措施要求的輸出電流穩(wěn)流精度情況下，以提高整流效率為中心，優(yōu)化并聯(lián)運行多臺機組的投運組合和電流分配，達到有效提高整流所整流效率、節(jié)約能源的目的，為有色金屬電解生產(chǎn)的節(jié)能降耗提供了一種新的思路和方法。 7．開發(fā)