针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始...针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始化,克服随机初始化导致的搜索空间覆盖不均的问题;其次,结合余弦函数在[0,π/2]的函数变化特点,提出基于余弦函数的非线性收敛因子调节策略,采用具有全局探索与局部开发能力的平衡算法提升寻优精度。针对储能系统频繁充放电导致寿命衰减的问题,通过量化储能系统频繁充放电造成的寿命损耗成本,建立计及光伏维护成本、电网交互成本及储能寿命损耗折算成本的经济优化调度模型。利用改进灰狼优化算法求解优化调度模型,并与其他优化算法进行对比,仿真结果表明:相较于传统定时充放电策略和常规能量分配方案,所提方法在晴天和阴天场景下均展现出更优的经济性,验证了所提的改进灰狼优化算法能够更好地实现并网模式下交流微电网灵活经济运行,为高比例可再生能源接入的微电网系统提供了兼顾经济性与实用性的优化调度新思路。展开更多
模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optim...模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optimizer,GWO)的模块化机器人拓扑优化方法。首先,针对模块化机器人构建运动链表征,并基于旋量法和牛顿-欧拉法完成运动学/动力学建模。然后,基于运动链表征设计拓扑决策变量,考虑机器人的模块数量、最大关节驱动力矩和灵巧性设计目标函数,引入交叉、变异概念改进灰狼优化算法,建立拓扑优化模型并求解。最后,针对两个实验求解所对应的最优拓扑,对比验证了该算法能有效求取模块化机器人最优拓扑。展开更多
文摘针对传统灰狼优化(grey wolf optimization,GWO)算法在求解并网模式下微电网优化调度模型时存在种群分布不均以及易陷入局部最优等问题,对传统灰狼优化算法进行改进。首先,在传统灰狼优化算法基础上引入Tent混沌映射进行种群多样性初始化,克服随机初始化导致的搜索空间覆盖不均的问题;其次,结合余弦函数在[0,π/2]的函数变化特点,提出基于余弦函数的非线性收敛因子调节策略,采用具有全局探索与局部开发能力的平衡算法提升寻优精度。针对储能系统频繁充放电导致寿命衰减的问题,通过量化储能系统频繁充放电造成的寿命损耗成本,建立计及光伏维护成本、电网交互成本及储能寿命损耗折算成本的经济优化调度模型。利用改进灰狼优化算法求解优化调度模型,并与其他优化算法进行对比,仿真结果表明:相较于传统定时充放电策略和常规能量分配方案,所提方法在晴天和阴天场景下均展现出更优的经济性,验证了所提的改进灰狼优化算法能够更好地实现并网模式下交流微电网灵活经济运行,为高比例可再生能源接入的微电网系统提供了兼顾经济性与实用性的优化调度新思路。
文摘模块化机器人可重构为不同的拓扑,从而具备多样的工作能力以应对复杂多变的任务需求,如何求取具备所需工作能力的机器人最优拓扑是充分发挥模块化机器人重构特性的关键。为解决这一问题,本文提出了一种基于灰狼优化算法(Grey wolf optimizer,GWO)的模块化机器人拓扑优化方法。首先,针对模块化机器人构建运动链表征,并基于旋量法和牛顿-欧拉法完成运动学/动力学建模。然后,基于运动链表征设计拓扑决策变量,考虑机器人的模块数量、最大关节驱动力矩和灵巧性设计目标函数,引入交叉、变异概念改进灰狼优化算法,建立拓扑优化模型并求解。最后,针对两个实验求解所对应的最优拓扑,对比验证了该算法能有效求取模块化机器人最优拓扑。
