粒子群算法的電梯系統(tǒng)選擇性維修模型

（電梯行業(yè)求職招聘當(dāng)然首選一覽電梯英才網(wǎng)） 在超高層建筑中，快速、高效、平穩(wěn)的垂直服務(wù)是不可缺少的。電梯作為垂 直交通工具，對(duì)其數(shù)量的配置、控制方式及有關(guān)參數(shù)的選定將不僅直接影響建筑 物的一次投資一般電梯投資約占建筑物總投資的10％左右），而且還將影響建 筑物的使用安全和經(jīng)營(yíng)服務(wù)質(zhì)量?? 一、高層超高層電梯的配置 在超高層建筑中，快速、高效、平穩(wěn)的垂直服務(wù)是不可缺少的。電梯作為垂 直交通工具，對(duì)其數(shù)量的配置、控制方式及有關(guān)參數(shù)的選定將不僅直接影響建筑 物的一次投資一般電梯投資約占建筑物總投資的10％左右），而且還將影響建 筑物的使用安全和經(jīng)營(yíng)服務(wù)質(zhì)量。在建筑物內(nèi)，恰當(dāng)?shù)剡x用電梯的臺(tái)數(shù)、容量、 運(yùn)行速度、控制方式非常重要，而建筑物內(nèi)的電梯一經(jīng)選定和安裝使用就幾乎 成了永久的事實(shí)，以后若想增加或改型非常困難，甚至是不可能的了，因此，在 設(shè)計(jì)中應(yīng)該在設(shè)計(jì)開始時(shí)對(duì)電梯的配置應(yīng)予以充分重

針對(duì)火電系統(tǒng)生產(chǎn)過程中的環(huán)境污染問題,提出以火電系統(tǒng)節(jié)能環(huán)保為重點(diǎn)研究對(duì)象的多目標(biāo)優(yōu)化調(diào)度模型,并以改進(jìn)的粒子群算法進(jìn)行求解。結(jié)合灰色系統(tǒng)理論中有關(guān)灰色關(guān)聯(lián)度的概念對(duì)粒子群算法多目標(biāo)求解機(jī)制進(jìn)行改進(jìn),對(duì)煤耗量、污染氣體和煙塵排放等的多目標(biāo)火電系統(tǒng)優(yōu)化求解,引入壓縮因子改善粒子群算法的性能,增強(qiáng)其全局收斂能力。通過ieee14節(jié)點(diǎn)系統(tǒng)算例證明本算法的有效性。

低壓配電保護(hù)的選擇性探討 www.***.***2012-7-160:00:00 馮星明（中南建筑設(shè)計(jì)院股份有限公司，武漢市430071） 摘要：通過工程設(shè)計(jì)實(shí)例，闡述了低壓配電保護(hù)采用選擇性配合的必要性，介紹了低壓配電保護(hù)選擇性的定義、原理和方法，提出了 滿足保護(hù)選擇性的條件，論述了自然的選擇性的概念及要求，并對(duì)低壓各級(jí)配電的保護(hù)選擇性配合及斷路器選型進(jìn)行了充分的探討。 關(guān)鍵詞：完全選擇性部分選擇性自然的選擇性延時(shí)的選擇性能量選擇性邏輯選擇性選擇性極限電流值區(qū)域選擇性聯(lián)鎖 1低壓配電保護(hù)選擇性配合的必要性 低壓配電保護(hù)采用選擇性配合是為了滿足可靠性的要求，是有必要的，在某些情況下則是必須的。《低壓配電設(shè)計(jì)規(guī)范》gb50054-95 第4.1.2條：配電線路采用的上下級(jí)保護(hù)電器，其動(dòng)作應(yīng)具有選擇性；各級(jí)之間應(yīng)能協(xié)調(diào)配合。但對(duì)于非重

盾構(gòu)掘進(jìn)優(yōu)化能夠提高施工的穩(wěn)定性,確保施工效率和施工質(zhì)量,因此,將改進(jìn)粒子群算法應(yīng)用于盾構(gòu)掘進(jìn)施工優(yōu)化中.文章分析了盾構(gòu)掘進(jìn)施工參數(shù)對(duì)施工質(zhì)量的影響,并設(shè)計(jì)了施工優(yōu)化的數(shù)學(xué)模型;研究了改進(jìn)粒子群算法,提出了慣性權(quán)重的調(diào)節(jié)算法和設(shè)計(jì)盾構(gòu)掘進(jìn)施工優(yōu)化的算法流程;最后進(jìn)行了盾構(gòu)掘進(jìn)施工優(yōu)化的仿真分析.結(jié)果表明:該算法能夠有效地控制盾構(gòu)掘進(jìn)施工的沉降量,從而確保了盾構(gòu)掘進(jìn)施工質(zhì)量.

基于粒子群算法的滑坡強(qiáng)度參數(shù)反演分析——介紹了一種全局最優(yōu)化算法——粒子群算法，并把該算法應(yīng)用到滑坡強(qiáng)度參數(shù)反演分析中。實(shí)例表明，該方法是一種有效的工程分析方法，具有現(xiàn)實(shí)的工程意義。

為優(yōu)化電力市場(chǎng)競(jìng)價(jià),以發(fā)電機(jī)組實(shí)際報(bào)價(jià)結(jié)算購電費(fèi)用最低為目標(biāo)函數(shù),提出了基于粒子群算法的電力市場(chǎng)競(jìng)價(jià)方法。算例仿真計(jì)算的結(jié)果表明,在滿足電力系統(tǒng)多種約束的前提下,能取得較好的收斂結(jié)果,進(jìn)一步驗(yàn)證算法的正確性和有效性。

為降低變電站工頻電場(chǎng)曝露水平,避免工作人員長(zhǎng)期曝露其中可能造成的健康威脅,通過優(yōu)化電站設(shè)備布局來降低一次設(shè)備周圍近地面空間電場(chǎng)強(qiáng)度。建立220kv戶外配電設(shè)備3維幾何模型,采用軟件仿真計(jì)算出220kv戶外配電區(qū)電場(chǎng)分布,并將電場(chǎng)強(qiáng)度高于限值的設(shè)備區(qū)作為待優(yōu)化區(qū)域。提出適用于變電站電場(chǎng)優(yōu)化問題的粒子群優(yōu)化算法的適應(yīng)度函數(shù)和限制條件。以降低設(shè)備區(qū)外部電場(chǎng)分布作為優(yōu)化目標(biāo),對(duì)其進(jìn)行整體優(yōu)化計(jì)算,在此基礎(chǔ)上,以降低設(shè)備區(qū)內(nèi)部高場(chǎng)強(qiáng)分布作為優(yōu)化目標(biāo)對(duì)相關(guān)設(shè)備位置進(jìn)行微調(diào)。最后將計(jì)算所得最優(yōu)電場(chǎng)分布與原電場(chǎng)分布進(jìn)行對(duì)比,整體優(yōu)化后的適應(yīng)度函數(shù)值減小了83.4%,局部?jī)?yōu)化后適應(yīng)度函數(shù)值再次減小了29.1%。優(yōu)化結(jié)果表明,利用粒子群算法對(duì)設(shè)備排布重新優(yōu)化,可以在不增加建設(shè)成本的前提下降低目前變電站工頻電場(chǎng)曝露水平。

提出了一種利用改進(jìn)粒子群算法來解決變電站選址定容的問題,在改進(jìn)的方法中,通過對(duì)基本粒子群算法的慣性權(quán)值的研究和測(cè)試,將其由一個(gè)定值變?yōu)橐粋€(gè)隨著迭代次數(shù)而變化的量,有效的解決了粒子群算法在局部收斂上的問題;在模型上,將一些在選址定容中不可量化的因素引用到模型中,使量化因素和非量化因素緊密結(jié)合,共同作用于選址過程,使其科學(xué)合理;并通過實(shí)例規(guī)劃實(shí)例驗(yàn)證了該文所提模型和方法正確性和有效性。

針對(duì)逆變控制系統(tǒng)中pid控制器參數(shù)整定困難的問題,提出了基于粒子群算法的逆變電路pid控制器設(shè)計(jì)方法。通過推導(dǎo)逆變電路模型得到逆變電路傳遞函數(shù),以該傳遞函數(shù)作為pid控制對(duì)象,利用粒子群算法搜索pid參數(shù)。matlab仿真結(jié)果證明了該方法的可行性和優(yōu)越性。與采用遺傳算法相比較,該粒子群算法能更快的獲得合適的pid控制參數(shù),所需迭代次數(shù)更少。

為了確保電力系統(tǒng)建模的精確性和安全穩(wěn)定分析的可靠性,進(jìn)行輸電線路參數(shù)辨識(shí)測(cè)試是1項(xiàng)重要的工作。粒子群算法是近幾年來迅速發(fā)展起來并得到廣泛應(yīng)用的1種新型模擬進(jìn)化優(yōu)化算法。在簡(jiǎn)要介紹粒子群算法的基礎(chǔ)上,將其應(yīng)用于輸電線路的參數(shù)辨識(shí),并給出了參數(shù)辨識(shí)過程的理論分析,算例表明該算法具有可行性和有效性,對(duì)電力系統(tǒng)的發(fā)展有一定意義。

針對(duì)高維、復(fù)雜的梯級(jí)水庫優(yōu)化調(diào)度在求解時(shí)易出現(xiàn)\"維數(shù)災(zāi)\"或陷入局部最優(yōu)解的問題,本文提出了基于免疫進(jìn)化算法的粒子群優(yōu)化算法,該算法充分利用了免疫進(jìn)化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群尋優(yōu)中對(duì)初始種群的依賴和易陷入局部最優(yōu)的不足。通過實(shí)例計(jì)算表明,應(yīng)用該算法求解梯級(jí)水庫優(yōu)化調(diào)度問題,結(jié)果可靠、合理,計(jì)算效率高,從而為求解高維,復(fù)雜的梯級(jí)水庫優(yōu)化調(diào)度提供了新的思路。

在無功優(yōu)化、分布式電源(dg)有功優(yōu)化和網(wǎng)絡(luò)重構(gòu)協(xié)同的條件下,以有功網(wǎng)損最小為目標(biāo)函數(shù)、多種電氣限制和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為約束條件建立了配電網(wǎng)綜合運(yùn)行優(yōu)化模型;針對(duì)基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點(diǎn),提出一種改進(jìn)的粒子群(ipso)算法,并將其用于求解配電網(wǎng)綜合運(yùn)行優(yōu)化模型.結(jié)果表明,所建配電網(wǎng)綜合運(yùn)行優(yōu)化模型能夠同時(shí)優(yōu)化補(bǔ)償電容器投切容量、有載調(diào)壓變壓器變比、dg出力和網(wǎng)絡(luò)開關(guān)狀態(tài),從而獲得配電網(wǎng)的最佳運(yùn)行狀態(tài).同時(shí),通過ieee33節(jié)點(diǎn)配電網(wǎng)算例的仿真結(jié)果驗(yàn)證了配電網(wǎng)綜合運(yùn)行優(yōu)化模型的有效性和ipso算法的高效性.

由于電梯本身所具有的多目標(biāo)性、不確定性和非線性,使得在電梯群調(diào)度控制方面容易出現(xiàn)候梯時(shí)間較長(zhǎng)、能量消耗較大等問題。為了減輕這些問題對(duì)電梯群控制的影響,提出了一種基于改進(jìn)粒子群算法的電梯群控方案。仿真結(jié)果表明:以權(quán)值優(yōu)化改進(jìn)粒子群算法加快了控制過程的收斂速度,使得平均到達(dá)時(shí)間、平均擁擠度、電梯的啟停次數(shù)都有了很大的改善,滿足了智能大廈電梯群控系統(tǒng)的需要。

為了解決使用常規(guī)方法繪制水庫發(fā)電調(diào)度圖時(shí),典型水文年的樣本容量有限、水文特征的代表性具有局限性的問題,引入了文化粒子群算法,采用信仰空間吸收種群的知識(shí)經(jīng)驗(yàn),形成規(guī)則引導(dǎo)種群進(jìn)化,充分利用歷史實(shí)測(cè)資料繪制調(diào)度圖。通過實(shí)例研究,獲得了較常規(guī)方法更優(yōu)的結(jié)果,為優(yōu)化方法在水電站中長(zhǎng)期調(diào)度中的應(yīng)用提供了一條新途徑。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

針對(duì)pso算法中的早熟收斂問題,提出一種文化粒子群算法(cpso)并將pso納入文化算法模型作為群體空間的進(jìn)化方式,引入一種局部隨機(jī)搜索算子實(shí)現(xiàn)信念空間的知識(shí)結(jié)構(gòu)并指導(dǎo)算法的演化過程,在保持種群多樣性的同時(shí)提高算法的全局尋優(yōu)性能。將cpso應(yīng)用于某梯級(jí)水電站的優(yōu)化調(diào)度中,結(jié)果表明,cpso可很好地兼顧計(jì)算速度及求解精度,為梯級(jí)水庫優(yōu)化調(diào)度提供了一條全新途徑。

針對(duì)以發(fā)電為主的梯級(jí)小水電群,以各水庫的發(fā)電引用流量為決策變量,建立了以發(fā)電量最大為目標(biāo)的梯級(jí)小水電群優(yōu)化調(diào)度數(shù)學(xué)模型;設(shè)計(jì)了pso算法和apso算法的工程實(shí)現(xiàn)方法,具體包括編碼設(shè)計(jì)、迭代方法設(shè)計(jì)以及慣性權(quán)重設(shè)計(jì)等;通過一個(gè)具有兩庫串聯(lián)的梯級(jí)小水電群實(shí)例,將pso算法和apso算法的仿真尋優(yōu)過程進(jìn)行了比較,結(jié)果顯示兩種算法是有效的,并且apso算法具有更強(qiáng)、更快的全局搜索能力;將apso算法的仿真結(jié)果與同一條件下的ga算法的仿真結(jié)果進(jìn)行了比較,結(jié)果顯示apso算法的仿真結(jié)果更優(yōu),更能充分利用水能資源。

針對(duì)電梯維修過程中存在的維修不足與維修過剩問題,提出利用有限的維修資源對(duì)電梯系統(tǒng)進(jìn)行維修,使得電梯維修后的可靠度達(dá)到最高.在此基礎(chǔ)上,給出了選擇性維修模型的假設(shè)條件,以可靠度為目標(biāo)函數(shù),建立了一種非線性、離散的約束規(guī)劃,采用改進(jìn)粒子群算法對(duì)電梯系統(tǒng)中各個(gè)元件的維修程度進(jìn)行迭代尋優(yōu),包括粒子的表示、適應(yīng)度函數(shù)、更新公式、算法流程等.最后,通過對(duì)具體實(shí)例進(jìn)行求解,分析表明該模型與算法可以有效地優(yōu)化維修決策方案,提高電梯系統(tǒng)運(yùn)行的可靠度,同時(shí)為決策者制定決策提供指導(dǎo).

以自動(dòng)門的控制系統(tǒng)中的主要的受控對(duì)象無刷直流電動(dòng)機(jī)為研究對(duì)象,對(duì)其速度控制進(jìn)行了深入的研究。首先對(duì)無刷直流電動(dòng)機(jī)的參數(shù)和結(jié)構(gòu)進(jìn)行分析,建立起數(shù)學(xué)模型,然后將粒子群群算法與pid控制相結(jié)合,應(yīng)用于電機(jī)的速度控制,使得自動(dòng)門的開門關(guān)門速度和時(shí)間可以快速地響應(yīng)外部要求,達(dá)到控制要求。

濟(jì)鋼的氧氣系統(tǒng)一直存在著供需不平衡的問題,導(dǎo)致氧氣放散率高,影響經(jīng)濟(jì)效益。通過對(duì)氧氣系統(tǒng)的生產(chǎn)、存儲(chǔ)和使用等環(huán)節(jié)進(jìn)行綜合分析,以氧氣放散率最低,經(jīng)濟(jì)效益最大為目標(biāo)函數(shù),建立氧氣系統(tǒng)優(yōu)化調(diào)度的模型,并利用改進(jìn)的粒子群算法求得最優(yōu)解,取得了良好的效果。

為了提高接地網(wǎng)腐蝕故障診斷的精度和效率,提出基于混沌粒子群算法的分塊診斷方法;根據(jù)節(jié)點(diǎn)撕裂法將接地網(wǎng)分成若干個(gè)子網(wǎng)絡(luò)和自由支路,建立分塊多目標(biāo)優(yōu)化模型,并采用混沌粒子群優(yōu)化算法對(duì)診斷模型進(jìn)行求解;利用matlab對(duì)算例進(jìn)行仿真計(jì)算得到的診斷結(jié)果與實(shí)際故障倍數(shù)差都在±0.5之間,能夠有效地判斷出接地網(wǎng)腐蝕故障的情況,是一種可行的牽引變電所接地網(wǎng)腐蝕故障診斷方法。

分析了當(dāng)前廠用電考核管理中存在的問題,提出了用直接廠用電率代替綜合廠用電率考核電廠廠用電水平。采用經(jīng)粒子群算法改進(jìn)的最小二乘法,克服了常規(guī)方法擬合誤差大的缺點(diǎn),大幅提高了計(jì)算精度,有效地應(yīng)用于某個(gè)西南地區(qū)的常規(guī)水電站用電量的考核中,取得了良好效果,表明了算法的有效性。