[發(fā)明專利]一種基于環(huán)形拓?fù)涓咚箘?dòng)態(tài)粒子群優(yōu)化算法的船舶電網(wǎng)重構(gòu)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310590361.1
• 申請(qǐng)日: 2013-11-20
• 公開(kāi)（公告）號(hào): CN104657780A
• 公開(kāi)（公告）日: 2015-05-27
• 發(fā)明（設(shè)計(jì)）人: 蓋麗;林葉錦;郭昊昊;艾莉莉;程鵬;周國(guó)順
• 申請(qǐng)（專利權(quán)）人: 大連佑嘉軟件科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 無(wú)
• 代理人: 無(wú)

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于環(huán)形拓?fù)涓咚箘?dòng)態(tài)粒子群優(yōu)化算法的船舶電網(wǎng)重構(gòu)方法,屬于群體智能計(jì)算領(lǐng)域。

背景技術(shù)

船舶電力系統(tǒng)與陸地電力系統(tǒng)有顯著不同，因此電網(wǎng)重構(gòu)問(wèn)題不同于陸地電力系統(tǒng)的配電網(wǎng)重構(gòu)，具有如下幾個(gè)特點(diǎn)：船舶電力系統(tǒng)與陸地電力系統(tǒng)相比，電力線路較短，阻抗很小，其有功網(wǎng)損可以忽略不計(jì)；船舶電網(wǎng)重構(gòu)的主要目標(biāo)是在故障發(fā)生或戰(zhàn)斗受損時(shí)，最大限度地保持對(duì)高優(yōu)先級(jí)負(fù)荷的持續(xù)供電，維持船舶最基本的負(fù)荷需求；船舶電力系統(tǒng)存在一些重要負(fù)荷必須保證持續(xù)供電，須在很短的時(shí)間內(nèi)完成電網(wǎng)重構(gòu)，因此要求用于船舶電網(wǎng)重構(gòu)問(wèn)題的算法消耗時(shí)間很短。由此可見(jiàn)，該問(wèn)題在本質(zhì)上屬于多目標(biāo)、多變量、含約束、實(shí)時(shí)性要求高的離散優(yōu)化組合問(wèn)題，目前國(guó)內(nèi)外學(xué)者提出的方法主要是智能搜索方法、多智能體方法、專家系統(tǒng)和整數(shù)規(guī)劃方法等。上述方法雖然能夠?qū)崿F(xiàn)船舶電網(wǎng)重構(gòu)，取得一定的優(yōu)化效果，但是這些方法最大的缺點(diǎn)就在于沒(méi)有針對(duì)船舶電網(wǎng)重構(gòu)問(wèn)題的特點(diǎn)進(jìn)行適應(yīng)性的改進(jìn)，計(jì)算時(shí)間過(guò)長(zhǎng)，不能滿足船舶電網(wǎng)重構(gòu)問(wèn)題的實(shí)時(shí)性要求。

發(fā)明內(nèi)容

為了克服上述不足，本發(fā)明的目的就是要提出一種滿足船舶電網(wǎng)故障下負(fù)荷恢復(fù)需求的簡(jiǎn)潔高效的環(huán)形拓?fù)涓咚箘?dòng)態(tài)粒子群（Gaussian?Dynamic?Particle?Swarm，GDPS）優(yōu)化算法。

為了實(shí)現(xiàn)上述目的，本發(fā)明提出了一種采用環(huán)形拓?fù)涞母咚箘?dòng)態(tài)粒子群優(yōu)化算法。環(huán)形拓?fù)渲忻總€(gè)粒子的鄰域包括緊鄰在粒子兩邊的一個(gè)粒子。在該種拓?fù)浣Y(jié)構(gòu)中，粒子之間的信息交流相對(duì)較慢，而一旦其中一個(gè)粒子搜索到最優(yōu)位置，那么這個(gè)信息最終也將逐步傳播到整個(gè)群體。這種拓?fù)溥m合于存在多個(gè)局部極值的優(yōu)化問(wèn)題，當(dāng)其中幾個(gè)粒子陷入局部極值時(shí)，其它粒子受到的影響小，因此更有利于搜索到全局最優(yōu)解。同時(shí)此環(huán)形拓?fù)湎鄬?duì)比較簡(jiǎn)單，計(jì)算時(shí)間也會(huì)明顯縮短。

本發(fā)明提出的方法可以保持整個(gè)種群的多樣性，獲得了更快速更好的全局尋優(yōu)效果。本發(fā)明具體的步驟是：

步驟1：設(shè)置GDPS優(yōu)化算法主要參數(shù)，在問(wèn)題解空間內(nèi)隨機(jī)初始化種群。

步驟2：判斷種群迭代過(guò)程是否小于N₁，如果是則采用作為目標(biāo)函數(shù)對(duì)種群進(jìn)行評(píng)價(jià)；反之則挑選M個(gè)最優(yōu)粒子采用采用作為目標(biāo)函數(shù)進(jìn)行評(píng)價(jià)。

步驟3：判斷當(dāng)前種群中每個(gè)粒子的適應(yīng)度是否比以往每個(gè)粒子更優(yōu)；如果是則更新每個(gè)粒子的最優(yōu)適應(yīng)度及個(gè)體，反之則進(jìn)入步驟4。

步驟4：按采用環(huán)形拓?fù)涞腉DPS優(yōu)化算法的位置計(jì)算公式更新當(dāng)前種群中所有粒子的位置矢量。

步驟5：判斷是否達(dá)到每N₂個(gè)迭代代數(shù)，如果是重新初始化所有粒子但保留全局最優(yōu)與個(gè)體最優(yōu)的適應(yīng)度值與位置矢量；反之則進(jìn)入步驟6。

步驟6：判斷算法是否達(dá)到最大迭代次數(shù)或滿足終止條件，如果是則終止搜索，輸出最終結(jié)果；反之則返回步驟2。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：

1、本發(fā)明在現(xiàn)有的GDPS優(yōu)化算法采用全連接型拓?fù)涞幕A(chǔ)上引入環(huán)形拓?fù)?，環(huán)形拓?fù)湎啾热B接型拓?fù)淇娠@著提高GDPS優(yōu)化算法在迭代搜索過(guò)程中的種群多樣性，提高了搜索到最優(yōu)解的可能性。同時(shí)在不影響搜索精度的前提下顯著降低了搜索時(shí)間，提高了搜索到滿意解的成功率，因此本發(fā)明相比現(xiàn)有技術(shù)更適用于船舶電網(wǎng)重構(gòu)問(wèn)題。

2、本發(fā)明將適用于連續(xù)變量搜索的GDPS優(yōu)化算法改造為可適用于船舶電網(wǎng)重構(gòu)問(wèn)題的離散變量GDPS優(yōu)化算法。

3、本發(fā)明在每迭代一定代數(shù)后更新全部粒子，同時(shí)保留全局最優(yōu)個(gè)體與局部最優(yōu)個(gè)體的位置與適應(yīng)度值。采用此種技術(shù)的GDPS優(yōu)化算法在保證搜索精度的同時(shí)極大地提高了搜索效率，與現(xiàn)有算法相比更適應(yīng)船舶電網(wǎng)重構(gòu)問(wèn)題的實(shí)時(shí)性要求。另外，其粒子群定期更新技術(shù)可以平衡全局搜索與局部搜索能力，提高GDPS優(yōu)化算法的搜索效率。

附圖說(shuō)明

圖1是基于環(huán)形拓?fù)銰DPS優(yōu)化算法的流程圖。

圖2是8節(jié)點(diǎn)船舶電力系統(tǒng)的網(wǎng)絡(luò)拓?fù)鋱D。

圖3是環(huán)形拓?fù)涞慕Y(jié)構(gòu)圖。

圖4是8節(jié)點(diǎn)船舶電力系統(tǒng)的負(fù)荷容量及優(yōu)先級(jí)權(quán)重。

圖5是8節(jié)點(diǎn)船舶電力系統(tǒng)不同工況下負(fù)荷與優(yōu)先級(jí)需求。

圖6是戰(zhàn)斗工況下幾種拓?fù)涞乃阉鹘Y(jié)果對(duì)比。

圖7是機(jī)動(dòng)工況下幾種拓?fù)涞乃阉鹘Y(jié)果對(duì)比。

圖8是航行工況下幾種拓?fù)涞乃阉鹘Y(jié)果對(duì)比。

具體實(shí)施方式

下面結(jié)合附圖及仿真算例對(duì)本發(fā)明作進(jìn)一步地說(shuō)明。

本發(fā)明的算法流程圖如圖1所示。