XiaoMi-AI文件搜索系统
World File Search SystemMOPSO
电气工程和信息学公告
This paper presents the application of two swarm intelligence techniques, multi-objective artificial bee colony (MOABC) and multi-objective particle swarm optimization (MOPSO), to the optimal design of a complementary metal oxide semiconductor (CMOS) low noise amplifier (LNA) cascode with inductive source degeneration.目的是在电压增益和噪声数字之间实现平衡的权衡。优化的LNA电路在2.4 GHz的运行量为1.8 V电源，并在180 nm CMOS过程中实现。在MATLAB中实现了两种优化算法，并使用ZDT1，ZDT2和ZDT3测试功能进行了评估。然后使用Advance Design System（ADS）模拟器模拟了优化的设计。结果表明，MOABC和MOPSO技术在优化LNA设计方面是实用有效的，从而比以前发表的作品更好地性能，增益为21.2 dB，噪声图为0.848 dB。
文章在多目标FU
摘要：这项研究演示了如何在频繁电网中断的国家中使用中小型企业存储系统使用网格连接的杂种PV和沼气能量。这项工作的主要目标是增强HRES有利地影响HRES经济可行性，可靠性和环境影响的能力。净现在成本（NPC），温室气体（GHG）排放以及停电的可能性是被检查的变量之一。混合解决方案涉及使用多种方法来妥协经济，可靠性和环境的各个方面。Metaheuristic optimization techniques such as non-dominated sorting whale optimiza- tion algorithm (NSWOA), multi-objective grey wolf optimization (MOGWO), and multi-objective particle swarm optimization (MOPSO) are used to find the best size for hybrid systems based on evaluation parameters for financial stability, reliability, and GHG emissions and have been evalu- ated using MATLAB。已经提出了NSWOA，MOGWO和MOPSO与150迭代时的系统参数之间的详尽比较。结果证明了NSWOA在实现预定义的多目标函数的最佳最佳值方面的优势，而Mogwo和Mopso分别排在第二和第三。比较研究的重点是NSWOA生产最佳NPC，LPSP和GHG排放值的能力，该值分别降低了6.997×106、0.0085和7.3679×106 kg。此外，模拟结果表明，NSWOA技术在解决优化问题的能力方面优于其他优化技术。此外，结果表明，在各种操作条件下，设计系统具有可接受的NPC，LPSP和GHG排放值。
分布式能源资源规划与存储管理的多目标框架
使用储能系统 (ESS) 和分布式发电机 (DG) 来提高可靠性是当今受到研究人员广泛关注的解决方案之一。在本研究中，我们从多目标优化的角度利用多目标优化方法对配电网中的分布式发电机进行优化规划。目标是提高网络的可靠性，同时降低年成本和网络损耗。使用多目标正弦余弦算法的改进版本来确定 DG 的最佳大小、位置和类型以及 ESS 的最佳容量、位置和运行策略。对具有土耳其 DG 和负载数据的 IEEE 33 总线、69 总线和 141 总线测试系统的三个案例研究，以验证所提方法的有效性。将帕累托前沿解和最佳目标函数的分布与其他已知算法进行了比较。模拟结果表明，测试系统的平均未供应能量和年能量损失分别减少了高达 68% 和 64%。此外，根据三种不同的帕累托优化指标，所提方法的帕累托前沿呈现出更好的分布，并且优于 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEA-D 获得的帕累托前沿。最后，计算工作量结果显示，与 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEAD 相比，MOSCA 的收敛速度更快。
用多目标粒子群算法
摘要伊朗太阳能的高潜力以及空气污染的问题使使用太阳能越来越不可避免。在这项工作中，研究了太阳能有机兰丁周期（ORC）。太阳能收集器是平板收集器。与MOPSO算法的混合体系的能量，自我和经济分析是针对伊朗首都德黑兰进行的。假定太阳能收集器的工作流体被认为是水，ORC的工作流体为R123。MATLAB软件用于仿真，为了计算R123流体属性，使用了重建软件。exergy的调查表明，最充电的破坏与蒸发器有关。考虑了两个由发射效率和电价组成的目标功能。该优化的决策变量被认为是太阳能收集器面板和泵的数量，涡轮机等效率以及冷凝器和蒸发器的压力。帕累托图显示，系统的发电效率在7.5-10.5％的范围内可能有所不同，生产的电力价格可能会在0.2-0.26 $/kWh的范围内变化。关键字：自动，有机兰金周期，平坦收集器，能量，经济，太阳能。
基于混沌粒子—蚁群算法的多目标可持续供应链网络优化
对于可持续供应链网络的优化设计，考虑问题因素的综合性，综合考虑经济、环境和社会三个方面，以建立成本最小、环境污染排放最小和劳动力数量最大为目标，建立以供应链网络效率最大化为目标的混合整数规划模型。本文的创新之处，首先是在连续供应链中考虑经济、环境和社会效益的影响，其中环境效益不仅考虑碳排放，还包括工厂废水、废弃物和固体废弃物的排放作为影响因素。其次，构建了多目标模糊隶属函数，以总体满意度值来衡量模型解的质量。最后，提出了混沌粒子蚁群算法，解决了粒子群算法运行中出现的过早收敛问题。实验结果表明,本文提出的PSCACO算法与MOPSO、CACO、NSGA-II算法进行比较,得出算法的收敛效果更加有效,验证了混沌粒子蚁群算法求解多目标函数的有效性和可行性,为供应链管理提出了一种新的可行方案。
并网微电网电池储能多目标优化运行规划
摘要 — 本文研究了由光伏 (PV) 系统和电池储能系统 (BESS) 组成的并网微电网 (GCMG) 在外部电源中断期间的预期业务连续性的评估。对于评估指标，采用关键负载的自供电持续时间和不间断自供电的成功率，并研究其与光伏容量和 BESS 初始电量的关系。此外，本文提出了一种新的 GCMG 中 BESS 的多目标优化运行规划方法。在微电网中同时考虑了存在权衡关系的运行成本和弹性。以从电网购买电力的成本作为运行成本指标，以切换到独立运行状态时微电网内停电持续时间作为弹性指标，制定多目标优化问题以确定 BESS 运行规划。对于优化方法，采用多目标粒子群优化 (MOPSO)。为了验证所提方法的有效性，进行了数值模拟，结果表明，所提方法获得的帕累托解有助于微电网运营商确定 BESS 运行计划，考虑运行成本和弹性之间的最佳平衡，满足其需求。
考虑需求响应的电力-氢能储能混合系统优化规划
摘要：近年来随着可再生能源发电技术的不断发展,分布式电源(DG)的使用比例过大导致配电网稳定性下降,同时传统配电网运行模式无法保持源荷平衡,而有源配电网(ADN)的运行模式可以有效减缓DG比例过高导致的运行稳定性下降。因此,本文提出了一种考虑需求响应(DR)的ADN电氢混合储能系统(ESS)规划双层模型。上层以负荷波动最小、用户购电成本满意度最大、用户舒适度最高为目标;基于电价弹性矩阵模型,得到下层ESS规划的最优电价制定策略;在下层,以ESS全寿命周期成本(LCC)、ADN电压波动、负荷波动最小为目标,得到最优ESS规划方案。最后采用MOPSO算法对模型进行测试，并通过扩展的IEEE-33节点测试系统验证了所提方法的正确性，仿真结果表明电压波动降低了62.13%，负荷波动降低了37.06%。
使用RES：全面评论
摘要：为了克服RES的间歇性，考虑了整合可再生能源（RES）和可靠功率的混合微电网系统的优化方法。混合AC/DC微电网系统是使用太阳能光伏系统，风力涡轮机，电池存储，转换器和柴油发电机构建的。与杂化AC/DC微电网的混合可再生能源的利用稳定增加。因此，有必要解决优化技术。因此，本研究提出了使用进化算法利用多目标优化方法。在这种情况下，审查了一些有关多目标优化的论文，以确定与RESS的混合AC/DC微电网的能力和最佳设计。在这里，最佳系统包括最低能源成本，最低净现现有成本，低运营成本，低碳排放和高可续签分数。使用多目标优化（MOO）算法确定这些。混合AC/DC微电网的大小优化基于多目标灰狼优化器（MOGWO）和多目标粒子群优化（MOPSO）。同样，具有不同进化算法（Moga，Mogoa等）的多目标优化降低了能源成本和净现在成本，并提高了岛状混合微电网系统的可靠性。
采用 RES 的混合交流/直流微电网的多目标优化算法：综合综述
摘要：为了克服可再生能源 (RES) 的间歇性，考虑了混合微电网系统的优化方法，该系统集成了可再生能源 (RES) 并向偏远地区提供可靠的电力。混合交流/直流微电网系统由太阳能光伏系统、风力涡轮机、电池存储、转换器和柴油发电机构成。混合交流/直流微电网中混合可再生能源的利用率稳步上升；因此，有必要解决优化技术。因此，本研究提出利用进化算法的多目标优化方法。在此背景下，回顾了几篇关于多目标优化的论文，以确定带有可再生能源的混合交流/直流微电网的容量和最佳设计。在这里，最佳系统包括最低能源成本、最低净现值成本、低运营成本、低碳排放和高可再生能源比例。这些都是通过使用多目标优化 (MOO) 算法确定的。混合交流/直流微电网的规模优化基于多目标灰狼优化器 (MOGWO) 和多目标粒子群优化 (MOPSO)。同样，使用不同进化算法 (MOGA、MOGOA 等) 进行多目标优化可以降低能源成本和净现值成本，并提高孤岛混合微电网系统的可靠性。