XiaoMi-AI文件搜索系统
World File Search System最优解
应用能源 - 信息科学 - EPFL
本文介绍了一种用于承载大量光伏 (PV) 发电和负载的主动配电网 (ADN) 中的配电网扩展规划 (DNEP) 和储能系统 (ESS) 分配的组合框架。通过确定连接新节点的最佳电网扩展、现有线路的加固和 ESS 分配，所提出的 DNEP 可确保目标 ADN 的可靠运行，以实现其可调度性，同时最大限度地减少电网损耗。分配的 ESS 可补偿由随机负载和发电引起的随机功率流，使 ADN 能够遵循电网连接点的预定义功率计划。电网约束通过使用改进的增强型宽松最优功率流 (AR-OPF) 模型建模，该模型凸化了经典的 AC-OPF，为径向网络提供了 OPF 问题的全局最优解和精确解。DNEP 问题的复杂性通过采用顺序算法来处理，其中新节点按照用户确定的优先级逐个添加。在顺序规划的每个阶段，Benders 分解算法迭代地确定投资和 ADN 运行的最优解。此外，与 ESS 和线路投资相关的选址和定型问题分别解决，以提高收敛速度。在一个真实的 55 节点瑞士 ADN 上进行模拟，该 ADN 承载着相当大的随机光伏发电。
基于约束量子优化的新型量子遗传算法
摘要 摘要 在过去的几十年中，已经开发出了许多量子算法。阻碍这些算法广泛实施的主要障碍是可用量子计算机的量子比特规模太小。盲量子计算 (BQC) 有望通过将计算委托给量子远程设备来处理此问题。在这里，我们介绍了一种新颖的约束量子遗传算法 (CQGA)，该算法以非常低的计算复杂度选择约束目标函数（或庞大的未排序数据库）的最佳极值（最小值或最大值）。由于约束经典遗传算法 (CCGA) 收敛到最优解的速度高度依赖于最初选择的潜在解的质量水平，因此 CCGA 的启发式初始化阶段被量子阶段取代。这是通过利用约束量子优化算法 (CQOA) 和 BQC 的优势实现的。所提出的 CQGA 用作上行链路多小区大规模 MIMO 系统的嵌入式计算基础设施。该算法在考虑不同用户目标比特率类别的同时，最大化上行大规模 MIMO 的能量效率 (EE)。仿真结果表明，建议的 CQGA 通过仔细计算每个活跃用户的最佳发射功率，使用比 CCGA 更少的计算步骤，实现了能量效率的最大化。我们证明，当整体发射功率集或总体活跃用户数量增加时，与 CCGA 相比，CQGA 始终执行较少数量的生成步骤。例如，如果我们考虑将总体活跃用户数量 () 设置为 18 的场景，CQGA 会使用较少的生成步骤数（等于 6）找到最优解，而 CCGA 则需要更多的生成步骤数，达到 65。
无人多旋翼飞行器的控制性与设计...
提出了一种分布式电力推进多旋翼飞机的新设计方法，以确保从控制角度对转子故障具有鲁棒性。基于零可控性概念，推导出一个质量指标来评估和量化考虑转子故障的情况下给定设计的性能。制定了一个优化问题，其成本函数基于质量指标，其最优解确定了一组最优设计参数，可最大程度地提高飞机控制其姿态和位置的能力。通过对加州理工学院自主系统与技术中心正在开发的自主飞行救护车模型进行实验的结果，验证了所提出的设计程序的有效性。
多态网络下基于自能的港口微电网分布式低碳能源管理方法
为了减少港口污染与碳排放、提高清洁能源利用率，提出一种基于船舶自能源（WE）的港口微电网及其多态分布式低碳能源管理方法。首先，本研究考虑船舶自能源（SWE）等多种异构WE，建立港口微电网多态能源管理系统，实现不同通信网络下WE之间的可靠信息交互。其次，考虑港口WE双向能量传输特性，建立异构WE的运行成本函数。此外，以港口微电网经济低碳运行为目标，构建港口微电网能量管理模型，并基于分布式优化理论获得最优解。最后，通过仿真算例验证了所提方法的有效性。
一种用于 HRES 大小和配置的蚁群算法...
摘要 — 提出了一种蚁群算法 (ACO)，使用连续搜索空间方法对混合可再生能源系统规模和配置进行优化。在所提出的算法中，搜索空间中的信息素分布由高斯分布确定，并根据信息素沉积值通过轮盘赌原理进行概率路径选择。ACO 算法在软件工具 MOHRES 中实现，并进行了三个案例研究，以优化由全配置风能-光伏-电池-柴油-FC 电解器系统衍生的独立混合可再生能源系统的规模和配置。为了评估所提出的 ACO 的性能，将最优解与 MOHRES 中实现的遗传算法 (GA) 优化算法获得的解决方案进行了比较。
![arXiv:submit/2990311 [quant-ph] 2020 年 1 月 1 日](/simg/g:\will\search\icon\source\a\a4fb0fa2da8062705003b7485834e7a72fe94c05.webp)
arXiv:submit/2990311 [quant-ph] 2020 年 1 月 1 日
我们引入了强化量子退火 (RQA) 方案，其中智能代理与量子退火器交互，后者扮演学习自动机的随机环境角色，并尝试针对给定的问题迭代地找到更好的 Ising 汉密尔顿量。作为概念验证，我们提出了一种新方法，用于将布尔可满足性 (SAT) 的 NP 完全问题简化为最小化 Ising 汉密尔顿量，并展示如何应用 RQA 来提高找到全局最优解的概率。我们使用 D-Wave 2000Q 量子处理器对两个不同的基准 SAT 问题（即因式分解伪素数和具有相变的随机 SAT）进行了实验，结果表明，与量子退火领域最先进的技术相比，RQA 可以用更少的样本找到明显更好的解决方案。
优化储能系统配置...
随着风电、光伏等可再生能源的大规模接入，在增加间歇性可再生能源利用的同时，还需要维持电力系统电压的稳定性。储能技术的快速发展使得部署储能系统 (ESS) 来支持电压调节成为可能。本文开发了一种 ESS 优化方法来估算支持配电网电压调节的分布式 ESS 的最佳容量和位置。首先对集成了 PV 和 ESS 的网络电气元件进行建模，以模拟网络的电压曲线。然后采用改进的多目标粒子群优化 (PSO) 算法来最小化整个网络和时间范围内总节点电压与标称水平的偏差与反映相关投资的 ESS 能量容量的加权和。改进的 PSO 算法根据每个粒子与种群中已知最佳粒子的距离自适应地调整与每个粒子相关的惯性权重，并引入小距离的交叉变异操作以避免陷入局部最优解。然后采用动态密集距离排列更新非劣解集并指向潜在的全局最优解，以保持最优Pareto解集的规模和均匀性。为减轻决策者偏好的影响，采用基于信息熵的与理想解相似度排序技术从Pareto解集中选择最优的ESS接入方案和容量组合。基于附加高压电源进口的IEEE 24节点系统对所提出的ESS优化方法进行了测试。模拟了没有ESS以及随机或优化ESS放置的网络电压曲线，以说明优化的ESS在正常运行下进行电压调节和在高压输电故障期间支持应急电源的有效性。
基于模型的系统工程中的关键参数管理
软件环境支持实施基于不确定性的多学科优化。非支配排序遗传算法 NSGA-II 强调了性能优化和成本降低之间的权衡及其对最佳设计的影响。基于可靠性的约束减少了解决方案空间，并通过将帕累托前沿移离最佳目标值来影响飞机的最终设计。ModelCenter 提供了有效的工具来应对不确定性下优化的高复杂性。虽然虚拟机上的并行模拟提高了计算性能，但 DOE 筛选可以通过消除不相关的输入来减少设计空间。将多目标转换为单目标函数将寻找最优解的重点放在全局帕累托前沿的一部分上，并大大缩短了计算时间。然而，这种解决方案需要在目标之间建立一个层次结构，因此留下了非支配设计解决方案。
受约束组合优化问题的量子启发张量网络算法
组合优化在理论研究和实际应用中都具有普遍意义。快速发展的量子算法为解决组合优化问题提供了不同的视角。在本文中，我们提出了一种基于量子启发的张量网络算法，用于解决一般的局部约束组合优化问题。我们的算法为感兴趣的问题构建了一个汉密尔顿量，有效地将其映射到量子问题，然后将约束直接编码到张量网络状态中，并通过将系统演化到汉密尔顿量的基态来求解最优解。我们用露天采矿问题演示了我们的算法，结果得出了二次渐近时间复杂度。我们的数值结果表明了这种构造的有效性以及在一般组合优化问题的进一步研究中的潜在应用。