針對(duì)塔式太陽能熱電站中的定日鏡場布局多目標(biāo)優(yōu)化問題,將基于分解的多目標(biāo)進(jìn)化算法（MOEA/D）應(yīng)用于定日鏡場布局領(lǐng)域,提出了基于改進(jìn)的MOEA/D多目標(biāo)定日鏡場布局優(yōu)化算法（MOEA/D-HFL）。首先建立了以鏡場年均綜合光學(xué)效率和鏡場占地面積為目標(biāo)的橢圓形定日鏡場優(yōu)化模型,接著將基于佳點(diǎn)集和反向?qū)W習(xí)的初始種群生成策略、目標(biāo)函數(shù)穩(wěn)定歸一化機(jī)制以及動(dòng)態(tài)遺傳交叉分布指數(shù)引入MOEA/D用于求解該問題,獲得了定日鏡場布局問題的Pareto前沿,并利用模糊集理論獲得了最優(yōu)折中解。為驗(yàn)證所提算法的性能,將MOEA/D-HFL算法與NSGA-Ⅱ和基本MOEA/D對(duì)比,仿真結(jié)果證明了MOEA/D-HFL在多目標(biāo)定日鏡場布局問題上的高效性與準(zhǔn)確性。 

【文章來源】：鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2020年05期 北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 建立定日鏡場模型
    1.1 定日鏡場初始布局
    1.2 定日鏡場光學(xué)效率模型
    1.3 多目標(biāo)橢圓定日鏡場優(yōu)化模型
2 基于分解的多目標(biāo)進(jìn)化算法
    2.1 MOEA/D
    2.2 改進(jìn)的MOEA/D
        2.2.1 初始種群生成策略的改進(jìn)
        2.2.2 目標(biāo)函數(shù)值穩(wěn)定歸一化
        2.2.3 動(dòng)態(tài)交叉因子
    2.3 基于MOEA/D-HFL多目標(biāo)鏡場布局算法
3 實(shí)驗(yàn)
    3.1 定日鏡場及算法參數(shù)設(shè)置
    3.2 算法評(píng)價(jià)指標(biāo)HV
    3.3 模糊隸屬度函數(shù)
    3.4 實(shí)驗(yàn)結(jié)果與分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]啟發(fā)式多目標(biāo)優(yōu)化算法在能源和電力系統(tǒng)中的典型應(yīng)用綜述[J]. 朱曉東,王穎,楊之樂,郭媛君.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2019(05)
[2]基于佳點(diǎn)集原理的多維競爭文化入侵雜草算法[J]. 邱傲,項(xiàng)鐵銘.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[3]塔式系統(tǒng)定日鏡場的熱經(jīng)濟(jì)性優(yōu)化設(shè)計(jì)[J]. 張宏麗,Isabelle Juchli,Daniel Favrat,Xavier Pelet.  太陽能學(xué)報(bào). 2009(01)



本文編號(hào)：2933448