基于链式智能体遗传算法的动态能耗优化算法

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (6): 74-78.

基于链式智能体遗传算法的动态能耗优化算法

四川文理学院，四川达州635000

收稿日期:2014-02-27 出版日期:2014-06-13 发布日期:2014-06-25
作者简介: 周頔（1981-），男，重庆人，四川文理学院助理研究员，硕士，研究方向：人工智能。
基金资助:
四川省教育厅重点资助项目（14ZB0303）；达州市重大科技攻关项目（2010zdzx006）

Algorithm of Dynamic Energy Saving Based on Chain-like Agent Genetic Algorithm

Sichuan University of Arts and Science, Dazhou 635000, China

Received:2014-02-27 Online:2014-06-13 Published:2014-06-25

摘要/Abstract

摘要：

能耗优化是一个动态优化问题，在能耗规模较大的情况下，能耗设备间与总能耗间存在一定的非线性关系，即并非每个能耗最优化能使得总的能耗最优化，因此能耗优化是一个动态非线性

优化问题。对于能耗优化问题，传统的节能方法难以奏效。基于此，本文在分析目前节能方法的特点后，设计一种高效的全局优化算法——链式智能体遗传算法，可解决上述的动态非线性优化问题。为

了验证本文提出的算法的优越性，将该算法用于某钢厂的电能节耗中，节耗效果明显且较稳定。实践表明，该算法具有较好的灵活性，当能耗环境和节能要求发生变化时，该算法能在不变动当前设备的

前提下，动态获得较优的节能效率。

关键词: , 能耗, 节能, 链式智能体遗传算法, 优化

Abstract:

Optimization of energy consumption is a dynamic optimization problem. Under the conditions of larger-scale energy consumption, there exists a nonlinear

relationship between energy consumption equipment and total energy consumption, that is, total energy consumption cannot be achieved only by optimized energy consumption for

every equipment.　Therefore, dynamic optimization problem is still a nonlinear optimization problem. The traditional energy saving method is difficult to solve such a

complicated problem of optimization of energy consumption.　Based on the above-mentioned conditions, the paper analyzes the features of current energy saving　methods and

designs a kind of more efficient global optimization algorithms, i.e. Chain-like agent genetic algorithm, which can effectively solve the above mentioned problem of dynamic

nonlinear optimization method. In order to verify the superiority of algorithm, the author applies the algorithm into the steel mill using for electrical energy　saving and the

effect of energy saving is obvious and stable.　Also, the algorithm has good flexibility. The algorithm can dynamically obtain optimal energy-saving efficiency without altering

the current equipment, when energy consumption environment and energy-saving requirements changes frequently.

Key words: energy consumption, energy saving, chain-like agent genetic algorithm, optimization

周頔. 基于链式智能体遗传算法的动态能耗优化算法[J]. 计算机与现代化, 2014, 0(6): 74-78.

ZHOU Di. Algorithm of Dynamic Energy Saving Based on Chain-like Agent Genetic Algorithm[J]. Computer and Modernization, 2014, 0(6): 74-78.

［1］
曾孝平,张晓娟,李勇明. 多子群协同链式智能体遗传算法分析［J］. 重庆大学学报：自然科学版, 2008,31(7)：781-785.
［2］邓庆绪,程清廉,孔繁鑫,等. 实时系统中基于DVS与Cache划分技术的节能研究［J］. 东北大学学报：自然科学版, 2011,32(12): 1704-1708. 
［3］张小清．试析轧钢系统节能技术［J］．中国高新技术企业， 2014(1):5-8．
［4］孙明全, 刘洋．轧钢生产中节能技术分析［J］．科技与企业， 2014(1):144．
［5］孙文杰．电除尘系统节能技术的研究与应用［D］．北京：华北电力大学， 2012．
［6］李国志．制氢转化炉余热锅炉节能技术改造［J］．炼油技术与工程， 2013，43(1):55-57．
［7］张丽丽，龙思远，杨智，等．铝合金熔炼节能技术现状和发展趋势［J］．热加工工艺， 2013,42(5): 46-48,51．
［8］李连玉．交流电弧炉电气系统建模与优化供电制度的研究［D］．天津：天津理工大学， 2011．
［9］顾小华．浅析变频调速电机节能技术［J］．电子技术与软件工程， 2013(8):47
［10］赵岩琨． LTE系统自优化节能技术研究［D］．北京：北京邮电大学， 2012．
［11］王飞，赵晓辉．新型变频压缩机的节能技术［J］．河南科技：上半月， 2013 (6):79．
［12］姜岐广．双馈电动机恒速负载跟踪节能技术研究［D］．沈阳：沈阳工业大学， 2013．
［13］张轶．开关电源节能技术［D］．南京：南京理工大学， 2012．
［14］商桑．火电厂电机节能技术改造项目投资效益评价研究［D］．北京：华北电力大学， 2011．
［15］周健．浅谈化工企业电气节能技术的应用［J］．河南科技：上半月， 2013(7):207．
［16］Li Y, Zhang S, Zeng X. Research of multi-population agent genetic algorithm for feature selection ［J］. Expert Systems With Applications, 2009,36(9):11570-11581.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	万兵1, 2, 3, 赵文涛4, 潘多涛1, 赵峥韬2, 3, 孙朝阳2, 3, 俞建成2, 3. 无人帆船半物理仿真测试系统设计[J]. 计算机与现代化, 2024, 0(12): 91-99.
[3]	龚谊承1, 2, 刘青1, 2. 基于RF-LCE-BiLSTM-Attention-AMSSA模型的京剧二分类[J]. 计算机与现代化, 2024, 0(11): 7-12.
[4]	陈宇航1, 杨勇1, 帕力旦·吐尔逊1, 樊小超1, 任鸽1, 刁宇峰2. 融合句法特征与语义特征的作文自动评分方法[J]. 计算机与现代化, 2024, 0(11): 64-69.
[5]	李钧超1, 尤菲1, 张超2, 苏乐乐2, 龚龑2. 基于新型多目标浣熊优化算法的BiLSTM-Attention#br# 预测模型及误差分析[J]. 计算机与现代化, 2024, 0(11): 70-76.
[6]	张志霞, 秦志毅. 基于变分模态分解和IGJO-SVR的网络舆情预测[J]. 计算机与现代化, 2024, 0(11): 77-83.
[7]	杨正科, 沈小东, 王凯翔, 何立. 基于改进麻雀搜索算法的接地网腐蚀故障定位[J]. 计算机与现代化, 2024, 0(10): 14-20.
[8]	张永亮1, 2, 王家润2. 嵌入式系统全国路径规划算法[J]. 计算机与现代化, 2024, 0(10): 80-86.
[9]	杨俞沣1, 2, 夏小云2, 陈泽丰3, 廖伟志2, 李积武2. 融合多策略蜣螂优化算法的外卖订单配送路径优化[J]. 计算机与现代化, 2024, 0(09): 25-32.
[10]	江新姿1, 安晓丽1, 高尚2. 基于MTSP问题的公共图书馆智慧配送服务[J]. 计算机与现代化, 2024, 0(09): 52-55.
[11]	高猛, 曾宪文. 基于Circle映射和自适应t分布变异改进的鹈鹕优化算法[J]. 计算机与现代化, 2024, 0(09): 69-73.
[12]	杨绍祖1, 2, 王海程1, 2, 吴金雅1, 2, 马纪颖1, 2. 基于STAGCN-Informer时空组合模型的风电功率预测方法[J]. 计算机与现代化, 2024, 0(07): 13-20.
[13]	黄文栋, 王怡凡. 基于模态类别的多模态信息处理与融合综述[J]. 计算机与现代化, 2024, 0(07): 47-62.
[14]	王宁, 李迎, 刘枫. 基于LNS-NSGA2的多目标冷链运输优化[J]. 计算机与现代化, 2024, 0(06): 25-32.
[15]	李雨菲, 闫莉, 曾彦萍, 刘云横. 基于嵌套蚁群算法的机器人拣货作业联合优化#br# #br#[J]. 计算机与现代化, 2024, 0(06): 64-69.