基于自适应变异粒子群算法的装配式建筑施工安全投入优化

针对装配式建筑施工安全投入问题,以实际工程项目为例,对装配式建筑施工风险因素进行了二级分解;基于数学规划理论建立了非线性规划模型,并引入3种函数关系进行拟合;采用自适应变异粒子群算法在Matlab中进行求解,得到了相对较优方案。结果表明:在安全风险主要因素中,物的风险因素对安全投入最为敏感;在二级风险因素中,预制构件吊装器具的选择最为敏感,该结论可为日后施工安全投入的方向提供参考依据。

基于迁徙变异粒子群算法的微电网调度优化策略

微电网调度问题涉及多个电源和负荷因素,调控难度较大。通过建立微电网各电源系统的优化策略,并以分时电价为引导,旨在提高电动汽车充放电的积极性,从而有效提升微电网的调度优化能力。在传统粒子群算法的基础上,引入变异策略和迁徙策略,增强了算法的全局搜索能力,同时考虑了粒子种群的多样性,确保了模型对优化目标的求解能力。构建了以运行成本、用户满意度、电动车主费用为优化目标的多目标优化模型,并应用迁徙变异粒子群算法进行求解,结果表明该方法能显著降低系统运行成本,从256.3万元优化至225.8万元,电动车主费用从3.25万元降至2.13万元,有效提升了用户满意度。与现有算法相比,该方法在效率和结果上均更优越,为类似问题提供了一种新的解决方案。

基于自适应变异粒子群算法的电动出租车充电引导

通过调研分析深圳市电动出租车的实际运营数据,提出充电站充电设备时间利用率的计算方法。针对区域内充电站之间设备时间利用率分布不均衡的问题,提出了基于充电站信息和车辆信息的电动出租车充电引导系统,建立了充电引导模型,并采用改进的自适应变异粒子群算法引导电动出租车的充电行为。根据深圳充电站的实际数据进行算例仿真,仿真结果表明,经过充电引导后的电动出租车能根据充电站内充电桩的规模均匀分布到相应的充电站,实现区域内充电站之间充电设备利用率的均衡分布,从而提高充电设备时间利用率。仿真结果验证了所提充电引导方法的可行性。

基于自适应变异粒子群算法的双馈风电机组等值建模

风电机组等值建模是风电并网研究的基础,文中提出一种基于自适应变异粒子群(AMPSO)算法的双馈风电机组等值建模方法。首先依据风力机型号进行机群划分,通过简化双馈风电机组控制策略,建立了双馈风电机组等值模型。根据模型中各参数对双馈风电机组运行特性的影响特点,将其分为暂态参数和稳态参数,采用收敛速度快、通用性强的AMPSO算法对稳态参数寻优,采用试测法辨识暂态参数。通过仿真,验证了所述等值方法精确、简便,适用于大规模风电场接入电网的分析计算。

基于变异粒子群算法的光伏系统最大功率点跟踪研究

提出一种变异粒子群算法(MPSO),通过在粒子群算法中引入变异,可改善其跳出局部最优解的能力。变异粒子群算法采用有限的粒子数目即可实现阴影条件下光伏系统的最大功率点跟踪,而无需知道旁路二极管的数目,具有通用性。对变异粒子群算法进行的仿真和试验可证明该算法的有效性。

基于自适应变异粒子群算法的混合核ε-SVM在混合气体定量分析中的应用

针对利用不分光红外吸收法(NDIR)的多组分气体传感器对汽车尾气进行同时测量时,红外光谱特征吸收谱线重叠较为严重,所测气体浓度是交叉吸收干扰后的结果,造成测量误差大,分析精度低的问题,提出了一种自适应变异粒子群算法的混合核ε-SVM方法,建立三组分混合气体定量分析模型,已消除混合气体之间相互干扰产生的误差问题。实验中,采集CO2、CO、C3H8的浓度信号,作为模型输入,通过模型回归分析,得到对应的混合气体组分浓度,通过实验数据对模型性能进行分析,结果表明,该模型的平均误差相比于传统模型明显减低,取得较好的精度。

灰色变异粒子群算法在公交客流量预测中的应用

由于公交客流量是公交系统发展规划的基础依据,因此提高公交客流量预测的准确性有利于城市公交的发展。利用粒子群算法优化参数的良好性能和灰色预测法适合预测不确定因素影响系统的优势,提出用灰色变异粒子群组合预测模型来预测公交客流量,提高公交客流量预测精度,并通过实例对组合预测模型的预测精度和有效性进行了分析。结果表明,此组合预测模型的预测精度优于单一的灰色预测模型,也优于其他几种常用预测算法,能很好地预测公交客流量,为公交系统的决策规划提供了可靠的科学数据。

基于变异粒子群算法的大坝土料流变参数反演--以观音岩混合坝为例

观音岩水电站混合坝在竣工后发生了较大的流变变形,导致土石坝坝段在蓄水一个月后出现了裂缝。为分析坝体裂缝产生的原因,采用并行变异粒子群算法,根据观音岩混合坝竣工后的坝体沉降观测数据反演了筑坝堆石料和心墙料的流变参数。进一步根据反演参数进行了坝体的三维有限元计算,分析和预测了大坝在蓄水期和运行期的变形特性。结果表明,较大的蓄水期不均匀沉降及较大的坝体流变变形是坝体产生裂缝的主要原因。

基于变异粒子群算法的主动配电网故障恢复策略

为提高主动配电网故障恢复的快速性和可靠性,提出一种基于变异粒子群算法的恢复策略。光储系统与负荷特性模型的构建是研究策略的基础,利用光储模型保证负荷可靠恢复,在构建负荷特性模型时考虑负荷时变性、需求时变性及负荷可控性的特点。在建立的光储系统与负荷特性模型基础上研究故障恢复策略,首先对配电网进行动态孤岛划分,利用光储系统对孤岛内负荷进行可靠恢复,保证用户侧需求度高的负荷优先恢复,然后以总失电负荷最少、网损最小及开关动作次数最少为综合目标函数,运用变异粒子群算法得到孤岛与主网配合的配电网综合恢复策略,提高了主动配电网可靠性。最后,采用IEEE 33节点系统进行算例分析,结果验证了模型与恢复策略的优越性。

双种群变异粒子群算法

利用变异机制可以增加遗传算法全局寻优能力的特性,结合惯性权值线性递减PSO算法具有较快收敛速度的优点,提出了一种双种群变异PSO算法,对该算法与其他PSO算法进行了比较,仿真结果表明其性能优越。

变异粒子群算法实现模拟电路模糊组识别

针对常规三角分解方法计算模拟电路规范模糊组和可测试值存在误差的问题,提出一种基于测试矩阵基向量的变异粒子群算法.该算法分析了电路的各阶规范模糊组参数成分,根据粒子速度和位置初始化找到所有二阶模糊组,由低阶模糊组确定高阶模糊组的构成参数,通过粒子速度变异找到所有规范模糊组.实例验证表明:该算法不通过三角分解就能够找出所有的规范模糊组,提高了计算精度,同时也降低了计算复杂度.

基于并行自适应变异粒子群算法的渗透系数反分析

针对基于粒子群技术的反演算法计算量大、耗时长的缺点,提出了一种并行粒子群算法。同时,为了克服粒子群算法容易陷入局部极小的早熟收敛问题,采用了自适应变异技术,以克服局部收敛,加快收敛速度。结合具体算例,分析了粒子群数目和处理器数目对加速比的影响。

基于自适应变异粒子群算法的陀螺仪转子悬浮控制优化设计

鉴于传统PID控制方法影响陀螺仪系统测量精度的问题,优化和设计了陀螺仪悬浮系统.根据陀螺仪转子受到悬浮力情况,设计了陀螺仪悬浮系统的控制回路,运用自适应变异粒子群算法对控制回路中控制器的参数进行了优化.仿真结果表明,优化后的陀螺仪控制系统性能比传统PID控制的性能有了明显改善.

基于变异粒子群算法的字符串型测试数据生成

基于搜索的算法在以路径覆盖为目标的测试数据生成中应用广泛。然而对于字符串型测试数据的生成,现有方法效率不高。为了高效地生成字符串型测试数据,提出了一种基于变异粒子群算法的字符串型测试数据自动生成方法。在随机生成初始种群后,采用粒子群算法使种群在趋近最优个体的过程中实现进化,并以一定的概率对种群中的个体进行变异操作,以避免进化过程陷入局部最优。为了有效地指导种群进化过程,对经典适应度函数中分支距离的计算方法进行改进,使其适用于含有字符串型参数的程序。实验结果表明,该方法具有较高的成功率和稳定性,且能明显提升测试数据生成效率。

基于自适应变异粒子群算法的船舶结构优化方法

[目的]由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢的问题。[方法]基于自适应变异粒子群算法(AMPSO)、BP神经网络、遗传算法(GA),结合Isight/Nastran设计的正交试验方法,提出AMPSO-BP-GA结构优化方法,然后分别以十杆桁架和跳板结构的优化作为算例,验证所提优化算法的准确性和可行性。[结果]计算结果表明:在相同的约束条件下,经AMPSO-BP-GA方法优化后,十杆桁架结构重量为2272.1 kg,比其他方法优化后的结构重量更轻;跳板重量减少了33.3%,对比GA-BP-GA方法和PSOBP-GA方法分别减少25.4%和17.9%,显示AMPSO-BP-GA方法的优化效果更佳。[结论]AMPSO-BP-GA方法针对结构轻量化的优化效果更佳,可为船舶结构优化设计提供参考。

基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化

大规模电动汽车用户的无序充电行为会对电网造成"峰上加峰"等影响,因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度。电动汽车换电站具有受可调度时间约束影响小等特点,与个体电动汽车相比较易实现充电调度。根据换电站的特点以换电站各时刻的充电功率为控制对象,建立多目标的调度策略数学模型,并采用自适应变异的粒子群算法求解以减小标准粒子群容易早熟对优化结果的影响,得到次日优化充电计划。基于某地区负荷曲线进行算例仿真,验证了算法的有效性,比较了单目标优化和多目标优化的调度策略对负荷曲线的影响。结果表明,换电站充电调度策略采用多目标优化时能够克服单目标优化填充"最低谷"效果差的问题,有效地降低电网峰谷差,达到平稳负荷波动的效果。

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。

基于自适应变异粒子群算法的光伏MPPT控制研究

针对局部遮阴(PSC)时,光伏阵列输出P-U曲线出现多峰值现象,传统最大功率点追踪(MPPT)算法易陷入局部最优解,无法追踪到全局最优解的问题,该文提出基于自适应变异粒子群算法的光伏MPPT控制方法。在粒子群算法寻优过程中同步调整学习因子与惯性权重,以提高算法收敛速度与精度,同时引入变异机制以扩大粒子搜索范围,增强算法的全局寻优能力。仿真结果表明,与标准粒子群算法相比,该算法在均匀光照,静态、动态局部遮阴条件下,均能快速准确的追踪到最大功率点,其收敛速度更快,稳态精度更高。

灰色变异粒子群算法在电力负荷预测中的应用

由于电力负荷量是电力系统发展的基础,因此提高电力负荷量预测的准确性有利于电力系统的快速发展.本文利用粒子群算法优化参数的良好性能和灰色预测法适合预测不确定因素影响系统的优势,提出了灰色变异粒子群组合预测模型来预测电力负荷量,提高了电力负荷预测的精度,并通过实例对组合预测模型的预测精度和有效性进行了分析.结果表明,此组合预测模型的精度优于单一的灰色预测模型,且优于其他几种预测算法,该组合模型能很好地预测电力负荷量,为电力系统的决策和发展提供了可靠的科学数据.