多元宇宙优化估算锂离子电池的SOC与SOH

估计电池的荷电状态(SOC)和健康状态(SOH)是锂离子电池管理中最复杂的任务之一。目前,针对SOC和SOH的估计存在跟踪值误差较大、噪声误差较大和计算量大等问题,引入多元宇宙优化(MVO)算法,对照电池的实际输出电压,模型的拟合度可达95.3%。通过14次迭代得到SOC的稳定估计值,与传统的循环次数法对比,SOH估计的稳定性提高了119%,并减小了78%的计算空间需求。

多元宇宙优化算法改进SVM参数

针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.

基于改进多元宇宙优化算法的光伏系统最大功率点跟踪

在局部遮蔽条件下,光伏阵列的功率输出曲线呈现多峰特性,传统控制算法无法持续准确地跟踪最大功率输出点,该文提出一种基于改进多元宇宙优化(MVO)算法跟踪全局最大功率点的方法(IMVO)。引入螺旋更新和自适应压缩因子,增强了算法的全局搜索能力;改变旅行距离率的更新方式,加快了算法的收敛速度,3方面改进有效提高了算法的寻优能力。仿真结果表明:在均匀光照、局部遮蔽和变光照强度3种条件下,改进多元宇宙优化算法均能持续稳定地跟踪最大功率点,在收敛时间和收敛精度上均有较大提高,由此验证了该算法在最大功率点跟踪控制中的可行性。

基于多元宇宙优化支持向量机的短期光伏发电功率预测

准确预测光伏发电功率对电网日常调度规划至关重要。本文提出一种基于混合改进的多元宇宙优化(HIMVO)算法优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,采用基于帐篷映射的混沌序列参与种群初始化,克服传统多元宇宙优化(MVO)算法易陷入局部最优的缺点;然后,在MVO算法的位置矢量更新中,引入一种非线性惯性权值下降策略,并加入差分进化(DE)算法进行全局搜索,采用HIMVO算法对SVM参数寻优,将优化后的HIMVO-SVM算法用于光伏发电功率预测。最后,在3种不同天气类型下对某地光伏电站输出功率进行预测仿真实验,预测结果与SVM、MVO-SVM方法预测结果进行对比,验证了HIMVO-SVM方法可有效提升短期光伏发电功率预测精度。

动态串行机制多元宇宙优化算法

为优化多元宇宙算法求解函数最优值的性能,提出一种改进搜索机制的全局优化多元宇宙算法(G-MVO)。针对标准算法存在单一搜索机制导致算法易陷入局部最优以及过早收敛的缺陷,提出三种学习策略来增强算法性能,通过多策略交互协作降低算法复杂度并提高求解精度,设计自适应参数动态选择最佳策略,全局优化算法性能。为验证算法的有效性,算法在不同维度的八个基准函数上进行仿真实验。结果表明,该算法表现出更佳的求解精度以及收敛速度。

基于多元宇宙优化算法的混合光伏-热电系统MPPT设计

混合光伏-热电(centralized hybrid photovoltaic thermoelectric generator,PV-TEG)系统在部分遮蔽(partial shading condition,PSC)条件下呈现多个局部最大功率点(local maximum power point,LMPP)。采用多元宇宙优化算法(multi-verse optimization,MVO),用于PV-TEG系统在PSC下的最大功率点跟踪(maximum power point tracking,MPPT)。MVO通过平衡全局搜索和局部搜索,有效识别多个LMPPs中唯一的全局最大功率点(global maximum power point,GMPP),避免搜索结果陷入LMPP,以提高发电效率和能源利用率。算例仿真结果表明:基于MVO的MPPT可以在更短的时间内收集到更高的功率,实现功率波动最小。

基于新型多元宇宙优化算法的IPPS与多源供能协同优化

为推动制造企业绿色转型发展,针对企业IPPS与多源供能协同优化问题,提出了新型多元宇宙优化算法。通过嵌入子种群融合初始化策略、NSGA-Ⅱ变异策略、外部档案的扰动策略等多方面的改进操作,扩大了种群个体的多样性,开发了新的搜索范围,提升了算法的寻优性能,提高了Pareto解集的质量。通过多能源消耗对比实验,验证了多源供电能源体系能够有效提高可再生能源消纳比例,助力制造企业节能减排目标的实现;通过算法对比实验,验证了新型多元宇宙优化算法对解决制造企业IPPS与多源供能协同优化问题的有效性、可行性及竞争性。

基于多元宇宙优化算法的光伏发电MPPT控制算法

针对局部阴影引起的光伏阵列多峰值的输出特性,传统的单峰值MPPT算法已无法适用,为寻得全局最优解,将参数设置简单、易于理解的多元宇宙优化算法原理应用于光伏发电的多峰值MPPT模块中。通过仿真分析,证明了基于多元宇宙优化算法的MPPT控制模型能较快地实现全局最大功率点的跟踪,具有更好的收敛速度和精度。该算法能有效解决光伏电站中多峰值功率点的问题,减少寻优过程的功率损耗,从而提高光电转换率,为实际工程带来重要的经济效益。

多元宇宙优化的林区道路图像检测方法

针对林区道路图像检测难的问题,提出一种基于多元宇宙优化算法的林区道路图像检测方法。首先输入林区道路的RGB彩色图像,对图像进行2G-R-B变换,得到林区道路的灰度图像;其次设定多元宇宙优化算法的目标函数,对图像进行多元宇宙优化(MOV)算法处理,得到合适的阈值和对应的分割结果;最后对二值图像进行数学形态学处理,得到最优分割图,实现林间道路检测。实验结果表明,该方法具有较强的去噪能力和分割能力,能够很好地检测林区道路,SD、Dice、ER、NR的平均值分别为87.06%、92.84%、14.64%、1.155%。

基于多元宇宙优化的电力系统负荷频率自动化控制系统

针对现有电力负荷频率控制系统存在的频率控制误差过大、稳定性不足等问题,设计了一种基于多元宇宙优化的自动化控制系统。系统包含了主站、管理终端、存储中心并通过RS485总线与用户电表连接。控制系统管理中端的核心硬件是基于ARM架构的AT91SAM9260微处理器,其他硬件有计量模块、显示模块、电源模块、存储模块和外接存储硬盘等。在负荷频率控制系统的软件控制算法方面,选择了多元宇宙优化控制启发算法,模拟了宇宙中白洞、黑洞膨胀率变化过程、物质转换过程和虫洞的星际旅行过程,通过多次的宇宙种群迭代寻优,识别出电力系统的异常扰动位置,实现对电力系统负荷频率异常波动的自动化控制。实验结果显示,基于多元宇宙优化的控制系统具有更好的迭代能力,总功率差值仅为0.2 kW,系统控制精度高。

改进多元宇宙算法求解大规模实值优化问题

针对多元宇宙优化(MVO)算法中虫洞存在机制、白洞选择机制等不足,该文提出一种改进多元宇宙优化算法(IMVO)。设计固定概率的虫洞存在机制和前期快速收敛后期平缓收敛的虫洞旅行距离率,加快算法全局探索能力和快速迭代能力;提出黑洞的随机白洞选择机制,设计黑洞围绕白洞恒星进行公转并模型化,解决代间宇宙信息沟通的问题,中低维度数值比较实验验证了改进算法的优良性能。选取大规模实值问题较难优化的3个基准测试函数进行对比实验,改进算法在大规模优化问题上的求解精度和成功率方面具有较好的适用性和鲁棒性。

多元宇宙优化算法优化WLSSVM的网络流量预测

高精度网络流量预测可以帮助管理人员了解网络流量变化态势,提高网络系统的稳定性,为了降低网络流量预测的误差,提出了基于多元宇宙优化算法优化加权最小二乘支持向量机的网络流量预测模型。首先采用网络流量历史数据,将其作为加权最小二乘支持向量机的输入向量,然后利用多元宇宙优化算法对加权最小二乘支持向量机参数寻优,从而得到最优的网络流量预测模型,最后采用具体网络流量预测应用实例对模型性能进行测试与分析,结果表明本模型可以准确描述网络流量的变化规律,预测误差很小,完全能够满足网络管理实际要求,相对于其他预测模型,本模型的网络流量预测精度得到了有效提高。

基于多元宇宙算法的城市超高压电缆高抗优化配置研究

本文针对超高压电缆接入电网所带来的容性无功过剩问题,提出了一种基于改进多元宇宙优化算法的高抗优化配置方法。首先,对原多元宇宙优化算法中的旅行距离计算公式进行改进,使其能充分反映最优个体适应值与平均适应值的偏差;其次,基于改进算法,以区域母线电压水平改善、降低网损为目标,求出区域电网各节点高抗的最优投入容量;最后,分别在2021、2025年夏季运行方式中,对该补偿方案的适用性进行了验证。研究发现,文章所提改进算法与对照算法相比,具有更快的收敛速度,并可有效避免陷入局部收敛;受电缆电容电流的影响,系统各节点电压在轻载情况下均有大幅度抬升,系统的平均电压达到362.89kV;按计算所得高抗配置方案进行无功补偿,4种运行方式下的平均电压为347.87kV,较未补偿时有大幅降低,同时减少了系统运行的有功损耗,满足了系统安全稳定运行及经济性的要求。

基于改进多元宇宙算法的主动配电网故障定位方法研究

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题,提出一种改进的多元宇宙优化算法(improved multi-verses optimization,IMVO)。首先构建具有容错能力的主动配电网模型,根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中,以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability,WEP)与旅行距离率(travel distance rate,TDR)的更新机制,以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力,进而提高全局寻优能力。仿真实验结果表明,改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著,相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

航空发动机不暖机会产生性能损失,此时原有发动机模型已经不能准确表达发动机性能,因此,需要利用模型修正技术对原有的发动机模型进行修正,以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法(Multi-verse optimization,MVO),并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上,修改虫洞机制公式,解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题,并引入混沌思想,通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索,增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究,并将常规MVO,改进MVO,粒子群算法(Particle swarm optimization,PSO)和遗传算法(Genetic algorithm,GA)四种算法的修正结果进行了对比。结果表明:修正后发动机不暖机模型精度得到很大提高,其中推力误差仅为0.07%,能够满足舰载机起飞动力学模型输入条件的精度要求;改进MVO算法对发动机模型的修正效果优于常规MVO算法,且相比PSO和GA,改进MVO修正效果同样更优。

海外油气勘探开发项目组合优化研究——基于交互效应视角

海外油气勘探开发项目受投资环境、财税条款和技术进步影响,存在广泛的交互效应,对项目的经济评价和组合优化产生了重要影响。分析了海外油气勘探开发项目存在的资源交互效应、收益交互效应和技术交互效应,建立了基于交互效应的海外油气勘探开发项目组合收益最大和风险最小模型;改进多元宇宙优化算法(Multi-Verse Optimizer,MVO),将其应用到0-1非线性规划模型问题求解中,对油气项目进行组合优化。结果表明,项目之间存在的交互效应会对组合选择产生影响,存在正交互效应的项目被选中的概率增加。考虑交互效应的投资组合在收益和风险方面都优于不考虑交互效应的投资组合,证明交互效应对海外油气勘探开发项目投资组合优化的重要性,增加了投资决策的科学性。

基于改进指数滑模控制器的分布式驱动电动汽车转矩优化分配策略研究

为提高分布式驱动电动汽车的横向稳定性,提出了一种新的直接横摆力矩控制方案。该方案采用分层控制结构,由上层控制器和下层控制器组成。在上层控制器设计了一种改进指数趋近律的滑模控制器,用于计算维持车辆横向稳定性所需的附加横摆力矩。改进的指数趋近律通过添加关于滑模面函数的方式,在远离滑模面时,增加趋近速度;接近滑模面时,减小趋近速度,以此来抑制抖振现象。在下层控制器中提出了一种基于优化的转矩分配方式,采用多元宇宙优化算法,以最小化轮胎利用率为目标函数,对转矩进行计算并最优地分配到各个轮内电机。Carsim和Simulink联合仿真表明,高速高附着路面,横摆角速度跟踪误差由6.4%降低到2.7%,质心侧偏角范围在0.018 rad以内;低速低附着系数路面,横摆角速度跟踪误差由5.2%降低到3.8%左右,质心侧偏角范围在0.0085 rad以内。与基于规则分配的策略相比,所提出的策略有更好的稳定性。

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer,MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。

氨糖发酵过程建模与工艺参数优化研究

针对目前生物传感器价格昂贵且检测精度低使得在氨糖发酵过程中难以获得准确实时的生物参数的现状,建立了最小二乘支持向量机模型以实现菌体浓度、产物浓度、底物浓度的预测。为了提高预测模型的精度,采用基于Levy飞行的改进多元宇宙算法对最小二乘支持向量机模型的若干参数进行优化。在此模型的基础上,以发酵完成时刻产物浓度最大为目标,通过改进的多元宇宙优化算法对发酵工艺参数进行了优化。仿真实验表明该方法取得了较高建模精度,提高了发酵最终产物浓度。

基于改进MVO和WLSSVM的燃煤锅炉NO_(x)排放优化

为降低电厂燃煤锅炉的NO_(x)排放浓度,提出一种基于改进多元宇宙优化算法(improved multi-verse optimizer algorithm,IMVO)和加权最小二乘支持向量机(weighted least squares support vector machine,WLSSVM)的锅炉NO_(x)排放优化方法。首先,针对多元宇宙优化算法TDR值下降速度较慢而导致旅行距离增加的问题,提出一种改进的多元宇宙算法;然后,采用IMVO算法对WLSSVM模型参数进行寻优,建立基于IMVO-WLSSVM的NO_(x)排放量预测模型;最后,基于所建预测模型,采用IMVO算法对锅炉运行可调参数进行寻优来降低NO_(x)排放浓度。采用某330 MW机组燃煤锅炉的运行数据对模型进行验证,结果表明:所建预测模型的平均绝对百分比误差为1.09%,相对于其他几种预测模型具有更高的预测精度,改进的多元宇宙优化算法可以使优化后的NO_(x)排放浓度更低,具有更好的寻优效果。