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。

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。

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。

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。

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。

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%。

基于改进MVO算法的电力无线专网基站选址

针对电力无线专网中基站选址问题,提出一种包含建站成本、覆盖范围和重叠覆盖的站址选择数学模型,并且基于改进的多元宇宙优化算法实现基站的优化布局。考虑到多元宇宙优化算法的早熟收敛问题,先对算法中的旅行距离率进行改进,再引入禁忌搜索算法,从而有效解决局部最优问题。最后通过对优化后的基站部署方案进行综合性分析,验证该算法的经济性和可行性。实验结果表明,本文算法具有较高的寻优性能和较快的收敛速度,能够在提高覆盖率的同时,节约成本预算,减少同频干扰,对电力无线专网的站址规划具有良好的理论指导。

基于改进MVO算法的多无人机任务分配研究

针对异构多无人机任务分配不合理、速度慢的问题,提出一种基于改进多元宇宙优化(multi-verse optimization,MVO)算法的多异构无人机任务分配方法。考虑无人机特性和目标属性的关系,建立任务分配目标函数,并采用Logistics混沌初始化和差分变异算子改进MVO算法,对该目标函数进行求解,避免MVO算法陷入局部最优并加快其收敛速度,使多无人机任务分配以较小的代价得到较大的收益。仿真结果表明,与MVO算法、遗传算法和粒子群优化算法相比,改进MVO算法能更有效地解决多无人机任务分配问题。

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。

基于修正拟动力法的岩质边坡三维稳定性分析方法及应用

岩质边坡的抗震设计是岩土工程的重要课题,其稳定性直接关系到工程安全和社会经济效益。由于岩石的非线性强度特性,岩质边坡的破坏形式和机理与土质边坡有很大的不同,需要采用不同的分析方法和设计原则。此外,地震作用是导致岩质边坡破坏的主要因素之一,其对岩质边坡的稳定性有着显著的影响。为更好地确定基于Hoek-Brown强度准则下的岩质边坡抗震设计方法,在极限分析法上限定理的框架下,基于离散化技术构建了一种更加符合实际岩石边坡失稳破坏机制的三维对数螺旋破坏预测模型。通过广义切线技术将Hoek-Brown准则的参数转化为容易计算的Mohr-Coulomb准则参数再将其嵌入到预测模型中,提出一种更加准确的岩质边坡地震稳定性分析模型。该模型可以考虑岩石的非线性强度特性,并通过修正拟动力法引入地震加速度和阻尼比参数,提高了地震作用力的预测精度。然后,将重力增加法和多元宇宙优化算法相结合,获得一种边坡临界安全系数的确定方法,实现了岩质边坡在地震作用下的三维稳定性评估。与现有研究成果对比和工程案例应用表明,此方法可以较为准确地评估岩质边坡的地震稳定性,同时也能够反映岩质边坡的失稳破坏形态和范围,在岩质边坡地震稳定性分析中具有较好的有效性和可靠性。研究成果为进一步优化岩石边坡的抗震设计方法提供了新的思路和参考。

基于投影寻踪的中国省际文化产业发展实例研究

文化产业高质量发展已成为中国现在乃至未来社会发展的必然趋势,了解我国现阶段文化产业发展状况,提升省际文化产业发展水平至关重要。论文从创新、协调、开放和共享四个维度维度出发构建一个包含8个方面、21个指标的省际文化产业发展评价指标,采集2012-2019年各省市的相关数据,运用多元宇宙优化的投影寻踪模型对省际文化产业发展水平进行综合评价、排序和分类研究。研究结果显示,广东、北京、江苏、浙江、上海文化产业发展水平始终位列前茅,其中文化产业创新劳动力投入强度对文化产业发展水平影响最大。

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MVO-CNN-BiLSTM的股票价格时序预测模型

为解决股指时序预测趋势难问题,提出了引入多元宇宙优化算法(Multi-Verse Optimization,MVO)的双向长短期记忆网络(BiLSTM)与卷积神经网络(CNN)相结合的股票预测混合模型(MVO-CNN-BiLSTM)。该模型的意义在于多元宇宙优化算法具有全局搜索能力和收敛速度快的特点,适用于优化问题;卷积神经网络(CNN)能够在前几层有效地提取数据中的特征,而BiLSTM则可以在后续层中建模这些特征之间的时序关系。最后通过对沪深300指数2002—2024年共5378组数据进行仿真结果表明,确定最佳时间步长后,该方法预测效果明显优于传统CNN-LSTM网络模型以及CNN-BiLSTM网络模型,能够有效降低预测误差。

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。