一种基于GA-PSO算法的风光蓄互补发电系统优化

随着社会经济的发展,能源和环境问题亟待解决,利用清洁能源发电代替传统的化石能源发电,成为目前人类社会解决能源和环境问题的主要途径之一。其中,风能和太阳能由于储量大和技术成熟,得到了大规模的开发和利用。在电力资源短缺的偏远地区,利用风光蓄互补发电系统为当地居民提供电能,成为解决当地电力资源短缺的方式。合理配置风光蓄互补发电系统是确保风光蓄互补发电系统稳定、经济运行的前提。

基于模拟退火改进PSO算法的J-A磁滞模型参数辨识

本文作者提出了一种基于模拟退火改进PSO算法,将模拟退火算法和PSO算法融合,利用模拟退火算法的全局搜索能力与PSO算法的快速收敛性能,可实现磁滞模型参数的快速、精确辨识。J-A磁滞模型参数辨识的仿真验证了所提混合算法对于磁滞曲线的拟合程度、辨识所得参数精度均更高,且不易于陷入局部最优解。同时,通过引入铁心在交变磁场中产生的损耗部分,建立了动态J-A磁滞模型以评估动态损耗对磁内能的影响,验证了所提出算法在考虑涡流损耗和异常损耗因素下工程应用中参数辨识的快速性与有效性。

改进型PSO算法解算三维测边网平差模型

空间三维测边网属于典型的秩亏自由网。针对目前网平差常用的最小二乘算法存在线性化求导复杂,计算量大等问题,本文基于高精度测距值,以控制点坐标反算距离与观测距离差值之和最小为目标,构成非线性方程组,建立函数模型;考虑到非线性方程组求解方法中智能优化算法无需求导和公式推导简单等优点,引入粒子群(PSO)智能优化算法,并构建改进型PSO算法。研究结果表明,根据本文提出的改进型PSO算法进行平差解算,可保证解算结果的准确性,且该算法较传统PSO算法的寻优速度更快,不仅可为空间三维测边网的解算提供新思路,还可为建立空间三维测边网提供理论支撑。

基于改进PSO算法的施工园区交通组织优化研究

为解决施工园区内料物运输效率低、运输成本高的问题,综合分析料物运输过程和园区内交通仿真影响机制,构建场内交通仿真综合模型并求解得出施工园区道路共线运输方案,以北京城市副中心站施工园区02B和05B基坑区域为研究对象,利用多角度反馈修正PSO算法求解并对优化后的结果展开分析。研究结果表明:道路公共化前后的料物运输路径改变,道路公共化后运输设置的道路85%行车密度频率提高5%~20%,重点优化的拥堵道路85%行车密度频率降低10%~40%,各私有化道路由二级服务水平变为一级服务水平,促进交通资源的利用率,进而减少运输成本并提高整体园区料物运输效率。研究结果可为国内外其他施工园区封闭管理区域交通组织优化提供理论参考和经验借鉴。

基于收缩因子改进PSO算法的J-A磁滞模型参数辨识

变压器铁心磁滞特性的准确预测及其模型参数可靠辨识,一直是国内外学者们研究的难点问题。针对现有主流磁化(Jile-Atherton,J-A)模型存在的辨识参量多、计算时间长、容易陷入局部最优解等问题,提出一种基于收缩因子改进粒子群优化(Particle swarm optimization,PSO)算法的J-A磁滞模型参数辨识方法。研究建立以磁感应强度为输入变量的J-A静态磁滞逆模型,提出考虑包含涡流损耗、异常损耗因素下的动态磁滞模型;针对传统PSO算法计算精度低、不易于快速寻优的问题,提出基于收缩因子改进的PSO优化算法,可实现J-A磁滞模型关键参量的快速辨识。所提算法克服了传统粒子飞行速度的限制,兼具全局寻优和局部寻优的特点,易于实现J-A磁致模型的快速参数辨识。通过仿真算例分析,验证了所提改进PSO算法在不同磁密峰值工况下的应用可靠性,且迭代收敛速度和精度均优于传统PSO算法。

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。

基于PSO算法的无人路径优化概述

本文介绍了基于粒子群优化(PSO)算法进行无人路径优化的情况。本文首先指出在各个领域中无人机的重要性逐渐增加,以及在复杂环境中进行有效路径规划的必要性。接着,深入探讨了PSO的基本原理,其在无人路径优化中的应用,并与传统方法如Dijkstra和A*算法进行了对比。本文强调了PSO在全局路径搜索、适应动态环境、避障和多目标优化方面的优势。最后,本文探讨了PSO在军事侦察中的应用,重点是隐蔽性、安全性、信息效率和能源可持续性,为进一步的研究提供了理论基础并明晰思路。

改进QDPSO算法在BP网络训练中的应用

QDPSO(QuantumDelta-Potential-Well-basedParticleSwarmOptimization)算法是基于量子空间的粒子群算法,对QDPSO算法进行了改进,结合Iris分类问题,应用到BP网络的权值优化中,并和基于标准PSO算法的方法进行了比较。实验结果表明:该算法性能优于所比较的两种算法,并且具有良好的收敛性和稳定性。

基于混合PSO算法的简化群桥水域航路规划研究

针对群桥水域航路规划问题,分析了群桥水域特征,建立了群桥水域航路代价模型,分别运用基于自然选择的PSO、基于杂交思想的PSO和基于模拟退火的PSO对该问题进行了求解.通过与标准PSO算法规划结果对比,发现3种混合算法均能快速找到最优解,并且精度较高,得出了3种混合PSO算法在解决群桥水域航路规划问题方面均优于标准PSO算法的结论.

基于改进PSO算法的110 kV线路漏电故障监测及线路继电保护研究

针对110 kV线路漏电及线路继电保护故障诊断中存在的识别效率低和耗时长等问题,提出了一种基于改进PSO算法的线路继电保护设备故障诊断模型。首先利用PSO算法对110 kV线路漏电故障进行监测,然后利用高斯扰动和最小二乘支持向量对PSO算法进行改进。结果表明,改进PSO算法的故障数据分类准确率为94.76%,分类耗时为2.68 s,均优于对比算法。这说明所构建的诊断模型在110 kV线路漏电及线路继电保护故障诊断中具有较高的准确性和效率。

PSO算法支持下的煤矿通风系统优化研究

煤矿开采是我国能源安全的重要保障,在长期开采的历史背景下,我国大多数煤矿深入地下,对通风系统建设要求较高,因此,对煤矿通风系统优化方案进行研究具有现实意义。本文通过查阅文献,结合粒子群算法(PSO)中的EH^(2)PSO算法,对PSO算法支持下的煤矿通风系统进行优化研究。

PSO及SM-PSO算法在Jensen模型参数求解中的应用

针对传统的求解Jensen模型敏感指数的回归分析法(LR)存在的有偏估计和拟合精度不高等问题,利用粒子群算法(PSO)和单纯形法—粒子群算法(SM-PSO)分别对模型的敏感指数进行求解并与传统方法进行对比。结果表明,回归分析法、PSO算法和SM-PSO算法所得模型计算的相对产量与实际相对产量的平均相对误差分别为3.1%、1.8%和1.4%,说明PSO算法和SM-PSO算法均优于传统算法,尤其是SM-PSO算法收敛速度更快、拟合精度更高,是一种有效的求解Jensen模型敏感指数的方法。

并行环境下的同步异步PSO算法

并行计算能够有效地缩减求解大规模问题的时间。文中在介绍了粒子群算法(Particle Swarm Optimization algo-rithm)的基础上,对PSO算法的同步异步模型进行分析,给出了并行环境下的同步异步PSO算法。该并行算法在联想深腾1800大型计算机上测试。实验证明PSO算法具有较高的并行性,并行算法明显提高了求解的速度。

基于改进惯性权重PSO算法的水库防洪联合调度研究

针对望谟县洪灾频发的现状,基于改进惯性权重的PSO算法,以动用新屯、纳坝水库的防洪库容最小为目标,建立了水库防洪联合调度模型。在保证水库工程安全和控制断面低于保证流量的前提下,通过防洪联合调度,两库(纳坝、新屯)库堤结合方案使望谟县城市防洪标准由现状20年一遇提高到50年一遇,50年一遇洪水削峰率约为33.7%。其中,纳坝水库50年一遇洪水的安全下泄量为23.5 m^(3)/s,新屯水库50年一遇洪水的安全下泄量为16.5 m^(3)/s。实例应用可为水库群防洪联合调度研究提供参考。

基于改进PSO算法的测试数据自动生成研究

为了提高软件测试中测试数据自动生成的效率,提出了一种基于改进PSO算法的测试数据自动生成的方法。通过在标准的PSO算法中引入人工免疫的思想,保持了群体的多样性,从而有效避免标准PSO算法易陷入局部最优的问题,提高了算法全局搜索的能力,增强了算法的整体性能。实验结果表明,利用改进后的PSO算法寻找最优解所需的迭代次数和时间明显少于标准粒子群算法,生成测试数据的速度快、效率高。

一种求解最优路径的新型混合PSO算法研究

粒子群算法是新型智能优化算法且已被应用于诸多领域,但在求解最优路径时显现出易陷入局部最优的缺点。为此根据地理坐标数据通过数学公式推导得到PSO算法所需的初始化数据,在算法寻优过程中将自平衡策略和变异思想结合协助粒子群迭代与更新,提出一种求解最优路径的新型混合PSO算法。该算法引入了适合此问题的自平衡变异策略来提高算法求解精度,使得算法摆脱局部最优。实验以Visual Studio2005中C++编程实现仿真,结果表明此算法不但能有效求解最优路径问题,而且比离散PSO算法、自平衡PSO算法的解更优,从而性能得到改善。

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

小波神经网络和B-QPSO算法在Ad Hoc异常检测中的应用

引入一种基于边界变异的QPSO算法,即B-QPSO算法.首先利用B-QPSO算法训练小波神经网络,再将经过B-QPSO算法训练后的小波神经网络应用于Ad Hoc异常检测中.仿真实验结果表明,该算法与梯度下降法、PSO算法和QPSO算法相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,并且降低了对正常情况的误判率.

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.

基于改进sPSO算法的测试数据自动生成方法研究

自动化测试可以有效地提高软件测试效率,降低软件开发成本,而测试数据自动生成是自动化测试中的重要环节。本文从基本粒子群算法入手,进行简化后,针对其特点和不足从收敛速度和收敛精度两方面对其进行改进,提出了一个利用改进后的sPSO算法自动生成测试数据的系统模型,并结合实例予以说明。