基于PSR和IGSA-RBFNN的负荷预测方法

神经网络广泛应用于负荷预测(LF)研究,针对神经网络应用于LF中难以确定最优参数的问题,本文结合相空间重构(PSR)理论和神经网络,提出了一种基于改进引力搜索算法(IGSA)优化的径向基函数神经网络(RBFNN)预测模型。以PSR理论确定RBFNN的输入;用IGSA对RBFNN关键参数进行迭代寻优,进而提升模型的预测性能。将所提模型应用于某地区实测LF,验证了其可行性、有效性。仿真结果表明:与其他模型相比,所提模型平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)数值最小,具有更高的预测精度。

基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

计及工况预测误差的主动配电网日前无功优化调度策略

为解决工况预测误差较大时,日前无功优化调度方案优化效果不佳的问题,提出了计及工况预测误差的主动配电网日前无功优化调度策略。首先,使用轻量级梯度提升机算法建立日前工况功率预测模型;其次,考虑大规模高比例分布式电源接入主动配电网,以调度时段内所有时间断面的多目标加权累加和为目标函数建立日前无功优化调度模型;最后,设计了一种变寻优粒子空间的改进引力搜索算法对日前无功优化调度模型进行求解,该算法根据历史工况预测误差评价指标调整寻优粒子空间各维度的上下限矩阵,从而抑制了当无功区域内工况预测误差较大时可控设备调度异常的缺陷。最后采用拓展的IEEE 33节点系统算例进行有效性验证。

基于EEMD-IGSA-LSSVM的超短期风电功率预测

为了提高风电场输出功率的预测精度,在保证安全操作的前提下,建立了一种基于集合经验模态分解(EEMD)、改进引力搜索算法(IGSA)、最小二乘支持向量机(LSSVM)相结合的风电功率组合预测模型.首先运用EEMD算法将风电功率时间序列分解成一系列复杂度差异明显的子序列;其次利用相空间重构(PSR)对已分解好的子序列进行重构,对重构后的每个子序列分别建立IGSA-LSSVM预测模型,为分析不同核函数构造LSSVM的差异性,建立了8种核函数LSSVM预测模型,利用IGSA算法求解其模型;最后以中国内蒙古地区的某一风电场为算例,仿真及验算结果表明,利用IGSA算法寻优得到的指数径向基核函数核参数和惩罚因子构建的LSSVM模型具有较高的预测准确性;与EEMDWNN,EEMD-PSO-LSSVM等5种常规组合模型相比,所提出的指数径向基核函数的EEMD-IGSA-LSSVM组合模型能有效、准确地进行风电功率预测.

IGSA优化LSSVM的短期风电功率预测研究

提出一种基于改进引力搜索算法(Improved Gravitational Search Algorithm,IGSA),优化LSSVM的短期风电功率预测方法。对引力搜索算法采用混沌映射学习策略初始化种群位置,引入全局记忆策略来改进速度公式,提高最优解质量,利用高斯变异算子及贪婪策略来更新最优解位置。为对比不同核函数对LSSVM预测模型性能的影响,选取了4种常用的核函数(RBF,Sigmoid,Poly及Linear)构建LSSVM预测模型,并用IGSA优化构建的模型。以安徽某一风电场实测数据为例,仿真结果表明,选择RBF核函数的IGSA-LSSVM模型的风电预测性能优于其它核函数;同时,与反向传播神经网络(Back Propagation Neural Network,BPNN)相比,以及与GA,PSO和GSA优化LSSVM相比,IGSA优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性。

基于改进GSA-SVM算法的电能质量扰动分类方法

针对不同类型电能质量扰动信号分类准确率不高的问题,通过MATLAB/simulink搭建常见的9种不同的电能质量扰动信号的模型进行仿真分析,提出一种改进的万有引力搜索算法(improved gravitational search algorithm,IGSA)对支持向量机(support vector machine,SVM)的惩罚因子和核函数参数进行寻优的方法,通过优化SVM的惩罚因子和核函数参数,构建IGSA-SVM分类器,再把提取到的特征向量进行归一化之后输入到所构造好IGSA-SVM分类器中进行训练与分类。仿真结果表明,IGSA-SVM分类器的分类准确率比SVM和GSA-SVM这2种分类器都要好,可以实现对9种不同的电能质量扰动信号的快速准确分类,有利于解决实际的工程问题。

多策略融合的改进万有引力搜索算法

为解决传统万有引力搜索算法(GSA)易陷入局部最优和开发能力弱等问题,提出了一种多策略融合的改进万有引力搜索算法(MFGSA)。首先,提出动态调整引力常数G的更新策略,以增强算法的探索能力和收敛精度;其次,为保留粒子的多样性,提出了基于对称思想的粒子越界处理策略,以提高算法的收敛精度;为适应前两个策略,还引入精英思想,用最优粒子改善最差粒子位置策略,以避免算法陷入局部最优;同时,提出了自适应因子更新粒子速度和位置策略,以提高算法的收敛速度。为验证改进算法的性能,将改进算法与传统万有引力搜索算法和其他四种改进万有引力搜索算法在10个基准函数上进行了对比实验,结果表明MFGSA在收敛速度、搜索精度方面优势较大,表明MFGSA性能的优越性。

基于改进GSA算法的多能源移动电源车优化配置

传统能源供给模式很难覆盖高原高寒地区的能源孤岛,而多能源移动电源车因其机动灵活、环境适应性强的特点成为较好的解决手段。现有多能源移动电源车尚缺乏针对高原高寒独特背景下的应用研究,且当前研究中的多能源配置算法存在收敛速度慢、易陷入局部最优等问题。本文提出一种基于改进型万有引力算法的多能源配置算法,以多能源移动电源车年经济成本为目标,在万有引力算法的基础上,引入粒子群算法的思想,将个体历史最优和全局最优位置赋权,引入粒子群速度迭代计算,提高粒子群收敛的速度和方向性。依据西藏某地区实际应用算例,该算法在收敛速度和全局搜索能力的优越性得到验证。结果表明,本文设计的移动电源车多能源配置具有更好的经济性,可为高原高寒地区多能源移动电源车的优化配置提供设计依据。

基于改进引力搜索算法的无功优化仿真研究

针对引力搜索算法(GSA)在求解电力系统无功优化时出现早熟收敛和局部搜索能力差的问题,引入粒子群算法的记忆功能和加速机制,形成改进引力搜索算法(IGSA)。将GSA和IGSA基于Matlab对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明:IGSA算法避免了早熟现象,增强了局部搜索能力,能获得质量更高的最优解。该仿真实验可加深学生对电力系统无功优化的理解和对智能算法的认识。

基于改进引力搜索的混合K-调和均值聚类算法研究

为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。

基于改进万有引力搜索算法的南中环桥模型修正

为了得到南中环桥的基准有限元模型,结合Kriging模型和改进的万有引力搜索算法(GSA),利用荷载试验数据对初始有限元模型进行修正。叙述Kriging模型和万有引力搜索算法的基本原理,引入随机交叉变异的方法到基本万有引力算法中,提出了一种改进优化算法,并通过测试函数对其进行验证;介绍南中环桥的工程概况、荷载试验内容和初始有限元模型;接着选定6个待修正参数,通过试验设计得到修正参数所对应的频率和位移的样本,并建立Kriging模型来预测结构响应;以频率和位移的试验值和计算值残差为目标函数,分别利用改进的GSA、粒子群优化算法(PSO)和GSA算法在修正参数的设计空间内寻找目标函数的最小值,对比分析修正结果。结果表明:改进算法对于测试函数具有较好的稳定性和更高的精度;经过模型修正,除个别测点外,频率、位移的相对误差显著降低;相比PSO和GSA,改进的GSA得到了更小的目标函数值,修正后的频率、位移相对误差更小。

一种求解资源约束项目调度问题的改进引力搜索算法

引力搜索算法虽然具有较强的搜索能力和较快的收敛速度,但是容易陷入局部最优,且求解精度并不尽如人意。针对具有资源和优先关系约束的资源约束项目调度问题,提出一种改进的引力搜索算法(improved gravitational search algorithm, IGSA)。该算法将向心力和混沌机制引入引力搜索算法中,一方面通过在不同寻优阶段对参数进行控制,平衡算法中粒子的探索能力与开发能力,防止算法陷入局部最优,提高解的精度和加快收敛速度;另一方面当随机数大于混沌序列的值时,对生成的解决方案执行插入或交换操作,增强算法的多样性。为了评估算法的有效性,在PSPLIB问题实例J30,J60,J90和J120上进行对比实验,结果表明,相较于对比算法,IGSA在求解RCPSP时能更快更准确地得到项目最小完工时间,且能充分利用资源,避免资源浪费。

改进引力搜索算法优化的SVM模拟电路故障诊断

文本在引力搜索算法(GSA)的基础上,通过引入粒子群算法中的惯性权重和全局记忆性、时变引力搜索策略和边界变异策略,提出一种改进引力搜索算法(IGSA)来优化SVM参数(IGSA-SVM)的改进型分类器.首先选取三个UCI数据集进行仿真分析,结果表明IGSA-SVM分类器在分类准确率和分类时间上优于GS-SVM、GASVM、PSO-SVM和GSA-SVM分类器.然后分别采用线性和非线性模拟电路来进行故障诊断,结果表明IGSASVM分类器能有效地防止局部收敛并提高了诊断的优化效率.

基于智能优化算法的FACTS设备多目标优化配置

综合考虑可用输电能力和柔性交流输电设备投资费用,建立了用于FACTS设备选址和定容的多目标优化模型。提出了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法(improved multi-objective gravitational search algorithm,IMOGSA)。利用该算法对FACTS设备的位置及容量组合进行优化,得到包含对应组合的可用输电能力和投资费用信息的Pareto解集,并采用模糊满意度方法对所得Pareto解集进行分析,选出兼容性最好的解。在IEEE-14节点系统中对所提出的方法进行了验证,并和多目标引力搜索算法、多目标粒子群算法进行对比,结果表明改进多目标引力搜索优化算法优于后2种算法,是FACTS设备选址定容的首选。

多射频无线Mesh网络中基于DLS改进GSA的信道分配

为了减少多射频无线电网格网络的干扰协信道数并改进网络吞吐量,提出了一种基于离散局部搜索算子改进引力搜索算法。首先,随机初始化GSA中每个代理的位置;然后,利用中断算子促进GSA的探测性和搜索性;最后,利用提出的离散局部搜索算子增强良好解周围优化解的探测性能,并利用迭代得到最优解。实验结果表明,该算法在确保网络连通性的基础上最小化了整体干扰并增加了网络吞吐量,相比其他算法具有更好的性能。

改进引力搜索算法用于工控系统入侵检测

为提高引力搜索算法的全局搜索能力和收敛速度,提出改进引力搜索算法(IGSA)。为引力常量嵌入混沌映射,使其在减小的同时可以混沌地变化,快速地跳出局部极小值,扩展搜索区域;引入细菌觅食算法(BFA)的趋化算子,利用最优个体信息对当前最佳粒子进行调整,提高收敛速度。4种基准函数的测试结果对比表明,IGSA有着更好的搜索能力和收敛速度。利用IGSA对孪生支持向量机(TWSVM)的参数进行寻优,将寻优后的TWSVM分类器应用于工控标准入侵检测数据集。实验结果表明,IGSA-TWSVM对整体入侵的误报率、漏报率和对各类入侵的检测率都优于其它算法。

改进引力搜索算法与支持向量机在枯水期月径流预测中的应用

针对标准引力搜索算法(GSA)易出现早熟收敛问题以及支持向量机(SVM)学习参数难以确定的不足,提出一种基于加速度和速度改进的引力搜索算法(IGSA),利用IGSA算法搜寻SVM最佳学习参数,提出IGSA-SVM预测模型,并同标准GSA算法、粒子群优化(PSO)算法以及GSA-SVM、PSO-SVM模型作对比,以云南省某水文站枯水期1—3月月径流预测为例进行实例研究,利用实例前43 a和后10 a资料对模型进行训练和预测。结果表明:IGSA算法收敛精度优于标准GSA算法及PSO算法,有效克服了GSA算法早熟收敛问题,具有较好的全局搜索能力、预测精度和泛化能力。

基于改进引力搜索算法的配电网多目标优化重构

在含分布式电源(distributed generation,DG)的配电网重构中,综合考虑网络经济性、电能质量以及供电可靠性等因素,通过基于模糊满意度的多目标处理方法将多目标函数进行归一化处理,将精英策略思想引入到万有引力搜索算法中,并采用此改进引力搜索算法对问题进行求解。以IEEE 33标准节点系统为例进行网络重构,仿真结果表明,多目标重构后系统的网损有较大的降低,同时节点电压质量和供电可靠性也得到提高,从而验证了所提算法的有效性和可行性。对比其他算法,所提算法有效避免了结果陷入局部最优解,提高了算法的稳定性且具有较强的寻优性能。

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法(GSA)基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法(IGSA),并将其应用到励磁控制系统PID参数优化.IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力.定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略.将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性.

基于改进引力搜索算法的公差多目标优化设计

在传统公差优化设计模型中质量损失成本的基础上增加了质量保证成本,给出了以加工成本和质量成本为优化目标的公差多目标优化模型,并采用改进引力搜索算法进行模型的求解。改进引力搜索算法以基本引力搜索算法为基础,引入粒子群算法中的记忆和交流机制改善提高最优解的质量,并引入模拟退火算法中Metropolis准则的位置更新机制,增强算法求解的能力。最后以一个齿轮组件的装配为实例,验证了算法的适用性和有效性。