基于分层粒子群优化算法的用户侧电力调峰配置模型

由于传统的用户侧电力调峰配置模型在实际应用中的电网净负荷峰谷差较大,导致配置效果不理想,因此提出基于分层粒子群优化算法的用户侧电力调峰配置模型。选取用户电费最小、系统净收益最大及供电周期内电力调峰配置成本最小三个目标,利用函数对目标进行数学表达,根据实际需求针对电力系统功率平衡、电力系统发电机组连续时间段内的发电量及发电机组爬坡能力需求设计相应的约束条件,利用分层粒子群优化算法求解出符合约束条件的目标函数最优解,输出用户侧电力调峰优化配置策略。实验证明,设计模型的电网净负荷峰谷差小于传统模型,设计模型在用户侧电力调峰配置方面具有良好的应用前景。

分层粒子群优化算法

针对粒子群优化算法存在进化后期局部搜索能力不强、收敛速度变慢的问题,提出一种分层粒子群优化算法。利用标准粒子群优化算法在整个搜索空间内进行全局搜索,由全局搜索获得的较优个体产生局部搜索区域,在局部区域内进行进一步搜索。为避免陷入局部最优,采用动态调整局部搜索区域的策略,保持算法的全局收敛性。通过典型测试函数计算表明,该算法的收敛速度和局部搜索能力有明显改善。

基于分层粒子群优化的三维点云配准

为了提高三维点云配准的性能,采用基于分层粒子群优化的迭代最近点算法来完成点云配准;首先将源点云作为粒子群粒子,将粒子分成多个子群,然后以点云的曲率为适应度值,分别求解子群适应度值和全局粒子适应度值,并将子群适应度值、全局粒子适应度值和粒子当前速度三者结合,共同搜寻最优粒子,以得到能够精确表达点云结构的特征点,最后采用迭代最近点算法对特征点进行配准。仿真结果表明,通过合理设置粒子速度权重和子群规模,相对于标准迭代最近点算法,分层粒子群优化算法的三维点云配准效率提升显著,配准均方误差略有减小。

基于多种群分层粒子群优化算法的电力系统低压减载优化方法研究

低压减载是维护电力系统电压稳定的一道重要防线。最优减载问题是离散变量(地点和轮次)和连续变量(各轮的控制量)的混合优化问题。提出了一种利用多种群分层粒子群优化算法(HSPPSO)求解最优减载问题的新思路,采用受动态电压约束的系统最优潮流所建立的优化模型,以所切负荷总量最小为目标函数。最后以IEEE-39节点作为算例,结果与标准粒子群算法(PSO)和遗传算法(GA)对比,得出在同样的稳定裕度和迭代次数要求下,HSPP-SO算法总能够得到最小的减载量,表现出了在求解UVLS问题时的良好适应性。

基于分层型的改进粒子群优化算法

针对粒子群算法容易陷入局部极小点而无法得到全局最优值,且对于复杂的多极值点的函数的优化效果较差的问题。该文提出了一种改进的分层型粒子群优化算法,引入了多维空间旋转矩阵,在第一层的基础上,通过旋转不同角度矩阵产生多个层。该改进算法对整个粒子群进行旋转分层,增加粒子的多样性,从不同角度和平面寻找全局最优解,提高算法的全局搜索能力和收敛性能。最后对9个基准测试函数的仿真以及其统计数据,通过分析分层粒子群优化算法对每个基准函数的收敛速度和搜寻精度评价该算法的优劣。验证了改进后的算法满足函数优化要求。

一种改进PCA-SIFT和粒子群优化的图像匹配算法

图像匹配里传统的尺度不变特征变换(SIFT)因为存在数量与维数相对较多,导致出现计算量大匹配时间长的问题。故提出了一种基于PCA-SIFT的改进算法。该算法采用了一种圆形描述符对SIFT降维,同时利用主成分分析(PCA)法对描述符进一步降维,以此来减少描述符的维度带来的大量数据;在匹配时通过分层粒子群算法优化欧式距离与余弦相似度函数,根据粒子的差异性进行分阶层处理,寻找函数的极值,以此找到匹配点;通过实验对比发现特征点减少了5%~10%,时间也相对减少,改进的PCA-SIFT匹配算法可以有效地提升匹配的准确率。

一种混合粒子群优化算法在翼型设计中的应用

提出了一种分层交换差分粒子群优化算法。作为一种混合算法,将粒子群优化算法与差分进化算法有机地结合了起来,使得粒子种群和差分种群分层交换,共享最优信息,加快了收敛速度,降低了陷入局部最优的风险,函数测试结果表现出算法具有更好的寻优性能。将算法应用到翼型设计之中,取得了良好的优化效果。

基于动态负荷特性指标化的集中式低压减载方案

针对考虑负荷模型的最优减载问题,在戴维南等值电路的基础上指出传统依据静态负荷指标考虑低压减载问题可能导致分析不准确的原因。推导了基于本地量测信息的动态电压稳定裕度指标,该指标考虑节点负荷特性,能够通过本地量测量信息实时得出,不用进行复杂的节点戴维南等值,在电压变化的关键区域能够近似线性地反映出该点的负荷裕度,从而降低优化问题的维数。依据该指标建立了集中式最优减载的数学模型,将多种群分层粒子群算法与该模型结合推导出求解流程。IEEE39节点系统上的仿真结果表明所提方法在解决考虑动态负荷模型的低压减载问题上表现出了良好的适应性。

飞翼布局翼型气动隐身综合设计

针对飞翼布局翼型气动隐身综合设计问题,开展基于飞翼布局内外翼不同设计要求的翼型气动隐身综合优化研究。采用改进后的Hicks-Henne参数化方法实现翼型的参数化表达;分别采用基于雷诺平均N-S方程求解的计算流体力学方法及物理光学法和增量长度绕射系数法为基础的RCS分析方法计算翼型的气动、隐身性能;选择分层交换差分粒子群算法进行综合寻优设计研究。优化后的翼型兼顾了气动与隐身的要求,其综合性能优于原始翼型,满足飞翼布局的设计要求。结果表明该方法具有较好的实用性。

基于HUCPSO算法的电力系统稳定器参数优化方法

电力系统稳定器(PSS)对于抑制电力系统低频振荡简单有效,因而得到了普遍应用。一般采用工程整定方法设计PSS参数,这种方法难以达到优化控制效果。利用辨识参数获得参数初值,采用基于分层多子群的均匀分布混沌粒子群算法(H UCPSO)优化PSS参数,利用2机5节点系统非线性仿真模型对所得参数进行仿真。结果表明,相比于传统方法及其他智能优化算法,采用该方法优化设计的PSS具有更好的性能,所得到的控制参数使系统动态调节性能得到提高。

基于单类支持向量机的工业控制系统入侵检测

针对工业控制系统数据非线性、高纬度和不平衡等难题,本文从提高工业控制系统入侵检测的准确性入手,结合单类支持向量机算法,提出一种单类支持向量机异常检测方法。该方法在核主成分分析过程中加入Fisher-Score算法,实现了对数据集的特征提取,降低了后续单类支持向量机入侵检测模型训练和识别的复杂度;同时加入免疫克隆选择和协同进化等策略,采用分层协同免疫粒子群参数优化算法对单类支持向量机参数进行寻优,增强算法的综合性能,解决了基本粒子群算法在单类支持向量机参数寻优过程中存在的易陷入早熟收敛和局部最小值等问题;最后构建了基于优化后的单类支持向量机算法的入侵检测模型,并进行对比实验验证。实验结果表明:优化后的检测模型在训练时间、学习泛化能力和检测性能上都有明显提升。

超分辨波长调控变焦超透镜

提出了一种超分辨波长调控变焦超透镜的设计方法,同时对相位、色散、振幅进行调控,在提升超透镜轴向变焦能力的基础上,采用分层粒子群优化(HPSO)算法不断压缩超透镜的点扩散函数,使超透镜的半峰全宽(FWHM)不断逼近甚至小于衍射极限0.5λ/NA(NA为数值孔径)。作为理论验证,设计了一种工作在68~80μm波长范围内的超分辨波长调控变焦超透镜。仿真结果表明,其轴向变焦能力约为常规衍射超透镜的1.52倍,在73~78μm波长范围内的横向分辨率小于衍射极限。