网络化控制多目标无功优化的进化算法

针对网络化控制无功优化系统中节点为时间驱动的传输模式,提出一种多目标优化的改进进化算法。首先,分析网络化控制系统中节点的时间驱动和事件驱动2种传输模式,并对于时间驱动模式下数据丢包现象,建立网络化控制多目标无功优化系统的数学模型,进而引入去冗-保持处理方法。其次,给出一种基于双群体搜索机制的改进差分进化算法,通过对约束条件的可行和不可行双群体处理,解决多目标优化过程中陷入局部最优的问题,并改进变异和交叉操作以提高优化速度与性能。最后,利用IEEE 30节点系统进行仿真计算及分析。研究结果表明:该算法不仅能保证系统达到次优状态,而且收敛速度、均匀性及逼近性等方面均有较大提高。

基于网络化控制模型的改进无功优化算法

针对网络具有前向通道数据丢包的情况,提出一种基于网络化控制模型的改进无功优化算法。首先将网络化控制模型引入无功优化实时控制,实现了基于网络化控制模型的无功优化问题建模,并分析了网络数据丢包对于无功优化算法的影响;进而针对网络前向通道中数据丢包问题,提出利用历史控制量进行去冗–保持处理的改进优化方法;最后以定向变异遗传算法为例,针对IEEE 118节点系统进行了无功优化仿真分析。结果表明:当系统的网络前向通道中存在不可控输出量时,利用该方法不仅能保证系统达到近似的最优状态,而且其收敛性和求解速度都得到提高。

基于点积-平移支持向量机的客运需求预测

提出一种适用于多影响因素回归拟合的全社会客运量预测的点积-平移型支持向量机算法.该算法能够全面、系统地分析影响客运量需求变化的关联因素,通过关联元素去冗处理,确定作为支持向量机算法输入变量的核心关联元素.考虑到客运量预测是一个基于时序变化的外推过程,并且受社会经济发展中多项影响因素的制约,数据变化存在着阶段性特征,提出利用点积-平移型核函数来拟合需求变化过程.对历史数据集的测试结果表明,该算法性能评价满足要求,可为远景客运量预测提供理论依据.