电力系统无功优化的反向优化差分进化算法

电力系统无功优化问题是一个复杂的多目标、多约束、非线性的混合整数优化问题,针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,首次引入反向优化差分进化算法应用于解决电力系统无功优化问题。反向优化差分进化算法利用基于反向的优化对种群进行初始化,可以获得适应度更优的个体,从而加快了收敛速度;根据一定的跳变率,对种群逐代进行动态跳变,增加了种群的多样性,可以避免算法陷入局部最优解。以系统的有功网损最小为目标函数同时兼顾电压的合理分布,对IEEE-14节点系统进行了无功优化仿真计算,并与其他优化算法进行了比较,结果表明该算法具有较强的全局寻优能力,且收敛速率较快,收敛精度高,鲁棒性好,可较好地解决电力系统无功优化问题。

一种融合反向学习机制与差分进化策略的蛇优化算法

蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化策略有助于算法精准寻优,降低算法陷入局部最优的几率。在10个基准测试函数上的实验结果表明,ISO算法拥有更高的寻优精度和更快的收敛速率。将其应用于支持向量机(support vector machine,SVM)的参数选取中,进一步验证了ISO算法的有效性。

基于变时段设计改进多目标差分进化算法的风/光/火/储日前优化调度

在高比例新能源馈入的新型电力系统中,新能源出力的不确定性导致火电难以满足调度计划的精度需求,风/光/火/储系统的经济调度求解算法面临严峻挑战。为此,提出一种基于变时段设计的多目标差分进化算法。首先按各时段负荷特征构建风/光/火/储系统的变时段日前调度规则。进而以系统运行经济成本与污染排放量为目标,基于多目标差分进化算法求解变时段系统日前调度模型的Pareto解集。最后,用IEEE 39节点系统进行测试。结果表明在风、光、储与火电的约束条件均符合校验的情形下,相较于其他算法,该方法使计算结果更加优化,火电机组出力跟踪调度计划效果显著提高,验证了所提方法的有效性。

基于改进差分进化算法的自由曲面测量路径优化

为解决传统差分进化算法存在收敛速度慢、易陷入局部最优解以及由于个体选择的随机性导致求优稳定性差的问题,文章通过引入多重启动策略,多次运行算法并使用不同的随机种子,增加算法对空间的探索性,在一定程度上解决算法易陷入局部最优解问题;通过使用新的突变策略,在求优稳定性提高了约10%;通过引入参数自适应调节机制,动态地调整算法参数的取值,使收敛速度提高了约10%,并提高了算法的鲁棒性。

基于改进差分进化算法的动态防空资源分配优化

面对动态防空资源分配问题中存在的空袭目标突现和雷达、发射车等资源受干扰现象,在综合考虑雷达、发射车和导弹等武器装备性能的基础上,基于目标集、资源集建立了最小化目标总拦截价值与生存概率的混合整数决策模型。提出了一种新的改进差分进化算法进行求解,采用反向学习策略生成初始解,确保初始种群的质量,设计了一种快速修复与重构的启发式规则作用于多阶段,以提升算法的搜索能力。仿真实验验证了该算法具有求解时间和求解精度上的优越性。该研究能使武器系统在动态事件的随机影响下,保持高效的作战能力和决策效果。

基于差分进化算法的旧采空区水分质利用优化配置

大部分矿井水污染程度低,稍加处理即可供饮用、工业、农业、生态等使用。焦作煤田吴村矿旧采空区水可供水量为718 m^(3)/h,矿区周围饮用、电厂、灌溉、养殖、生态等用户需水量为1073.74 m^(3)/h,旧采空区水仅能满足66.87%的用水需求;旧采空区水需处理达标后才能供给用户,不同用户的水处理工艺和费用差异较大,依据水质优化配置旧采空区水量具有重要意义。目的为了实现矿井排水综合利用效益最大化,方法以焦作煤田吴村矿旧采空区水为研究对象,在计算其供水量和分析水质基础上,结合矿区周围饮用、电厂、灌溉、养殖、生态需水量及水质要求,构建718 m^(3)/h旧采空区水分质利用优化配置数学模型,并利用差分进化算法求解。结果结果表明:灌溉期分配饮用水6.00 m^(3)/h、电厂用水334.95 m^(3)/h、灌溉用水353.89 m^(3)/h、养殖用水19.76 m^(3)/h、生态用水3.40 m^(3)/h;非灌溉期分配饮用水6.00 m^(3)/h、电厂用水688.84 m^(3)/h、灌溉用水0 m^(3)/h、养殖用水19.76 m^(3)/h、生态用水3.40 m^(3)/h时,旧采空区水分质利用年收益最大。结论研究结果可为类似矿井旧采空区水和矿井排水资源化利用提供借鉴。

混合模式搜索差分进化算法研究及其在高压容器概率优化中的应用

为求解高压容器的概率优化问题,提升差分进化算法的收敛速度,提出一种基于模式搜索算法的混合差分进化算法。该算法在差分进化算法的后期,引入模式搜索算子,以当前群体最优点作为模式搜索算子的基点进行模式搜索。仿真结果表明该混合算法收敛速度明显要优于差分进化算法。最后建立高压容器的概率优化设计模型,利用混合算法求解高压容器优化问题的确定型优化模型及概率优化模型,结果表明概率优化模型的优化结果更合理可靠。

伪对立学习与差分进化的改进鲸鱼优化算法及图像分割应用

针对多阈值图像分割计算代价高、分割精度差的不足,提出伪对立学习与差分进化的改进鲸鱼优化最大熵多阈值图像分割算法。为了提升传统鲸鱼算法的寻优精度和收敛速率,引入伪对立学习和混沌Tent映射进行种群初始化,提升种群多样性和初始解质量,扩大精英个体对种群进化的引领作用;引入差分进化增强种群全局搜索能力,避免迭代后期陷入局部最优,进而实现改进算法OLDWOA。以最大熵函数评估适应度,利用OLDWOA对图像分割多阈值组合寻优,确定最优阈值。利用经典图像做图像分割实验,在计算效率、峰值信噪比、结构相似度和特征相似度指标上对比,证实该方法分割精度和分割效率优于同类算法。

基于差分进化算法的数控机床进给系统加速试验优化模型

为了进一步提高数控机床进给系统工作性能及效率,该研究引入差分进化算法,基于差分进化算法的原理和应用流程,自动寻找最佳的参数配置,提高加速过程的效率。通过差分进化算法的迭代优化,寻找最佳的参数组合,以实现更快速、更平稳的加速过程。模型运行试验结果表明,优化后的数控机床进给系统在加速阶段具有更高的性能和更短的加速时间。研究结果能对提高数控机床的加工效率和性能提供有力支持,对于制造业具有重要的实际应用意义。

基于样条插值和差分进化算法的卸船机抓斗装卸轨迹优化

随着物流行业的兴盛,卸船机作为港口机械的重要组成部分,其作业效率对港口物流有着重要的影响。卸船机装卸轨迹规划是港口装卸系统中的重要环节,对经过规划后的轨迹进行合理优化,是确保卸船机在抓取货物后,并满足各种约束条件下,安全、高效的卸载货物的重要一环。文中通过对卸船机卸装轨迹实际作业情况的分析,总结现有轨迹存在的问题,并采用样条插值法规划路径,使整体路径更平滑,可降低作业时的抖振。使用差分进化算法对轨迹进行优化,优化后的轨迹比优化前单次作业效率提高5.02%,优化后的轨迹在作业空间、时间方面均有提升。

基于改进差分进化算法的CCHP型微电网两阶段调度优化方法

由于CCHP型微电网两阶段调度需求的随机性,导致优化难度较大,难以找到有效的解决方案。因此,本文提出基于改进差分进化算法的CCHP型微电网两阶段调度优化策略。将微电网运行状态空间划分,构建CCHP型微电网两阶段调度优化模型,利用改进差分进化算法对微电网两阶段调度优化方案进行求解,实现CCHP型微电网两阶段调度优化。设计对比实验,实验结果证明该方法的调度转化效率最高,能够最大限度地利用。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于差分进化算法的瞬变电磁一维反演

实际采集的瞬变电磁数据包含电磁感应和激发极化效应,如何准确提取电阻率和极化率信息是电性源瞬变电磁数据处理的关键。首先,基于Cole⁃Cole复电阻率模型实现有限长电性源瞬变电磁法一维正演,在此基础上提出一种基于差分进化算法的电性源瞬变电磁一维反演方法。然后,在传统差分进化算法的基础上引入反向学习策略及控制参数自适应调节,加快反演的收敛速度,同时在目标函数中引入约束条件,构成最小构造反演,降低反演的多解性。最后,基于典型的三层地电模型和复杂多层模型进行理论模型测试,反演结果可有效恢复模型的电阻率和极化率。利用实测资料进行反演,反演得到的电阻率与OCCAM反演电阻率基本一致。在此电阻率约束的基础上,进一步反演得到极化率信息。反演结果准确地提取了实测数据中的电阻率信息,得到了地下介质的极化率分布,证明了算法的准确性和适用性。

一种基于改进差分进化的K-Means聚类算法研究

为改进传统K-Means聚类算法中因随机选取初始聚类中心而导致聚类结果不稳定且效率低的缺点,提出一种基于改进差分进化的K-Means聚类算法(AGDE-KM)。首先,设计自适应操作算子来提升算法前期的全局搜索能力和后期的收敛速度;其次,设计多变异策略并引入权重系数,在算法的不同进化阶段发挥不同变异策略的优势,平衡算法的全局和局部搜索能力,加快算法的收敛速度;最后,提出一种基于当前种群最佳个体的高斯扰动交叉操作,为个体提供更优进化方向的同时保持种群在“维”上的多样性,避免算法陷入局部最优。将算法停止执行时输出的最优解作为初始聚类中心替代传统K-Means随机选取的聚类中心。将提出算法在UCI公共数据库中的Vowel、Iris、Glass数据集和合成数据集Jcdx上进行对比实验,误差平方和(SSE)相对于传统K-Means分别减小5.65%、19.59%、13.31%、6.1%,聚类时间分别减少83.03%、81.33%、77.47%、92.63%。实验结果表明,提出的改进算法具有更快的收敛速度和更好的寻优能力,显著提升了聚类的效果、效率和稳定性。

分布式数据驱动的多约束进化优化算法

泛在计算模式下,数据分布式获取和处理带来了分布式数据驱动优化的需求。针对数据分布获取、约束异步评估且信息缺失的挑战,构建分布式数据驱动的多约束进化优化算法(DDDEA)框架,由一系列终端节点负责数据提供和分布式评估,服务器节点负责全局进化优化。基于该框架具体实现了一个算法实例,终端节点利用局部数据构建径向基函数(RBF)模型,辅助驱动服务器节点差分进化(DE)算法对问题进行寻优。通过与3个集中式数据驱动的多约束进化优化算法在两个标准测试集的实验对比,DDDEA在68.4%的测试用例中取得显著最优结果,在84.2%的测试用例中找到可行解的成功率为1.00,表明该算法具有良好的全局搜索能力和收敛能力。

基于混合整数有向差分进化算法的平面麦克风阵列几何优化

针对多约束条件下阵列优化过程中运算复杂和波束指向固定的问题,提出一种基于混合整数有向差分进化(mixed integer directed differential evolution, MIDDE)算法的综合方法。首先,通过几何变换减少优化目标数量,缩小寻优空间,降低运算复杂度;其次,对差分进化(differential evolution, DE)算法的变异过程引入随机选择与排序策略,提高搜索速度与精度,并改进边界约束处理方式,提高边界搜索能力。最后,用MIDDE算法优化基于正则化稳健超指向波束形成器的目标函数。仿真结果表明,在白噪声增益(white noise gain,WNG)受约束的情况下,优化阵列可在宽波束指向角范围内获得较高的方向性因子(directivity factor,DF),且显著高于相同阵元数的规则阵列,该方法可有效提高阵列性能。

基于差分进化算法的智能化预制厂房设备资源配置优化

优化设备资源配置,有利于提高设备利用率,减少智能化预制厂房建造成本,进而提高企业效益。以大型混凝土构件智能化预制厂房为研究对象,基于智能优化算法,根据预制构件生产流程特点,考虑工人的工作时间及各工序的连续性,构建设备资源配置最优化模型,并在双变异策略的基础上结合自适应变异算子的差分进化算法(differential evolution, DE)对模型进行求解,从而得到混凝土构件智能化预制厂房设备资源配置的最佳方案。

基于差分进化算法的配电网网格负荷控制与规划技术研究

在配电网网格负荷控制与规划中,为优化配电网网格线损、供电质量、负荷等结构性指标,研究提出了一种基于差分进化算法的配电网网格负荷控制与规划技术。针对配电网格中各类发电装置,建立电网规划模型,设定和构建初始化种群,选取适当差分初始矢量实施变异处理,在差分增量下构成新个体的前提下,为提高后代种群多样性,利用交叉因子对差分出的个体实施交叉训练,以此形成新的分配个体。最后,利用贪婪选择模式评价和保留子代种群,控制可控负荷和不可控负荷的有功功率,从而完成电网网格规划。实验结果证明,运用差分进化算法对配电网网格的负荷控制和规划效果都比较好,鲁棒性能优越,迭代速度也更快。

基于差分进化算法下肢康复机构的优化设计

文章针对基于运动轨迹的单自由度下肢康复机器人存在的足部踏板速度突变问题,提出一种平面连杆机构尺度综合的优化方法。对下肢康复机构进行运动学分析,建立正逆解的数学模型,构建机构的凸轮曲线与足部轨迹的运动学关系;采用差分进化算法对下肢康复机构进行尺度综合分析,通过构造优化目标函数优化模型中的各参数,得到一组机构参数的最优解。优化结果表明,采用差分进化算法优化后,可以降低下肢康复机构足部踏板的速度突变,提高装置的稳定性,同时保证足部步态轨迹与正常步态轨迹基本重合。研究结果表明,该优化方法可以为下肢偏瘫患者提供科学的康复训练轨迹,有助于其康复训练。最后,文章提出一种基于层次分析法(analytic hierarchy process,AHP)的下肢功能康复评估指标体系,并建立一种以综合指标为基础的评估方法,该指标能够真实地反映患者在康复过程中的训练效率,使康复训练方式的选择更加科学、高效,更好地满足患者的康复需求。

基于差分进化的热疗阵列天线能量聚焦优化

针对目前用于微波热疗中阵列天线存在的能量优化问题,提出了一种基于差分进化的能量聚焦优化算法(BP-DE)。通过使用BP神经网络结合差分进化算法优化阵列天线中每个阵元的振幅和相位来实现目标点位置的总能量最大化。为了验证算法的有效性与准确性,在多物理场仿真软件COMSOLMultiphysics中使用一个17阵元适形微波热疗阵列天线进行热场仿真验证。实验验证了该差分进化算法通过优化阵列天线馈源从而在目标点位置处精确聚焦能量的能力。同时为了验证所提出的BP-DE算法的优越性,与传统差分进化热疗结果进行对比,结果显示该BP-DE算法聚焦结果准确性平均高于传统差分进化算法23%。