基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性(BCC——bacterial colcony chemotaxis)优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE30,IEEE57,IEEE118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。

基于细菌群体趋药性的函数优化方法

本文在细菌趋药性(BacterialChemotaxis,BC)优化算法基础上提出一种基于群体智能的函数优化方法-细菌群体趋药性(BacterialColonyChemotaxis,BCC)算法。细菌群体趋药性算法同时使用单个细菌在引诱剂环境下的应激反应动作和细菌群体间的位置信息交互来进行函数优化。细菌群体趋药性算法在保留单个细菌较强的搜索能力的基础上克服了细菌趋药性算法收敛速度较慢,性能难以与其他常用的智能优化算法比较的不足。对不同函数优化试例的仿真表明细菌群体趋药性算法性能良好,是一种具有进一步研究价值的集群函数优化方法。

基于微分进化和混沌迁移的细菌群体趋药性算法

细菌群体趋药性(BCC)算法是一种新的群体智能优化算法.本文研究了BCC算法中群体控制参数对算法性能的影响,并提出算法应用的参数控制策略.标准的BCC算法存在易于陷入局部极值的缺点,因此新算法中采用了以下改进措施,自适应调整感知范围、当细菌确定下一步位置时增加微分进化的待选个体和采用混沌迁移机制,改进后的算法增强了跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高。

基于细菌群体趋药性的有序盲信号分离算法

提出了一种基于细菌趋药性的细菌群优化算法。将探测判断策略和优势细菌随机扰动策略引入细菌群体的进化过程,解决了细菌个体在进化后期处于随机摄动状态而难以定位于全局最优位置的问题。通过使用测试函数对算法性能进行测试以及同其他算法的比较表明,所提出的算法在收敛速度和求解质量方面均有很好的性能。进一步将细菌群优化算法应用于解决盲信号分离问题,实现了对源信号的逐一有序盲分离。仿真实验表明,基于细菌群优化算法的盲信号分离算法具有很好的分离效果,可以将源信号按照其规范四阶累积量绝对值的降序进行有效分离。

基于局部学习机和细菌群体趋药性算法的电力系统暂态稳定评估

为了提高电力系统暂态稳定评估的分类正确率,提出一种基于局部学习机(LLM)和改进的细菌群体趋势药性(BCC)算法的暂态稳定评估方法。该方法采用LLM构建暂态稳定评估模型,考虑相量测量单元可以提供的故障后实测信息,构造了一组系统特征作为LLM模型的输入量,稳定结果作为输出量,对稳定结果和系统特征间的映射关系进行训练,并通过综合混沌搜索策略的改进BCC算法优化LLM模型的参数。最后,以新英格兰10机39节点系统为例证明了所提方法的有效性。

基于改进细菌群体趋药性算法的配电网无功优化

基本的细菌群体趋药性(BCC)算法中系统参数的固有设置方式极大地制约了算法性能,群体信息交互策略的引入,不可避免地产生趋同性,容易陷入局部最优。鉴于此,引入精度更新参数控制精度,动态调整细菌寻优速度、自适应调整细菌感知范围;并增加自适应变异算子增加随机扰动,改善种群的多样性,提高算法逃离局部最优的能力;以混沌搜索代替随机迁徙,利用其不重复的遍历性完成对局优点的二次寻优,形成改进的细菌群体趋药性(IBCC)算法,该算法极大地提高了算法的全局寻优能力。基于IBCC算法,建立了无功优化数学模型,并以IEEE-33节点配电系统为例应用该算法进行优化计算,结果表明,该算法在解决配电网无功优化问题上,具有很好的应用前景。

运用细菌群体趋药性优化的电力系统广域阻尼控制

分析了广域阻尼控制器(WADC)的超前-滞后环节补偿广域测量信号大时滞的效果。介绍了确定WADC参数的方法。根据时滞引起的广域信号滞后角的大小选择超前或滞后补偿,并确定时间常数。介绍了细菌群体趋药性(BCC)优化算法及其应用,并采用BCC优化算法获得WADC的增益以改善电力系统阻尼。优化过程中采用时间加权误差平方的积分(ITSE)作为性能指标。4机2区域测试系统大扰动仿真结果表明,这种WADC在运行点大范围变化的情况下可以抑制互联电网中出现的低频振荡,有效改善电力系统稳定性。

基于细菌群体趋药性的电力系统无功优化

提出了一种基于细菌群体趋药性的电力系统无功优化算法。细菌群体趋药性引入了群体信息交互策略,使得单个细菌在利用自身信息随机移动的同时,通过种群的信息交互,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。建立了基于细菌群体趋药性的无功优化数学模型,并对标准IEEE-6和IEEE-30节点测试系统进行了无功优化计算,通过结果分析表明,细菌优化算法在解决电力系统无功优化问题上,具有很好的应用前景。

基于细菌群体趋药性优化的k-means算法

细菌趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法——细菌群体趋药性(BCC)算法。将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度。并给出了一些实验,结果令人满意。

基于细菌群体趋药性算法的二级电压控制

二级电压控制策略的求解是电压分级控制的关键环节。针对控制设备既有连续设备又有离散设备的特点,建立了改进型离散二级电压控制系统的数学模型。模型中增加了有载调压变压器等离散设备,同时考虑了二级电压控制区域间的影响以及无功控制设备端电压的偏离值,使该模型更加符合实际电力系统。将一种新型的群体智能优化算法——细菌群体趋药性(bacterial colony chemotaxis,BCC)算法应用于该模型的优化求解。在Matlab环境下用经典的新英格兰39节点系统进行仿真,结果表明:与传统的二级电压控制相比,在增加了有载调压变压器等离散控制设备后的二级电压控制的效果明显提高。此外BCC算法可以很好地处理离散变量问题,具有收敛速度快、精度高、占用资源低的特点。

基于细菌群体趋药性算法的家用电器优化调度

本文通过考虑用户对用电器运行功率和工作时间的要求以及对电动汽车充放电的约束,建立用户用电花费和不满意度的模型,将家用电器优化调度问题建模为同时含有连续变量和离散变量的非凸优化问题。采用细菌群体趋药性优化算法,对用电器的运行功率和开始工作时间以及电动汽车的充放电功率进行优化,实现削峰填谷的目的。仿真结果表明了细菌群体趋药性优化算法的有效性。

改进细菌群体趋药性算法在无功优化中的应用

为了克服细菌群体趋药性BCC(bacterial colony chemotaxis)算法容易陷入局部最优的缺点,在自适应调整细菌移动速度和感知范围的基础上引入了混沌优化。先将部分重叠或者陷入局部极值点的菌群映射为混沌序列,使其可以重新更优质的遍历分布于空间;然后通过逆映射得到菌群新的适应度值,提高了算法的全局搜索能力,并成功将其应用到电力系统的无功优化中;对Rastrigin函数进行仿真以及IEEE33节点配电系统进行计算分析。结果表明改进的算法具有很好的全局搜索能力,能有效降低系统有功网损,该算法是可行的。

基于均匀设计的改进细菌群体趋药性算法

针对细菌群体趋药性算法(BCC)求解效率较低的问题,提出一种改进的BCC算法。利用均匀设计方法生成初始菌群,使初始菌群在解空间中足够均匀,以充分利用解空间的信息。在细菌间的协作模式框架下,对单点细菌向群体中心点移动方式进行改进,即单个细菌向其群体间最优点的邻域内移动时,为找到潜在位置中的较好解,对潜在位置之间的距离进行等分,以这些等分点中的最优点作为该细菌下一步将要移动到的位置。通过函数优化进行仿真实验,表明改进后的算法在进化代数和寻优成功率上都有较大的提高,具有较高的运行性能。

基于细菌群体趋药性算法的电力市场发电机组日有功经济调度

对电力系统经济运行中的一个基本问题即发电机组经济调度问题进行了研究。讨论了电力市场环境下发电机组经济负荷分配的新特点,并建立了相应的数学模型并将一种新的群体智能优化算法细菌群体趋药性算法应用于其中。优化结果表明本文对在市场机制的新环境下解决机组经济负荷分配问题的尝试是成功的。

改进细菌群体趋药性算法在可用输电能力计算中的应用

针对基本细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法中存在的缺陷进行改进,在基本BCC算法中引入了带有权重系数的细菌变速公式,使算法能较快收敛在几个最优解周围并进行细致搜索,从而寻找到全局的最优解;引入了细菌感知范围的动态调整机制,提高了算法的寻优精度;引入了记录本,把细菌寻优过程中的最优值暂记在记录本里,从而避免了最优值被随机抛弃的情况。文章建立了基于最优潮流的可用输电能力的计算模型,并运用改进的细菌群体趋药性算法来求解该模型。通过以IEEE-30节点测试系统为例进行仿真计算,并与基本BCC算法的计算结果进行了比较,结果表明IBCC算法能以更快的速度得到最优解,其性能明显优于基本BCC算法。

基于细菌群体趋药性算法的可用输电能力计算

构建了基于最优潮流模型的可用输电能力(Available Transfer Capability)ATC计算模型,并采用细菌群体趋药性算法对该模型进行求解。为简化n维变量寻优问题,将n维空间的求解问题化简为(n-1)个二维空间问题进行求解,并给出了新的求解此二维空间的表达式;根据ATC求解特点,引入自适应步长,对步长和方向进行自适应调整;针对寻优过程中的最优值,引入公告板,将最优值暂存在公告板内,避免最优值随机抛弃。该算法不仅提高了ATC求解的运算速度,同时保证了算法在ATC计算过程中的全局搜索能力。IEEE-30节点系统的仿真结果验证了其有效性和合理性。

基于微细菌群体趋药性的函数优化算法

在细菌群体趋药性(bacterial colony chemotaxis,BCC)优化算法的基础上,借鉴微遗传算法的思想,提出了一种新的优化算法——微细菌群体趋药性(micro bacterial colo-ny chemotaxis,M-BCC)算法。M-BCC算法利用两个菌群(寻优菌群和库存菌群)来寻优,寻优菌群使用BCC算法来寻找最优解,库存菌群保证了寻优菌群的多样性。对Ras-trigin函数和Schaffer's f6函数优化仿真,结果表明,微细菌群体趋药性算法的成功率分别达到了95%和52%,与遗传算法和BCC算法相比,优化效果较好。

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.

细菌群体趋药性算法优化LS_SVM参数方法

针对支持向量机的参数选择问题,本文提出了一种采用细菌群体趋药性智能优化算法优化最小二乘支持向量机参数的方法。细菌群体趋药性智能优化算法引入了群体信息交互策略,单个细菌不仅利用自身信息随机移动,而且细菌群体之间交换种群的信息,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。该方法提高了支持向量机的参数选择效率,避免了人为设定参数的不足,大大缩短了优化时间。经过细菌群体趋药性智能优化算法优化得到的最小二乘支持向量机的参数对,用于测试样本的多分类实验和函数拟合实验,其分类结果和函数拟合效果验证了本文方法的有效性。

细菌群体趋药性算法在多元非线性回归分析中的应用

利用细菌群体趋药性优化算法的优化速度和精度超过其他一些常见群体优化算法的优势,对多元非线性回归问题进行分析,并将该方法应用到混凝土重力坝顺河向位移的预测中,分析结果表明拟合效果较好,为解决回归问题提供了一种新思路.