基于改进乌鸦算法的滑坡竖向位移预测探讨

滑坡是一种严重危害人民生命财产安全的地质灾害,对其开展位移预测研究具有重要的理论与实际意义。本文采用改进乌鸦算法对机器学习算法进行优化,充分考虑滑坡体外部环境的影响因子,例如降雨、温度等,对示范区滑坡体竖向位移进行高精度预测。研究结果表明,本文提出的改进智能组合算法对于滑坡灾害的防灾与预警具有重要的价值。

基于改进乌鸦搜索算法的短期光伏功率预测

为了减小预测光伏发电功率时的误差,现提出一种基于改进乌鸦搜索算法,结合最小二乘积向量模型来进行短期光伏功率预测,最终通过软件构建模型与其他算法相比较得出该算法进行光伏功率预测提高了原始群体的品质以及丰富性,同时规避了被选取对象的无目的性,利用此种寻优算法极大程度地提高了最终结果的精确度,为短期光伏功率预测提供了一种方法。

基于改进乌鸦算法优化SCN的TE过程故障诊断

现代化工过程变得越来越复杂,及时准确发现故障显得尤为重要。针对随机配置网络(SCN)泛化能力差、分类准确率低以及乌鸦搜索算法(CSA)寻优能力差等问题,提出了改进乌鸦算法(ICSA)优化随机配置网络的田纳西-伊斯曼(TE)过程故障诊断方法,结合ICSA算法和其它优化算法的寻优对比试验以及优化SCN网络对TE过程中不同故障的分类结果,可以得出,将所提方法应用于TE过程中,可以明显提高不同故障的分类准确率,整个测试集的分类准确率也高达97.6%,具有较好的分类效果,也更符合现代化工生产的需求。

基于SVM与改进型乌鸦搜索算法的风电功率预测方法

针对如何提高风力发电功率预测的准确率,研究设计了一种基于改进乌鸦搜索算法(ICSA)优化支持向量机(SVM)的风电功率预测模型。在乌鸦搜索算法的基础上引入高斯变异算子和差分变异策略,提出改进型乌鸦搜索算法,并将之与支持向量机相结合,搭建ICSA-SVM风电功率预测模型。使用该模型,所得预测结果的均方根误差、平均绝对误差、平均绝对百分比误差等指标的值分别为4.42%、3.56%和5.22%。结果表明ICSA-SVM模型可实现参数优化,并有效提升了预测精度。研究成果可服务于含风能的电力系统日前调度,对推广清洁能源、实现碳达峰和碳中和具有重要意义。

基于SDN和改进CSA算法的多作业集群的负载均衡算法

为了实现更加高效的任务调度,减少系统的任务总完成时间以及保证可靠的服务性能,提高多作业集群系统的稳定性、灵活性以及高可用性,本文提出基于SDN和SOS-ICSA(Symbiotic Organisms Search and Improved Crow Search Algorithm)的负载均衡算法来改善多作业集群管理系统的调度问题。为了提高CSA算法收敛速度和解决方案的质量,对CSA算法加入局部优化策略,还利用SOS算法对CSA的2个控制参数进行自适应优化,帮助CSA找到最佳或者接近最优的解决方案。该算法还评估虚拟机的可靠性并且结合SDN,进一步提升系统性能和灵活性;对比仿真实验结果表明,本文提出的算法降低了系统的不平衡度,减少了任务的总执行时间,提高了资源利用率。

基于改进乌鸦搜索算法的微电网多目标优化

为响应国家节能减排的号召,对微电网中分布式电源的出力进行合理的发电调度,将经济成本最小和环境成本最低作为目标函数,并建立数学模型,才用改进的乌鸦搜索算法(GCSA)对该模型进行求解。通过案例仿真并与传统的乌鸦搜索算法(CSA)、遗传算法(GA)和粒子群算法(PSO)相比,验证了所提模型及算法能够有效地降低经济成本和环境成本,改进的乌鸦搜索算法具有更好的寻优能力。

电力物联网光伏微网多目标容量配置优化研究

光伏微网内部容量配置较小,导致光伏并网自我消纳能力不足,造成经济损失。为了解决这个问题,提出了电力物联网光伏微网多目标容量配置优化研究。建立运行成本、投资成本、年收益目标函数,以经济最优为目标,构建多目标容量配置目标函数。在改进乌鸦搜索算法中引入最优粒子群算法,求解目标函数,以乌鸦评判感知率为依据,输出配置结果最优解。实验结果表明,该方法光伏负荷曲线与理想光伏负荷曲线一致,总收益比理想收益高1 410万元,说明使用该方法经济效益较高。

全直流型船舶微电网多时间尺度综合能量管理

为了解决船舶微网在短期不同工况切换时功率波动大和长期运行经济性问题,采用多时间尺度分层控制的综合能量管理策略,在考虑船舶微网运行、负荷需求以及系统运行成本三者之间关系的基础上,对船舶微网系统进行了两层调控,其中针对短期运行下的负荷波动,采用基于规则的能量管理策略,通过对比所搭建的模型在不同模式以及不同运行工况下的仿真,结果表明当负荷处于短期波动时采用该策略能够在平抑功率波动的同时有效提高电能质量;长期运行下考虑可时移负荷对船舶运行经济性的影响,提出改进型的乌鸦搜索算法对燃料和储能电池总运行成本进行优化,通过算例分析表明:该算法考虑负荷时移性,不仅起到了削峰填谷的作用,而且相较于传统的乌鸦搜索算法经济性提高了4.4%。

基于全位姿测量优化的机器人精度研究

随着机器人在高端制造业、航空航天、医疗等领域广泛应用,对其全位姿精度要求越来越高。采用激光跟踪仪对机器人末端执行器进行全位姿实测,研究基于几何参数标定的机器人精度提升方法。首先,建立了串联机器人(MDH)模型;其次,提出了基于拟随机序列产生初始位置的改进乌鸦搜索算法(ICSA)用于标定机器人几何参数,建立了用ICSA标定机器人几何参数目标函数的数学模型,给出了标定的详细步骤。最后,对Staubli Tx60工业机器人进行了实测标定,结果证实:采用提出方法能够快速标定机器人几何参数,标定后的机器人在工作空间内随机选择的测试点其平均绝对位置和姿态误差由标定前的0. 309 6 mm和0. 232 2°减小为标定后的0. 092 6 mm和0. 082 9°,精度大幅提升。该方法简单易实现,效率高,鲁棒性强,稳定性好,适宜于在位置和姿态均有高精度要求的机器人中推广应用。