基于改进黑猩猩算法的解析Preisach模型参数辨识

解析Preisach模型解决了Preisach模型因离散Everett函数造成的测量误差大、数值不稳定的问题,但是解析Preisach模型同时存在参数多、辨识复杂的问题。针对上述问题,提出一种融合多策略的改进黑猩猩优化算法,来实现对解析Preisach模型的参数快速、精确辨识。首先,引入自适应权重因子来平衡全局搜索和局部开发能力;其次,将差分变异策略应用到种群个体位置更新中,增强算法个体间的信息交流,扩大搜索范围;最后,使用柯西变异和高斯变异相结合的随机扰动策略,进一步增强算法跳出局部最优的能力。结合实验数据,分别使用遗传算法、黑猩猩算法、正弦余弦黑猩猩算法与所提算法对解析Preisach模型参数进行辨识,并基于辨识结果对取向硅钢片的磁滞回线进行模拟。通过磁滞回线拟合度、适应度值变化以及损耗误差分析3个方面的结果对比可得,所提算法在解析Preisach模型的参数辨识上兼具辨识精度高、收敛速度快的优点。

基于改进黑猩猩优化算法的有源配电网重构

为了更好地解决有源配电网重构问题,笔者提出一种基于改进黑猩猩优化算法(improved chimp optimization algorithm,ICOA)的有源配电网重构方法。以系统网损、电压偏移指数和负荷均衡度作为优化目标,建立有源配电网多目标重构模型,并利用加权处理法将多目标转化为单目标。采用收敛系数非线性变化和小孔成像学习策略对黑猩猩优化算法(chimp optimization algorithm,COA)进行改进,得到了优化效果更好的ICOA,并利用ICOA对目标函数进行优化,通过算例分析对所提方法的有效性进行验证。结果表明,采用ICOA重构后的系统网损、电压偏移指数和负荷均衡度分别下降36.89%、56.82%和45.76%,有源配电网运行的经济性和稳定性全面提升。

基于改进斑点鬣狗算法的并网型微电网优化调度

为了实现并网型微电网的经济运行,提出了一种基于改进斑点鬣狗(improved spotted hyena optimization, ISHO)算法的并网型微电网优化调度方法。以微电源维护成本、柴油机发电成本和购售电成本组成微电网调度成本,构建了以微电网调度成本最小为目标函数的并网型微电网调度模型。采用Logistic映射、非线性递减控制参量和反向学习等策略对斑点鬣狗(spotted hyena optimization, SHO)算法进行改进,获得ISHO算法。采用ISHO算法对并网型微电网调度模型进行求解,并将优化结果与其他算法进行对比分析,结果表明,ISHO算法获得的最低调度成本为3 575.25元,相比其他几种对比算法的求解精度更高,验证了ISHO算法在微电网优化调度方面的有效性。

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。

改进的黑猩猩算法优化LSTM的短期电力负荷预测

针对电力负荷随机性强、预测精度不高的问题,提出一种基于改进型黑猩猩优化算法(ICOA)优化长短时记忆网络(LSTM)的短期负荷预测模型。为了避免标准的黑猩猩算法求解LSTM参数优化问题时易陷入局部最优和收敛速度慢等缺陷,首先通过Sin混沌映射初始化黑猩猩种群,增强种群多样性,提高初始解的质量;其次,提出一种非线性收敛因子,均衡算法的全局与局部搜索能力,提高收敛速度;然后,引入反向学习策略和柯西高斯变异对最优黑猩猩进行扰动变异,提高算法局部和全局的开发能力,进而提高算法的寻优能力;最后,利用ICOA对LSTM网络的隐含层神经元数、学习率等参数进行优化,自动寻找最优参数,建立ICOA⁃LSTM负荷预测模型。结合某地区的实际数据进行预测分析,结果表明,与Elman、LSTM、PSO⁃LSTM、WOA⁃LSTM、COA⁃LSTM预测方法相比,文中所提方法的收敛速度和预测精度均有大幅提升。

基于改进灰狼算法的并网型微电网容量优化研究

为了合理配置并网型微电网中各分布式电源的容量,降低微电网的经济成本,对并网型微电网的容量优化配置方法进行了研究。首先,建立了并网型微电网中各单元的数学模型,并提出了微电网的运行策略;其次,综合考虑系统的年均投资成本、年运行维护成本、置换成本、年停电补偿费、年购电费用、年运行收益和设备报废回收效益等因素建立目标函数,并结合微电网的功率平衡约束、设备的运行约束及与主网的交换功率约束来构建并网型微电网的容量优化配置模型;再次,采用改进的灰狼算法对优化模型进行求解;最后,通过仿真分析验证了所提出模型的有效性。

基于改进型粒子群算法的栽植机四杆机构优化设计

针对栽植机四杆机构优化设计问题,提出了一种基于改进型粒子群算法的优化设计方法进行优化设计:以栽植机四杆机构为研究对象,建立以机构输出角的平方偏差最小化的优化模型;提出自适应权值粒子群算法,并与复合形法、约束随机方向法的优化设计结果进行比较,发现设计结果有了明显优化,验证了该改进型粒子群算法更适用于栽植机四杆机构的优化设计,对于栽植机四杆机构的优化设计具有良好的指导意义。

计及激励型需求响应的低压配电网混合储能优化配置

分布式光伏高比例接入和再电气化与电能替代加剧了系统源、荷的波动性,传统低压配电网规划方法难以适应新型电力系统发展的要求。针对此问题,首先建立了计及激励型需求响应的低压配电网混合储能优化配置模型,然后,根据不同时间尺度下的储能设备和激励型需求侧响应资源的特点,提出运用改进的变分模态分解算法(variational mode decomposition,VMD)对净负荷曲线进行多尺度分解和组合重构,以系统总成本和有功功率波动值之和最小为目标,运用改进的鲸鱼优化算法对所提的优化配置模型进行求解。最后,通过算例验证所提方案的有效性。

基于改进型PPO算法的公寓安全预警模型

随着城市化的加速和公寓建筑的快速增长,确保居民的安全已成为当务之急。本文深入探讨了基于改进型近端策略优化(PPO)算法的公寓安全预警模型的开发。引入了一种新的深度学习架构,作为实时分析和预测潜在安全威胁的核心技术。实验结果表明,改进后的PPO算法在准确性、效率和响应时间方面明显优于传统方法。此外,该系统能够及时提供警报,确保公寓居民的安全。本文不仅强调了深度学习在安全和安防应用中的潜力,而且为智能生活环境领域的未来发展奠定了基础。

基于支持向量机-改进型鱼群算法的CO_2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。

基于改进型免疫遗传算法的母管制机组负荷优化分配

改进型免疫遗传算法在遗传算法中引入了免疫系统的抗原识别、抗体多样性、免疫记忆、浓度调节等机制,且将遗传竞争分为子种群间和子种群内部个体间的两级竞争,从而能够快速、稳定地收敛到全局最优点。为此,提出了一种基于免疫遗传算法的母管制机组负荷优化分配方法,以提高机组运行的经济性。实际计算结果证明,该方法对机组的负荷优化分配具有良好的优越性。

应用改进遗传算法的S9型10kV级电力变压器优化设计

以新S9型 10kV级电力变压器为设计对象 ,对传统遗传算法进行了研究和改进 ,并在此基础上编制了一套“电力变压器优化设计系统”软件。本文介绍了对遗传算法的改进和电力变压器优化设计软件的功能 ,同时给出了S9型 10kV级电力变压器优化设计的实例。结果表明 ,改进遗传算法是一种适合于变压器优化设计的简便有效方法。

采用改进型遗传算法的农网运行优化方案

为了有效地推进农网改造工程,在建立基波潮流、谐波潮流、无功功率补偿和农网规划数学模型的基础上,提出了一种改进型遗传算法的农网运行优化方案,即采用遗传算法寻优与灵敏度信息指导相结合之法,编制出农网基波及谐波潮流、无功补偿和优化运行软件程序包。结果表明,在线可观测基波、谐波潮流和无功补偿等状况,优化后比优化前电流谐波总畸变率平均下降了1.66%,3、5、7次谐波放大水平平均降低了约1.2%,农网年运行费用节省了13.2%。

基于改进PSO⁃GSA算法的快速开关型电网故障限流器优化配置

针对快速开关型故障限流器(fast switch fault current limiter,FSFCL)在电网中布点和容量优化问题,提出一种基于改进PSO-GSA算法的FSFCL全局优化配置模型。首先分析了FSFCL的基本原理,采用基于支路阻抗的灵敏度法缩小搜索空间;将限流效果及限流器成本作为优化目标,构造适应度函数;然后利用粒子群算法改进万有引力搜索算法(PSO-GSA)并对该混合算法进一步改进,制定算法优化流程。同时,由于依据人工经验在直接选择最终配置方案时可能会达不到最佳的效果,通过建立方案评价模型,依据相对熵原理确定各指标组合权重,再利用加权逼近理想点排序法(technique for order by similarity to an idea solution,TOPSIS)对方案进行排序,选取了最终配置方案。文中的方案评价模型可避免仅凭人工经验选择安装FSFCL线路的盲目性,有效地降低了电网规划成本。最后采用IEEE39节点系统算例仿真验证了该全局优化配置模型和方案评价模型的有效性。

基于改进型遗传算法的前馈神经网络优化设计

阐明了遗传算法和神经网络结合的可行性,提出了一种改进的面向神经网络权值学习的遗传算法。通过对XOR问题的实验,显示出其快速学习网络权值的能力,且能摆脱局部极值的困扰和初始权值的限制从各方面都表现出优于标准遗传算法和BP算法的性能。

求解组合优化问题的改进型量子进化算法

根据组合优化问题的特点,提出了一种求解组合优化问题的改进型量子进化算法。借鉴小生境协同进化思想初始化种群,增加了个体多样性;采用动态策略调整量子门旋转角,加快了收敛速度;采用"优体交叉"策略实施染色体交叉操作,增强了局部搜索能力。利用典型组合优化问题——2个多维0/1背包问题实例对算法性能进行验证,结果表明了该算法的可行性和有效性。

基于改进灰狼算法的船舶数学模型参数辨识

为了解决船舶操纵性指数计算复杂以及辨识参数泛化性较低问题,本文利用改进灰狼算法对辨识参数进一步优化。基于大型油轮运动数据以及一阶、二阶线性响应型数学模型,利用支持向量回归得到辨识参数的参考值。当参考值泛化性较低或者不准确时,利用改进灰狼算法实现辨识参数的范围内寻优,并将所得的辨识结果与基于遗忘因子的递推最小二乘的辨识结果对比。研究表明:利用改进灰狼算法优化后得到的辨识参数结果精度较高并且具有一定的泛化性。改进灰狼算法具有较强的搜索能力,同时可以对其他算法得到的不准确的参数进一步优化,使得参数辨识值更为准确。

基于改进型蚁群算法的货物作业车取送模型优化

介绍了蚁群算法及其改进型的原理、模型和算法实现过程,并采用改进型算法对货物作业车取送数学模型进行了优化计算。优化计算结果表明,改进型蚁群算法的优化计算切实可行,为类似其他的铁路运输优化计算提供了新的思路和方法。

基于双因子改进型粒子群算法的混合滤波系统的多目标优化设计

大容量混合滤波系统的应用前景十分广阔,其滤波器组的参数优化,尤其是无源滤波器的参数设计对综合性能的影响很大。本文提出基于双因子改进型粒子群优化算法的混合滤波系统中无源滤波器组的多目标优化设计方法。通过将加速因子和交叉因子引入优化算法,针对无源滤波器的多目标优化,高效搜索参数空间以获得最优解。与以往的优化设计相比,带双因子的改进型粒子群算法采用自适应的惯性权重,交叉因子增加了粒子的多样性,克服了算法寻优过程中易局部收敛等问题,提高其全局搜索能力。而收缩因子可以加快PSO的运算速度,明显提高了算法的寻优速度。测试结果表明利用该算法设计的混合型滤波系统具有较强的鲁棒性。