改进天牛须搜索算法在圆度误差评定中的研究

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进天牛须搜索算法的圆度误差评定方法。首先,通过圆度误差最小区域原则建立了数学模型和目标函数。其次,在标准天牛须算法的基础上,设计了变步长法,进一步提高算法的计算精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法和粒子群算法等进行对比。实例表明,改进的天牛须搜索算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了该算法的优越性。

基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。引入模拟退火算法中的蒙特卡洛法则对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search,BAS)进行改进,提高算法的稳定性,并应用于分布式电源选址定容问题求解。算例仿真实验验证了改进天牛须搜索算法(Improved Antennae Search,IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。

基于改进天牛须搜索算法的电池储能系统参与AGC优化控制策略

在电池储能系统辅助传统发电机组参与电网自动发电控制时,针对按固定比例分配各机组出力信号难以充分发挥储能调频效果的问题,提出一种基于改进天牛须搜索算法的优化控制策略。该策略通过改进天牛须搜索算法优化后的负荷频率控制器将区域控制误差信号转化为区域控制需求信号,根据需求信号的大小确定系统当前所处的运行状态,再利用改进天牛须搜索算法实时调整储能与传统发电机组的出力分配。仿真结果表明,该控制策略能有效减小系统频率偏差,平抑联络线交换功率波动,促进系统频率稳定。

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)、极限学习机(extreme learning machine,ELM)和改进天牛须搜索算法(improved beetle antennae search algorithm,IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)均为最小,具有广阔的实际应用前景。

基于改进BAS算法的配电网多目标优化重构

天牛须搜索(BAS)算法存在早熟收敛、计算效率低下等缺点,文中提出一种改进BAS算法,并应用于解决配电网优化重构问题。首先建立以网络损耗、负荷均衡度、电压偏差以及系统供电可靠性为目标的数学模型;然后针对传统天牛须搜索算法易陷入局部最优,采用模拟退火的蒙特卡洛准则进行改进,提高了算法的稳定性和可重复性,并采用改进后的天牛须搜索算法对数学模型进行迭代求解,给出配电网最优重构方案;最后结合IEEE 69总线系统进行实例仿真分析,与未进行系统重构配置进行对比,所提算法减少了网络损耗,提高了系统运行的经济稳定性。

基于改进XGBoost超参数优化的地下工程空调系统负荷预测

针对地下工程空调负荷难以精确预测的问题,提出一种基于天牛须搜索算法(Beetle Antennae Search,BAS)优化极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的负荷预测模型。该算法通过引入典型最优解引导机制优化常规BAS算法中的位置更新策略,同时采用线性递减策略对天牛的搜索步长进行修正,以实现更快达到全局最优点,提高收敛速度;并利用改进的BAS算法对XGBoost中的决策树个数、树的最大深度2个对模型预测精度有较大影响的超参数进行寻优,以获得XGBoost的最优参数组合,提高模型预测精度。最后,以某地下保障工程空调系统为研究对象,验证所提出的预测模型的有效性。

基于改进天牛须优化粒子滤波的UWB/LiDAR室内定位方法

针对超宽带(UWB)测距存在非视距(NLOS)误差以及LiDAR存在累计误差影响定位精确度的问题,提出一种基于改进天牛须搜索算法(IBAS)优化粒子滤波的UWB/LiDAR室内定位方法.该方法综合UWB抗干扰能力强、时间分辨率高和LiDAR高精度、高效率的优点,使用LiDAR量测信息解算组合定位系统与UWB基站的距离,剔除UWB量测值中的NLOS误差.改进天牛须搜索算法的引入可消除粒子滤波的粒子退化现象,减少算法所需粒子数,提升算法运行速度和实时性.最后构建UWB/LiDAR的组合函数,使用图优化方法优化全局位姿.实验结果表明,同等效果下经改进天牛须搜索算法优化后所需的粒子数仅为原粒子滤波算法的20%,同时相较于单一的UWB、LiDAR定位,所提出方法的定位精度分别提升了44.75%和74.47%,效果良好.

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件。采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解。算例仿真结果表明,在考虑和不考虑分时能源价格情景下,分别采用改进BAS算法与粒子群算法对模型求解,并验证了改进BAS算法在综合能源系统优化调度模型求解中具有优异的可行性。

基于IBAS-BP算法的热电厂负荷预测及工程应用

针对热电厂负荷随机性强、预测精度差、计算时间长等问题,提出一种结合改进天牛须搜索算法IBAS和BP神经网络的组合预测方法;模型以热电厂的历史有功负荷、季节、日期类型和气象数据为输入因子,通过引入精英策略,将单个天牛寻优扩充为群体寻优,同时改进天牛搜索步长,使BP参数在IBAS搜索范围内有效寻优,从而优化BP神经网络的权值,增强其搜索和寻优能力,提高预测网络的性能和精度;采用4个标准测试函数,将改进模型与标准天牛须算法对比;引入均方根误差RMSE、平均绝对百分比误差MAPE精度评价指标对PSO-BP网络、BAS-BP模型、IBAS-BP模型预测结果进行评估;实验结果表明,与其他模型的算例结果相比,IBAS-BP模型具有更好的预测性能;将热电厂负荷预测的结果,作为其厂级负荷优化分配系统(厂级AGC)的输入,通过负荷优化分配系统,得出单台机组未来负荷的预测值,最大限度地降低供电煤耗量,提高热电厂机组运行的经济性。

基于深度学习的螺旋桨水动力性能快速预报方法

为实现螺旋桨水动力性能的快速、精确预报,基于改进的残差连接神经网络建立了一套螺旋桨水动力性能预报模型.残差连接方式大幅提高了模型深度,结合Inception结构从不同尺度同时提取数据特征,利用深度可分离式卷积减少模型参数,基于螺旋桨几何参数和模型试验结果构建训练深度神经网络所需的样本空间;提出一种改进的群体天牛须算法对模型的初始权重与阈值进行优化,进一步提高其预报精度.研究结果表明:改进的群体天牛须算法显著提高预报模型的精度并解决了过拟合问题,预报结果与试验值吻合良好,对数据集外螺旋桨的预测性能与CFD法基本一致.模型的普适性极佳且计算周期极短、效率高,满足实时、准确预报螺旋桨敞水性能的要求.

基于IBAS和LSTM网络的池塘水溶解氧含量预测

为了提高池塘水体中溶解氧含量(DO)预测精度,本文提出了一种基于改进的天牛须搜索算法(Improved beetle antennae search algorithm,IBAS)和长短期记忆网络(Long short-term memory,LSTM)相结合的溶解氧含量预测模型。为了降低模型输入维度,提高模型计算效率,采用皮尔逊(Pearson)相关系数分析法得出各因子与溶解氧含量之间的相关性,提取强关联因子作为模型输入特征;为了使天牛须搜索算法(Beetle antennae search algorithm,BAS)在全局搜索和局部搜索中达到平衡,提高算法的收敛速度,提出衰减因子指数递减策略改进天牛须搜索算法,将衰减因子γ与迭代次数相联系并呈指数函数递减;通过IBAS优化LSTM网络,得到最优参数组合策略,建立P-IBAS-LSTM非线性溶解氧含量预测模型。并利用该模型对江苏省宜兴市水产养殖研究中心某池塘水体溶解氧含量进行验证,预测2 h后的溶解氧含量。在与常见的7种模型对比中发现,本文所提出的方法在各项指标中都取得了最优的性能,均方误差(MSE)为0.6442 mg^(2)/L^(2)、均方根误差(RMSE)为0.8026 mg/L、平均绝对误差(MAE)为0.5306 mg/L。实验结果表明本文所提出的模型预测精度更高,泛化性能更强,可以满足实际对溶解氧含量准确预测的需求,并为池塘养殖中水质预警控制提供参考。

基于IBAS-Elman网络的滚动轴承故障诊断研究

为了提高民航发动机滚动轴承故障诊断正确率,提出基于改进天牛须搜索算法优化Elman神经网络的诊断模型。针对天牛须搜索算法易早熟等缺陷,对天牛质心位置和步长更新操作进行改进,并用改进算法优化Elman网络的学习率、权重和阈值。使用IBAS-Elman模型对滚动轴承故障和正常状态进行诊断,并分析Elman网络延迟向量比例因子对滚动轴承故障诊断率的影响。为了验证IBAS-Elman模型的有效性,将天牛须搜索算法、萤火虫算法和遗传算法作为对比算法。实验结果表明:改进天牛须搜索算法收敛精度优于对比算法。