基于改进海鸥算法的主动配电网优化重构

为了提高主动配电网(Active Distribution Network,ADN)重构后的稳定性和经济性,建立了以ADN系统电压偏移量最小和网损最小的ADN优化重构模型。利用混沌映射初始化和莱维飞行两种策略对海鸥算法进行改进,得到了运算速度更快和计算精度更高的改进海鸥算法(Improved Seagull Optimization Algorithm,ISOA)。采用ISOA算法ADN优化重构模型进行求解,并将重构结果与海鸥算法和粒子群算法进行对比,结果表明,利用ISOA算法重构后的电压偏移量和系统网损分别为0.224 8 p.u.和69.82 kW,相比海鸥算法和粒子群算法,ISOA算法重构后主动配电网的稳定性和经济性更好。

基于改进海鸥算法的配电网分布式电源优化配置

为了提高含分布式电源(DG)配电网运行的经济性和稳定性,提出了一种基于改进海鸥算法(ISOA)的配电网DG优化配置方法。将配电网网损、系统电压偏差指标和DG投资成本组成多目标函数,采用层次分析法确定各子目标权重,将多目标函数转化为单目标函数,建立了以单目标函数最小的分布式电源优化配置模型。利用精英反向学习策略和莱维飞行策略对海鸥优化算法进行改进,以提高ISOA的全局搜索性能。采用ISOA对单目标函数进行优化,优化后所得配电网网损、DG投资成本和系统电压偏差指标均优于其他优化算法,验证了所提配电网DG配置方法的实用性和优越性。

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。

基于改进海鸥优化算法的履带式拉挤机牵引装置控制研究

履带式拉挤机拉挤速度波动影响牵引装置的稳定运行,对管材质量也会造成影响。为了满足恒定拉挤速度的控制要求,以履带式拉挤机牵引装置的驱动系统为研究对象。首先,建立驱动系统数学模型,画出传递函数方块图,并提出随机权重的改进海鸥优化算法控制策略;然后,在MATLAB/Simulink软件中搭建驱动系统仿真模型,并对其在不同工况下的稳定性进行仿真,仿真结果表明,采用随机权重的改进海鸥优化算法后,驱动系统响应速度快、控制精度高,更能满足恒定拉挤速度的控制要求;最后在履带式拉挤成型试验平台进行试验验证,结果表明,仿真拉挤速度与试验拉挤速度的变化趋势基本一致,验证了仿真结果的正确性。

基于改进海鸥算法的新能源接入配电网继电保护定值优化方法

随着分布式新能源接入电网容量不断提升,配电网潮流分布更加复杂,而传统的继电保护方法无法满足现有的新能源配电网需求,导致继电保护装置可靠性、灵敏性进一步降低。针对这一问题,提出一种基于改进海鸥算法的新能源接入配电网继电保护定值优化方法。首先,分析新能源接入配电网对继电保护的影响;然后,以分布式新能源接入配电网下的保护灵敏性、速动性、可靠性为约束条件,构建灵敏度最优、整定时间最短的定值优化模型;最后,对海鸥优化算法进行改进,提高了算法的全局搜索能力、收敛速度及收敛精度,并使用改进海鸥算法求解定值优化模型,得出最优的保护定值以提高新能源配电网安全稳定运行水平。经过实验验证,所提方法与常见的粒子群算法、遗传算法整定方法相比,具有更快的收敛速度和更高的寻优效率,能很好地应用于新能源配电网继电保护中。

一种嵌入改进海鸥算法的水光储鲁棒控制研究

光伏发电具有间歇性、波动性和预测难的特性,因此需要与其他能源进行互补。常用的方法是利用水电机组的快速响应和储能电池灵活高效的补偿来构建水光储微电网系统。然而,这一系统具有强烈的非线性特性,其稳定性的一个关键问题是频率控制。针对这一问题,设计了基于多目标H_(∞)理论的混合H_(2)/H_(∞)鲁棒控制器,主要目标是在暂态下抑制频率振荡。在控制器中嵌入海鸥算法,对海鸥算法进行混沌初始化和参数改进得到一种改进海鸥算法(improved seagull optimization algorithm,ISOA)。利用ISOA对H_(2)/H_(∞)鲁棒控制的加权矩阵系数和范数权重进行参数优化,最终获得最优混合ISOA-H_(2)/H_(∞)鲁棒控制器。仿真结果表明,所设计的ISOA-H_(2)/H_(∞)鲁棒控制器在功率扰动和系统参数摄动下能保证水光储系统的频率稳定,并具有满意的动态特性。

融合改进Logistics混沌和正弦余弦算子的自适应t分布海鸥算法

针对基本海鸥算法存在的缺陷,提出一种融合改进Logistics混沌和正弦余弦算子的自适应t分布海鸥算法(ISOA).首先,采用改进Logistics混沌映射初始化种群,使海鸥更加均匀地分布于初始解空间;其次,在海鸥位置更新方式中引入正弦余弦算子来协调算法的局部搜索和全局搜索,同时加入改进的参数A加快算法收敛速度;然后,引入自适应t分布变异策略,在最优解位置进行扰动变异产生新解,增强算法跳出局部最优的能力;最后,基于8个标准测试函数与3种基本算法进行对比仿真实验,结果表明ISOA与其余3种算法相比,有较强的跳出局部最优能力,收敛速度更快,精度更高.

改进海鸥优化算法在光伏系统MPPT中的应用

针对光伏阵列处于阴影状况下功率电压(P-U)特性曲线的非线性、多极值特点以及传统最大功率跟踪算法无法取得良好效果的问题,提出了一种改进海鸥优化算法的最大功率跟踪方法。该方法对海鸥优化算法的附加控制因子进行改进,提出非线性搜索控制应用到最大功率点跟踪(MPPT)中;并将混沌序列引入算法,增加种群位置的多样性,以此来克服过早收敛的缺陷,增强算法在全局搜索与跳出局部搜索的能力。建立仿真模型,在不同环境下与SOA、PSO进行对比,结果表明该算法可实现复杂环境条件下的最大功率跟踪,并具备较快的响应速度和稳定的寻优效果。

基于ISOA-RBPNN的埋地管道剩余强度预测

为提高腐蚀管道剩余强度的预测精度,提出引入弹性梯度下降法改进BP神经网络,并融合改进海鸥优化算法(ISOA),构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优,首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布,提升寻优能力,优化SOA的搜索方向和攻击形式,增强其全局搜索能力并提高收敛速度,然后用ISOA对弹性BP神经网络(RBPNN)模型中的权值和阈值进行寻优,最后构建ISOA-RBPNN预测模型。以管道爆破数据为例,利用MATLAB进行仿真模拟,并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型,预测结果较实际值误差更小,在预测腐蚀管道剩余强度领域具有更好的性能,可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。

基于多策略ISOA优化SVM的变压器故障诊断研究

针对由支持向量机(SVM)参数难以确定而导致的变压器故障诊断精度低及海鸥优化算法(SOA)易陷入局部寻优的问题,提出一种多策略改进海鸥优化算法(ISOA)优化SVM的变压器故障诊断方法。首先,提出一种多策略的改进方法来全方面提升SOA的寻优性能;然后,利用ISOA对SVM内部参数进行优化,构建基于ISOASVM的变压器故障诊断模型;最后,将油中气体溶解分析(DGA)数据的特征提取结果输入到ISOA-SVM模型中进行变压器故障诊断。实例分析表明,所提ISOA-SVM模型诊断精度更优。

基于Kriging-ISOA的大跨度RC拱桥施工阶段扣索索力优化研究

针对大跨度悬臂浇筑钢筋混凝土拱桥一次成桥的扣索力优化问题,提出了一种Kriging模型与ISOA算法的联合求解优化方法。首先基于ANSYS有限元模型和Kriging模型基本理论建立了大跨度钢筋混凝土拱桥扣索索力-弯曲应变能响应的非线性映射代理模型,其次融合Tent混沌映射、非线性收敛和高斯变异策略对标准海鸥优化算法进行改进,使其适应高维的索力优化问题,最后设计了联合Kriging-ISOA的大跨度拱桥索力优化流程,以某主跨为240 m的钢筋混凝土拱桥为背景,验证了优化方法的可行性。结果表明:基于Kriging理论建立的大跨度拱桥代理模型预测值和真实值的复相关系数为0.981;ISOA算法对单峰测试函数和多峰测试函数均有更高的收敛精度和速度,且对大跨度拱桥的索力优化问题具有良好的适应性;基于Kriging-ISOA索力优化后的拱桥主拱圈截面弯矩最大降幅为13.61%,截面轴力最大降幅为1.25%,挠度最大降幅为16.61%,证明了优化方法合理性。

计及可再生能源不确定性的储能系统优化配置方法研究

为减少配电网的功率损耗,提升系统的可靠性和灵活性,提出了计及可再生能源不确定性的的储能系统多目标优化配置方法。首先,通过概率密度函数对光伏、风电等可再生能源的不确定性进行了分析,并基于可再生能源的不确定性构建储能系统优化配置模型;其次,提出改进海鸥优化算法求解优化配置模型,通过引入Logistic映射模型、非线性移动系数和局部收敛挖掘算子以克服传统算法中早熟收敛和局部最优问题;最后,在IEEE 14节点系统中进行案例分析。案例分析结果验证了所提模型的可行性和所提算法的有效性,配电网运行的可靠性和灵活性得到了有效的提高。

基于双向长短期记忆网络的公交到站时间预测模型

为实现准确预测公交到站时间,提高城市公交出行分担率,本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超参数寻优,并增加Attention机制以提高双向LSTM处理信息能力,构建改进海鸥算法优化增加Attention机制的双向LSTM(ISOA-BiLSTM-Attention)预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间,验证模型预测精度。结果表明:整体上来说,Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好;改进的海鸥算法可对双向LSTMAttention模型实现较好的优化效果,相较于现有模型及标准海鸥算法(SOA)优化双向LSTMAttention模型,ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低5.96%、9.87%及7.99%;同时,ISOABiLSTM-Attention具有最大的模型决定系数R2值,体现了该预测模型泛化能力及稳定性较好,可针对公交到站时间进行较为准确地拟合。

工业大气环境下架空管道腐蚀增重预测

架空管道受大气环境影响会发生腐蚀增重现象。为提高工业大气环境下管道的腐蚀增重预测精度,提出了一种基于改进海鸥优化算法的区间灰数预测模型(MSSOA-INGM(1,1,δ))。首先通过Kent映射和Levy飞行策略优化海鸥优化算法(Seagull Optimization Algorithm,SOA)的种群,避免SOA过早收敛,并改进收敛因子B以提高全局搜索能力;然后建立区间灰数NGM(1,1)模型,根据反余割函数变换、平均弱化缓冲算子和自适应初始条件优化对模型进行改进,并利用多策略下的海鸥优化算法(Multi-Strategy Seagull Optimization Algorithm,MSSOA)对改进后的INGM(1,1,δ)模型中的时间参数δ进行寻优;最后以某架空管道腐蚀数据为基础进行仿真试验。优化后新模型的预测结果与实际值高度吻合,表明该模型的预测精度得到较大提高,在架空管道腐蚀增重预测方面具有较好的鲁棒性。

改进海鸥算法的多阈值图像分割算法

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。

油气管道封堵机器人封堵过程的振动预测

以管道封堵机器人(pipeline isolation plugging robot,PIPR)为载体的管道维抢修技术是保障管道安全运输的重要手段。针对封堵作业时PIPR的冲击振动现象,分别从运动过程和封堵操作两个方面对其进行振动分析,建立基于双向流固耦合的PIPR动力学模型,对运动过程中PIPR的轴向、径向和俯仰振动进行仿真分析;进行PIPR不同扰流模型的封堵试验,观察不同模型封堵过程流场变化,并以封堵过程的压力梯度衡量PIPR振动情况;提出改进海鸥算法(improved seagull optimization algorithm,ISOA)优化核极限学习机(kernel extreme learning machine,KELM)法,分别建立不同扰流模型的压力梯度代理模型,以实现PIPR的振动预测。结果表明,提出的代理模型可实现不同扰流模型封堵过程压力梯度的准确预测。这对于保障封堵作业的稳定性具有指导意义。

基于CGSOA-BPNN优化AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数

目的解决等离子喷涂工艺参数耦合导致的参数选取困难问题,提高AlCoCrNiFe高熵合金涂层力学性能。方法提出全局混沌高斯融合的海鸥算法(CGSOA),优化权值和阈值,使BP(Back Propagation,反向传递)神经网络训练输出理想控制参数。利用改进logistic混沌序列实现网络参数初始化种群的全局搜索,提高权值和阈值初始质量。引入改进logistic映射跳出局部最优,通过加强局部搜索能力,以提高算法收敛精度。引入高斯变异增加种群多样性,提高全局搜索能力。选取6个基准函数,对BAS、PSO、ACO、SOA及CGSOA算法进行测试,仿真结果表明,所提算法具有较快收敛速度、较高寻优精度和稳定性。结果CGSOA算法优化BP神经网络得出最佳控制量为:喷涂距离99.7 mm,喷涂电流649.6 A,喷涂电压56.3 V,送粉载气203.1 L/h,送粉电压5.1 V。以其进行喷涂试验,涂层结合强度和显微硬度分别为25.2 MPa和616.8HV,与模型预测值的相对误差分别为3.02%和2.91%,验证了CGSOA-BPNN应用到实际喷涂过程的可行性。结论CGSOA-BPNN对AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数进行优化,进而提高涂层力学性能,具有一定的现实指导意义。