基于改进混沌粒子群的PEMFC模型参数辨识

基于质子交换膜燃料电池(PEMFC)电堆的输出特性及相关电化学反应建立输出特性模型,提出改进混沌粒子群优化(CPSO)算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能,然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明,相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO-χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE),CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213,平均相对误差为2.339%;电堆2的均方根误差为0.481,平均相对误差为1.243%,充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。

Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义。由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等。文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法。模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏阵列模型模拟结果的精度较高,更符合光伏阵列的实际输出特性,且不依赖于出厂参数,因此,适应性较好,并具有操作简单、易于实现的优点。

基于改进混沌粒子群算法的火电厂经济负荷分配

提出了一种改进混沌粒子群算法,将抛物线与混沌序列相融合产生惯性权重,并引入遗传算法中的交叉思想,增加种群中粒子的多样性.建立了考虑汽轮机阀点效应的火电厂经济负荷分配模型,并采用等概率负荷调整约束处理方法处理经济负荷分配中的约束条件,以40台机组经济负荷分配为例进行仿真计算.结果表明:与传统混沌粒子群算法相比,改进混沌粒子群算法优化后的煤耗成本最佳值约降低0.78%;通过与其他智能优化算法的对比,验证了所提出的改进算法具有更好的优化效果和鲁棒性.

基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正

结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了加入混沌扰动的混沌粒子群遗传算法(DCPSO-GA),并使用5个高维非线性测试函数考察全局优化混合算法的性能。DCPSO-GA解决了在寻优搜索时出现的停滞现象,扩大了全局优化的搜索空间,丰富了粒子的多样性,且不需要函数梯度信息。测试结果证明,针对本文的5个测试函数DCPSO-GA能找到全局最优解,其收敛速度很快,大大减少了计算量。而且,经过与其他相关算法比较可知,当总的目标函数调用次数较接近或更少时,改进算法不论在计算精度还是收敛速度上,均有很大的提高。并将DCPSO-GA算法应用到重油裂解参数估计和预测中,测试结果证明,其提高了参数估计和预测的准确性,降低了误差,能有效找到全局最优解,收敛速度快,大大减少计算量。

基于改进混沌粒子群的混合神经网络和蒙特卡洛法的结构随机灵敏度分析方法

针对不确定性参数对结构力学性能的随机影响,该文利用混合神经网络良好的小样本学习和泛化能力构建结构响应复杂的函数关系,采用改进的混沌粒子群算法优化网络寻址结构。结合蒙特卡洛法对结构进行随机性分析,并根据该文提出的新的灵敏度度量参数计算随机变量的全局灵敏度系数。通过数学算例和工程算例验证了所提方法的可行性,且结构响应的概率分布曲线也可以真实的反应实际情况。同时,利用该文所提出的随机灵敏度计算方法可以更好的反应各随机变量对结构响应的相关性和敏感性。

基于改进CPSO算法的区域电热综合能源系统经济调度

针对我国北方地区"以热定电"模式造成大规模弃风与调度经济性较差等问题,建立了区域电热综合能源系统日前经济调度模型。首先,构建了电储能、热储能和电动汽车的经济性模型,改进了风电折算成本的描述方法;然后,综合考虑了弃风成本、电动汽车调度成本、电储能和热储能损耗成本、环境污染成本等,构建了区域综合能源系统的调度成本模型;最后,利用信息熵衡量粒子的丰富度,并结合贪心变异策略提出基于粒子维度熵的改进混沌粒子群优化算法。算例结果表明,所提算法在保证优越收敛性的同时可有效分析各设备单元在经济调度和消纳弃风方面的作用,验证了模型和算法的有效性与实用性。

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。

一种改进CPSO算法的无人机三维航线规划设计

针对基于混沌粒子群算法(CPSO)的航线规划在搜索过程中易陷入停滞和局部最优与多维计算时迭代速度慢的问题,通过引入Levy飞行随机扰动,建立数据交互的更新机制,加入高度、转角、耗能以及障碍物4个约束条件,提出一种改进混沌粒子群(ICPSO)算法,大大提高了更新最优解的概率。仿真结果表明,与传统粒子群优化(PSO)、灰狼优化(GWO)和鲸鱼优化(WO)三种算法相比,ICPSO算法在迭代速度、收敛准确性和有效性方面更强;其三维航线规划的距离最短,适应度最高。

基于改进CMPSO和EV有序充放电策略的微电网不确定性研究

针对电动汽车(EV)接入微电网充电导致负荷侧波动问题,引入有序充放电策略构建多目标规划模型研究微电网不确定性和实现微电网经济调度。首先基于EV有序充放电策略构建多目标函数并通过模糊归一化处理成综合单目标函数;然后引入改进混沌映射粒子群算法(CMPSO),求出微电网综合运行成本和负荷需求波动量的最优值;最后通过算例验证了优化后的模型对EV入网带来的负荷波动起到了较好的削峰填谷作用,降低了微电网运行调度费用。所采用的CMPSO算法相较于其他优化算法,大幅度提升了全局搜索能力和收敛精度,能够更优地协调微电网运行稳定性与经济性之间的矛盾。

基于信息间隙决策理论和电动汽车有序充放电的微电网优化调度

计及区域微电网源-荷两方面不确定性,针对电动汽车(electric vehicles,EV)接入微电网充电所导致的负荷侧波动不确定性问题,提出有序充放电策略进行削峰填谷并构建多目标规划模型;针对新能源机组发电量不确定性问题,引入信息间隙决策理论(information gap decision theory,IGDT)进行模拟分析。首先构建多目标规划函数并对其模糊归一化处理,然后引入改进混沌映射粒子群算法(improved chaos map particle swarm optimization,CMPSO),求得微电网综合运行成本和负荷需求波动量的最优值,最后对经信息间隙决策法优化后的多目标模型进行仿真分析。算例结果验证了优化后的模型对EV入网所带来的负荷波动起到了较好的削峰填谷作用,所采用的IGDT优化模型相较于其他优化方法,能更好地适应严重奈特式不确定性场景,有效协调所搭建模型的鲁棒性与优化调度经济性之间的矛盾。

水电机组超低频振荡贡献度排序及抑制方法研究

文章分析了超低频振荡产生机理,构造了哈密顿能量函数,研究了水电机组注入系统能量变化量,将水电机组对超低频振荡的贡献度排序。文中提出一种基于调速器附加阻尼控制的超低频振荡抑制方法,利用TLS-ESPRIT辨识算法和改进的混沌粒子群算法对附加阻尼控制器参数进行优化,实现了对水电机组调速器的相位补偿,抑制了超低频振荡。最后,在改进的四机两区域模型中进行了仿真验证,结果表明所提出的方法能有效评价水电机组对超低频振荡的贡献度,抑制超低频振荡。

基于ICPSO优化的极限学习机在故障诊断中的应用

极限学习机(extreme learning machine,ELM)的分类性能受随机产生的输入权值和隐层阈值的影响,为此,提出一种改进的混沌粒子群算法(ICPSO),用以优化输入权值和阈值,得到基于ICPSO优化的ELM故障诊断模型。仿真和实验结果表明,ICPSO算法改善了ELM网络的学习效率和诊断精度,可有效应用于故障诊断。

一种磁性液体加速度传感器模型的参数辨识方法

针对磁性液体加速度传感器模型的参数辨识问题,提出一种改进混沌粒子群算法。该算法利用改进的logistic映射对粒子群进行混沌初始化,并采用抛物线规律对迭代过程中的惯性权重进行实时调节,算法最终辨识出了传感器中磁芯吸附磁性液体后的等效长度、等效半径及等效相对磁导率。实验结果表明,该方法辨识出的参数相对误差小于0.85%,且辨识曲线与参考曲线的拟合度在94.37%以上。

ICPSO算法及其在经济负荷分配中的应用

提出一种改进的混沌粒子群优化ICPSO(improved chaotic particle swarm optimization)算法,用于求解非线性、非凸、不连续等复杂约束条件的电力系统经济负荷分配。通过修正粒子群迭代的行动策略,并引入Tent混沌映射加强部分粒子的全局搜索能力,可以提高优化算法的全局搜索性能。最后将该算法应用于3机6母线的电力系统经济负荷分配中,在计及阀点效应的情况下,分别以考虑网损和忽略网损为例进行仿真。仿真结果表明,该算法有较快的收敛速度和较强的全局搜索能力,验证了算法的有效性和优越性。

基于参数相关性和混合神经网络的结构随机灵敏度分析方法

针对进行随机分析时采用蒙特卡罗计算法效率低,未能考虑参数之间相关性,导致在分析参变量对结构力学性能的影响时得到错误的灵敏度系数,以及原有灵敏度计算方法只能考虑局部梯度等问题,采用改进的混沌粒子群算法优化网络寻址结构,利用混合神经网络构建复杂结构响应的近似模型,通过相关参数与独立正态参数之间的等效变换建立符合参数相关性的随机序列对结构进行随机性分析,并根据文中提出的灵敏度度量方法计算随机变量的全局灵敏度系数。通过算例验证所提方法的可行性,且考虑参数之间相关关系得到的结构随机响应更符合工程实际情况。同时,利用所提出的随机灵敏度计算方法可以更好地反映各随机变量对结构响应的相关性和敏感性。

考虑低碳与稳定的冷热电综合能源系统模型与控制策略研究

随着能源危机和环境污染的加重,为了提高能源利用效率、降低能源使用中的碳排放,多种能源形式与能量耦合的区域综合能源系统成为了重要的方向。冷热电连供系统(CCHP)是区域综合能源中重要组成部分,和综合能源中的新能源发电相互协调配合,实现能源的高效利用。以社会环境为目标建立的管控目标函数,在满足区域中能量的需求的情况下,保证区域综合能源系统安全稳定运行下建立控制模型。考虑到区域综合能源系统中的碳配额、基本电价以及可再生能源的波动设计了多时间尺度综合能源管控方案,并利用混沌-模拟退火改进粒子群算法(CSA-BPSO)进行多目标求解,得到保持系统稳定和低碳的控制策略。最后利用实际的综合能源系统不同实时工况下的数据进行了验证,结果证明了模型和控制策略的有效性。