基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

基于改进灰狼优化算法的管道泄漏定位研究

针对往复压缩机循环水管道泄漏点定位的问题,提出了一种基于改进的灰狼优化算法的管道泄漏定位方法。该方法采集携带泄漏信息的负压波信号,并对传统灰狼优化算法进行改进,提出一种改变其控制参数的收敛因子a,使其迭代前期递减速度变慢,迭代后期递减速度变快的算法,从而使改进后灰狼算法满足全局搜索要求并加快寻优速度。利用改进后的灰狼优化算法,优化VMD信号降噪和BP神经网络算法,其定位精准度相较于原始GWO、传统改进IGWO都有所提高,证明改进后的算法更适合管道泄漏定位的研究。

基于改进灰狼算法的海岛微电网优化调度

为提高海岛微电网运行的经济性,以海岛微电网运行总成本为目标函数,并考虑海水淡化带来的收益,建立海岛微电网优化调度模型。利用Tent混沌映射、非线性调整收敛因子和柯西变异等三种策略对灰狼优化算法进行改进,采用改进灰狼优化算法对海岛微电网优化模型进行求解。结果表明,在调度周期内考虑海水淡化负荷的海岛微电网的运行总成本为3 086.03元,相比后者不考虑海水淡化负荷的海岛微电网运行总成本降低538.32元,经济性提高14.85%,验证了所提模型的正确性和优越性。

基于改进灰狼优化算法的导航机器人路径规划

路径规划对于导航机器人技术是极为重要的,寻找最优路径使机器人能够自主地避开障碍物的同时提高效率并到达目标位置。提出了一种基于改进灰狼优化算法的导航机器人路径规划方法。该算法将灰狼优化算法与基于维度学习信息共享策略和约束条件相结合,以实现导航机器人在路径规划的优良性。然后,基于这种方法进行了实验研究,包括仿真实验和实际场景实验。实验结果表明,该方法在路径长度、搜索时间和路径可行性等方面都取得了显著的优化效果。

基于改进灰狼优化算法的同步发电机交流励磁控制方法

交流励磁控制是保证同步发电机运行稳定的重要手段,但当前现实中控制效果并不理想,不仅同步发电机励磁电压标幺值偏差比较大,而且超调量也比较高。针对当前同步发电机交流励磁控制存在的不足和缺陷,本文提出基于改进灰狼优化算法的同步发电机交流励磁控制方法。以同步发电机励磁电压标幺值偏差最小为目标建立发电机交流励磁控制目标函数,通过降低灰狼优化算法中种群规模和迭代次数以及引入动态收敛因子实现对灰狼优化算法改进,利用改进灰狼优化算法求出最优同步发电机交流励磁控制策略,实现基于改进灰狼优化算法的同步发电机交流励磁控制。经实验证明,设计方法应用下发电机励磁电压标幺值基本接近1pu,超调量不超过1%,控制效果良好,可以有效保证同步发电机稳定运行。

基于改进灰狼算法的含分布式电源配电网无功优化

为提高含分布式电源配电网电压质量和减少线路损耗,建立以配电网网络损耗最小和电压偏移最小为目标的无功优化模型,模型包含光伏发电、蓄电池储能和配电网线路潮流等设备运行约束条件;针对模型的非线性,采用改进灰狼优化算法对模型进行求解。利用改进的IEEE33节点配电系统进行仿真验证,结果表明经过优化后配电系统电压质量得到改善且网络损耗有所减少,另外,与改进前灰狼算法和帝国主义竞争算法(imperialist competition algorithm,ICA)计算结果对比,改进的灰狼算法提高了其全局寻优能力,验证了模型和算法的有效性。

基于改进灰狼优化算法的有源配电网重构方法

为了提高有源配电网系统运行的经济性和稳定性,提出了一种基于改进灰狼算法的有源配电网重构方法。以配电网系统网损最小和电压偏移最小为目标函数建立有源配电网重构模型,并将多目标转化为单目标进行求解。采用Tent混沌映射、收敛系数指数调整和自适应位移等策略对灰狼优化算法进行改进,使IGWO算法的寻优能力得到显著提升。利用改进IEEE33节点系统进行仿真测试,并将IGWO算法的重构效果与GWO算法和PSO算法进行对比,结果表明,采用IGWO算法重构后的最低网损和最小电压偏移分别为54.89kW和0.00772,两项指标均优于GWO算法和PSO算法,验证了所提有源配电网重构方法的实用性和优越性。

基于改进灰狼算法的微网多主体主从博弈策略

为平衡包含电、热两种能源形式的微网系统内各参与者间的利益关系,通过改进灰狼算法提出了一种微网能量管理模型。首先,在充分分析微网结构及其各主体功能的基础上,为综合考虑源-网-荷的决策能力,将主从博弈方法应用于产能商、微网运营商、负荷聚合商之间的互动,建立一主多从的微网能量管理数学模型;其次,针对博弈上层模型高维、非线性的特点,在传统灰狼算法基础上,利用Tent映射对种群进行初始化、采用非线性收敛因子平衡种群搜索能力、利用莱维飞行策略降低陷入局部最优的风险。在模型求解时,博弈上层采用改进灰狼算法,下层采用二次规划方法,二者结合以探讨使各主体利益最大的策略;最后,通过算例进行验证,结果表明:本文算法更加高效,所提模型在提高参与者收益,平滑用户负荷分布方面更加优越。

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法(improved grey wolf op timization,IGWO)选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略(dimension learning-based hunting,DLH),为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。

滚动轴承故障特征选择的Filter与改进灰狼优化混合算法

为了从原始高维特征空间中选择最具鉴别能力的特征,提高轴承故障诊断精度,提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先,针对滚动轴承的原始振动信号,利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感特征集合。然后,通过由ReliefF算法与拉普拉斯分数构成的混合Filter方法对原始特征集合进行相关性评估并快速筛选重要特征,从而完成特征集合的一次预选。最后,引入改进灰狼优化算法对预选特征集合进行二次筛选,实现冗余特征去除的同时,完成对支持向量机模型参数的优化。利用旋转机械振动试验台获取故障轴承数据进行了验证,试验结果表明,该方法显著提高了分类器模型的诊断准确率,有效实现了故障数据集的特征降维,并且与同类方法相比,所提方法具有更好的综合性能。

基于改进河马优化算法的含分布式电源配电网重构

为有效解决分布式电源并入配电网的优化重构问题,达到降低系统网络损耗的目的,构建了以有功网损最小为目标的含分布式电源配电网优化重构模型,并采用改进河马优化算法进行求解。为防止算法陷入局部最优,引入高斯映射以及改进莱维飞行策略对河马优化算法进行改进,运用IEEE 33节点系统仿真计算,检验含分布式电源配电网重构模型求解效率。通过与灰狼优化算法及粒子群优化算法的结果比对,改进河马优化算法以最少迭代次数求得最优解,能够有效提升节点电压,并显著降低网损。

基于改进灰狼优化算法的光伏阵列多峰MPPT研究

针对局部阴影条件下光伏阵列呈现出的非线性多峰值P-V输出特性,提出一种基于改进灰狼优化算法的最大功率点跟踪(MPPT)控制方法。该算法将传统灰狼优化算法中线性减小的收敛因子改进为按非线性规律变化,以改善算法的动态性能。结果表明:所提出的MPPT方法在局部阴影条件下能有效跟踪到光伏阵列的最大功率点,不仅具有较快的跟踪速度,且跟踪精度达到99.1%。

基于改进灰狼算法的交叉滚子轴承自动装配机械臂轨迹规划

针对交叉滚子轴承人工装配存在的效率低、成本高和误差大等问题,设计一种4自由度机械臂,可对交叉滚子轴承进行自动装配。为提升机械臂的工作效率,以时间为适应度函数,提出了一种基于3-7-3多项式插值函数的改进灰狼算法(Improved Gray Wolf Optimizer,IGWO)对机械臂运动轨迹进行优化;该算法用非线性控制因子替代线性控制因子,并与天牛须搜索(Beetle Antennae Search,BAS)算法相结合,能够避免陷入局部最优,提高算法的求解效率和精度。仿真结果表明,与灰狼算法(Gray Wolf Optimizer,GWO)相比,改进灰狼算法运动时间缩短了17%,效率得到明显提升,且各个关节的轨迹曲线光滑连续。研究为机械臂的后续运动控制等奠定了基础。

基于改进灰狼算法的热电联供系统负荷优化分配策略研究

为了研究热电联供系统中机组的热电负荷优化分配策略,针对传统灰狼优化算法中繁琐的更新机制导致的时效性差等问题,提出了一种改进的多目标灰狼优化(MOGGWO)算法,直接利用前三等级狼的位置和高斯采样完成进化过程,最后将该算法应用于某600 MW双机热电联供系统的多目标热电负荷优化分配中。结果表明:MOGGWO算法能极大缩短负荷分配的求解时间,且在多目标优化下提升系统经济性的同时其可再生能源消纳能力将会减弱,应根据现场实际情况权衡,进而选择热电负荷最优分配策略。

基于改进的灰狼优化算法与SVM风机轴承故障诊断

针对当前风机轴承故障诊断准确率较低、诊断难度较大、耗时较长等问题,提出改进的灰狼优化(Improved Grey Wolf Optimization,IGWO)算法与支持向量机(Support Vector Machine,SVM)故障诊断方法。为了能够精准地提取故障特征,采用时频域分析中的小波包分解法对故障振动信号进行特征提取,将小波包分解后的8个频带能量作为故障特征并构建特征向量;建立SVM故障模型并利用IGWO算法对SVM模型进行参数寻优,避免了灰狼优化(Grey Wolf Optimization,GWO)算法后期易陷入局部最优、收敛速度过慢等。实验结果表明,IGWO算法平均故障识别率高达99.3%,能够更加快速、高效、准确地识别故障的类型,为故障诊断的发展提供了良好的技术支撑。

基于改进灰狼算法的电力管廊覆盖优化技术

针对狭长电力管廊环境下无线传感网络覆盖受不规则形状、障碍物及电磁干扰影响导致通信质量降低的问题,构建了基于最低接入速率约束的电力监测覆盖感知模型,提出结合神经元映射和差分进化的改进灰狼覆盖优化算法。首先,通过神经元混沌映射生成均匀的初始种群。然后,利用非线性收敛因子平衡全局和局部搜索能力。最后,引入差分进化算法对灰狼个体进行变异。通过仿真分析对比了不同覆盖优化方法,结果表明:所提算法具有较强的搜索能力,能够在狭长电力管廊环境下显著提高网络的覆盖性能并满足待监测节点的通信需求。

基于改进灰狼优化算法的多区域频率协同控制

微分博弈理论可以解决多区域互联电力系统中频率的协调问题,但对于带非线性约束的微分博弈问题,传统算法难以求解。针对该问题,基于微分博弈理论,建立了多区域频率协同控制模型,考虑了电力系统中常见的非线性约束,并提出了一种基于改进灰狼优化算法的协同进化算法,用于求解该模型的反馈纳什均衡解,从而得到各区域二次调频的协同控制策略。通过仿真验证了所提方法的可行性,并与协同进化遗传算法和协同进化灰狼优化算法进行了对比,结果表明该方法的控制效果更佳。同时,所提方法对系统的功率扰动变化具有稳定的动态响应性能,对机组参数变化具有良好的鲁棒性。

基于IGWO算法优化LSSVM的电能质量扰动识别方法

为了提高电能质量扰动(power quality disturbance,PQD)识别结果的准确性,笔者提出一种基于改进灰狼优化算法(improved grey wolf optimization,IGWO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)的PQD识别方法。通过采用收敛因数指数调整、自适应位移和权重动态修订等措施对灰狼优化算法进行改进,得到IGWO算法;以PQD信号的9个特征量为支持向量、7种PQD类型为输出量,利用IGWO算法寻找LSSVM的最优参数,建立基于IGWO-LSSVM的PQD识别模型并进行仿真分析,且与其他模型的识别结果进行对比。结果表明,相比算例中列出的几种对比模型,IGWO-LSSVM模型识别结果的正确率更高,验证了所提PQD识别方法的有效性和实用性。

改进灰狼算法在含风电的配电网无功优化中的应用

针对风电场并网易造成电网电压波动和线损增高的问题,提出一种改进的灰狼算法对以系统有功网损最低为目标建立的无功优化模型求解。首先采用灵敏度法与分时段法,求出无功补偿装置的最佳安装位置,并将风能不确定动态问题转化为确定的静态问题;其次针对传统灰狼算法求解精度低、收敛速度慢、易陷入局部最优等问题,采用混合策略改进灰狼算法,帮助算法跳出局部最优,增加收敛速度;最后以双馈风机接入的IEEE33节点系统进行仿真分析。研究表明风电并网增加了配电网电压的稳定性,且证明了灰狼算法的改进与所提优化策略的有效性。

基于改进灰狼优化算法的立体车库调度优化

针对立体车库存取车效率低的问题,以降低车库存取车总时间为目的,对巷道堆垛式立体车库建立存车优先、取车优先、交叉存取3种存取策略的时间模型,在此基础上提出一种改进灰狼优化算法(IGWO),以得到存取车最短时间及最优操作序列。根据车库调度问题的特点,首先采用2段混合编码对存取车操作进行编码,并结合遗传算法中的交叉操作对灰狼算法的位置更新策略进行改进;其次引入邻域搜索中的扰动和逆转操作,优化算法的局部搜索能力;最后利用MATLAB进行了实验仿真。结果表明:本文算法与已有文献中的改进遗传算法(IGA)比较,总存取时间减少了31.1%~33.7%,与原始灰狼算法(GWO)比较减少了18.8%~19.6%。这也证明了本文改进灰狼优化算法在降低存取车时间上的有效性。