为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首...为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。展开更多
针对在阵列孔径、阵元数目、最小阵元间距等多约束条件下的稀布矩形平面阵列天线优化问题,提出了基于改进型灰狼优化(improved grey wolf optimizer,IGWO)算法和窗函数加权的稀布矩形平面阵列天线综合方法。首先,利用Tent混沌映射、非...针对在阵列孔径、阵元数目、最小阵元间距等多约束条件下的稀布矩形平面阵列天线优化问题,提出了基于改进型灰狼优化(improved grey wolf optimizer,IGWO)算法和窗函数加权的稀布矩形平面阵列天线综合方法。首先,利用Tent混沌映射、非线性收敛因子、优势狼动态置信策略和对立学习策略对灰狼优化(grey wolf optimizer,GWO)算法进行改进,增加算法的种群多样性和跳出局部最优的能力。然后,利用窗函数对阵列单元进行加权,生成位置分布矩阵,减少稀疏矩阵优化时间,提高优化效率。最后,利用位置分布矩阵生成稀疏阵列,再运用IGWO算法进行多约束条件的稀布优化。为验证所提方法的有效性进行了仿真实验,实验结果表明,本文方法可以有效提高阵列天线的性能,降低峰值旁瓣电平,对于解决在多约束条件下的阵列分布问题,具有一定的工程意义和参考价值。展开更多
文摘为了同时优化质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)系统的效率和输出功率,文章首先建立PEMFC系统的机理模型,并分析系统效率和输出功率特性;其次针对传统灰狼算法(grey wolf optimizer,GWO)的初始化种群不均匀和易出现早熟收敛的问题,引入佳点集种群初始化策略和非线性收敛因子策略,并由此提出一种改进多目标灰狼优化算法(multi-objective grey wolf optimizer,MOGWO),有效改善了灰狼算法的搜索精度和收敛性能;然后针对改进多目标灰狼优化算法求得的Pareto最优解集,使用TOPSIS评价法得出逼近理想解的最佳解,确定PEMFC系统的最佳运行条件;最后对所提出的MOGWO算法进行仿真验证,结果表明该算法能够有效提高PEMFC系统在实际运行中的输出功率和系统效率。
文摘为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。
文摘针对在阵列孔径、阵元数目、最小阵元间距等多约束条件下的稀布矩形平面阵列天线优化问题,提出了基于改进型灰狼优化(improved grey wolf optimizer,IGWO)算法和窗函数加权的稀布矩形平面阵列天线综合方法。首先,利用Tent混沌映射、非线性收敛因子、优势狼动态置信策略和对立学习策略对灰狼优化(grey wolf optimizer,GWO)算法进行改进,增加算法的种群多样性和跳出局部最优的能力。然后,利用窗函数对阵列单元进行加权,生成位置分布矩阵,减少稀疏矩阵优化时间,提高优化效率。最后,利用位置分布矩阵生成稀疏阵列,再运用IGWO算法进行多约束条件的稀布优化。为验证所提方法的有效性进行了仿真实验,实验结果表明,本文方法可以有效提高阵列天线的性能,降低峰值旁瓣电平,对于解决在多约束条件下的阵列分布问题,具有一定的工程意义和参考价值。
