基于改进猫群算法的氢储能容量优化配置

以氢储能系统为基础,构建了风力发电和氢储能系统为主的混合微电网系统。本文对氢储能系统中的电解槽、燃料电池和储氢罐的容量进行了优化配置。综合考虑微电网的经济成本、供电可靠性和弃风率3个指标,构建了氢储能系统的容量优化配置模型;分别采用典型日和场景集的风电出力和负荷,建立氢储能系统的容量优化模型,以反映风电出力和负荷的随机性对优化结果的影响;采用动态权重的改进猫群算法对所提氢储能系统的容量优化配置模型进行求解。通过算例验证了改进猫群算法的可行性,同时也证明了所提氢储能系统容量优化配置模型的合理性。

基于改进猫群算法的分布式电源优化配置

对分布式电源(DG)进行合理的选址和定容能使其经济效益最大化。目前用于解决分布式电源优化配置的大多算法都存在对控制参数依赖性过强的问题,导致算法容易陷入局部最优解。为解决该问题,提出了一种混沌改进的多目标猫群算法。利用混沌理论的随机性、遍历性及其规律性,对猫群算法的参数进行调整,使算法能快速得出全局最优解。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和用户购电成本最小模型。最后,以PG&E69节点配电网为例,通过将改进算法与粒子群算法及基本猫群算法的效果对比,验证改进算法对分布式电源优化配置问题的有效性。

基于二次分解和改进沙猫群优化算法的空气质量预测

准确预测空气质量对人们的日常生活具有重要意义,提出了一种二次分解和改进沙猫群算法(improved sand cat swarm optimization,ISCSO)优化长短期记忆网络(long short-term memory,LSTM)相结合的预测模型。首先,利用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法将PM 2.5数据分解为多个子序列,对预测效果不满意的重构序列使用变分模态分解(variational mode decomposition,VMD)方法进行二次分解;其次,引入Cubic混沌、螺旋搜索策略和麻雀警戒机制改进沙猫群算法,有效提高了算法的全局搜索性能和收敛速度;最后,采用改进的沙猫群算法对LSTM模型参数进行优化,将各个子序列导入ISCSO-LSTM模型预测并叠加得到最终预测结果。实验结果表明,CEEMDAN-VMD-ISCSO-LSTM组合模型具有较低的预测误差,相比CEEMDAN-VMD-LSTM和CEEMDAN-VMD-SCSO-LSTM模型,该模型在均方根误差方面分别降低了2.21和1.04μg/m^(3),在拟合度方面分别提高了4.9%和2.1%。

基于改进沙猫群算法优化CNN-BiLSTM的热负荷预测

针对传统热负荷预测精度不高、无法满足换热站及热网优化调控需求的问题,提出一种VMD-ISCSO-CNN-BiLSTM的热负荷预测模型。首先,利用变分模态分解(VMD)对原始供热负荷数据进行降噪处理,降低数据的不稳定性;其次,由K-means算法改进种群初始化,由演变机制改进寻优能力和由变异机制改进跳出局部最优能力,利用改进沙猫群算法(ISCSO)对卷积神经网络、双向长短期记忆神经网络(CNN-BiLSTM)超参数进行寻优,建立热负荷预测模型;最后通过实例进行分析。结果表明,数据降噪后模型预测精度更高,R^(2)提升1.1%;由ISCSO优化的模型比其他算法优化的模型预测效果更好,拟合度达到99.4%;VMD-ISCSO-CNN-BiLSTM的组合预测模型相较于单一模型,RMSE降低18.5%,MAE降低13.8%,R^(2)提升15.8%,并有更好的拟合度,泛化性强,满足工程实际要求。

基于多策略融合算法的无刷直流电机控制研究

为了解决复杂情况下模糊规则难以制定的问题,在沙猫群算法基础上,融合高斯随机游走策略、麻雀算法的警戒机制及混沌映射对算法进行优化,测试表明多策略融合算法优于对比算法;对模糊规则进行十进制编码,实现算法迭代寻优;将优化方法用于无刷直流电机调速系统并进行仿真实验。结果表明,优化模糊规则后的模糊PID控制具有更好的控制性能,验证了所提模糊规则寻优方法的有效性。

猫群优化算法求解柔性作业车间调度问题

根据柔性作业车间的生产特点,对基本猫群优化算法进行设计和改进,提出了一种改进型猫群优化算法(Improved Cat Swarm Optimization,ICSO),用于优化车间内工件的最大完工时间。算法给出了两段式个体位置编码方式和基于启发式算法的种群初始化策略;采用自适应行为模式选择方法,使其能够有效协调算法全局和局部搜索;提出了基于多样化搜寻算子的搜寻模式,增强算法的全局搜索能力;提出了基于莱维飞行的跟踪模式,增强算法的局部搜索能力。此外,算法中还引入了跳跃机制,使算法性能能够得到进一步的改善。实验数据表明ICSO算法在求解FJSP问题方面具有一定的有效性。

基于改进沙猫群算法的微电网日前优化调度

微电网系统包括多种分布式能源,为降低微电网综合发电成本,提高供电的可靠性和安全性,合理安排微电网日前调度计划,以运行成本和环境保护成本最低为目标函数,首先,建立由水、光、微型燃气轮机、储能装置组成的微电网日前优化调度模型;然后,将反向学习策略和柯西变异算子融入到沙猫群算法中,提出一种改进沙猫群算法求解上述模型;最后,通过与其他算法进行调度的结果对比,结果表明改进沙猫群算法能更合理地安排各机组的出力计划,明显降低微电网运行综合成本,同时减少二氧化碳排放量,实现了微电网的经济环保优化调度。

基于CRSN的智能电网资源跨层分配算法改进

由于用户的增多,导致智能电网的频谱资源紧张,严重影响了智能电网运行的稳定性,同时也降低了供电能力。为了解决这一问题,提出基于CRSN的智能电网资源跨层分配算法改进研究。将认知无线传感器网络(Cognitive Radio Sensor Networks,CRSN)引入智能电网中,通过认知节点感知智能电网主用户的频谱资源,找出可用的空闲频谱。借助图论着色将智能电网资源进行跨层分配建模,利用改进猫群算法求取分配模型最优解,得到智能电网资源跨层分配方案。实验结果表明,所研究算法求解到的方案是全局最优解,能够实现智能电网频谱资源的跨层分配。

基于改进CSO-LSTM的两相流空隙率预测研究

空隙率是石油化工企业中非常重要的参数之一。空隙率在线测量过程中存在较大的随机性和不确定性,很难预知空隙率的变化。为了实现对空隙率的预测,提前对两相流系统进行控制和优化,提出了基于改进猫群优化(CSO)算法长短期记忆(LSTM)网络的空隙率预测算法。利用LSTM善于处理时间序列型数据的特点对空隙率进行预测,在CSO中引入模拟退火(SA)算法和平均惯性权重,改善了在预测中易陷入局部最优和全局搜索能力较弱的缺点,保证了位置的收敛性。结果表明,该算法模型具有较高的预测精度和收敛速度,可以更快更精确预测空隙率的变化,克服了数据不确定且随机的难点,对提前控制和优化两相流系统具有较高的工业应用价值。

通信功率干扰下电力邻域信道频谱分配仿真

电力邻域通信环境具有动态、多样化的特性,针对其通信信道频谱短缺、资源利用率低的问题,为合理分配信道频谱资源,提出基于WBCSO算法的电力邻域信道频谱最优分配方法。以通信信道的信噪比及路径损耗为主,构建拓扑结构的电力邻域信道系统模型,利用改进二进制猫群(Weight Binary Cat Swarm Optimization, WBCSO)算法对电力邻域信道中的认知用户采取频谱分配。由于认知用户与主用户之间存有通信功率干扰问题,因而结合闭环功率控制算法,对信道传输功率有效调整,达到降低干扰的目的。以公平指数和能量效益作为优化目标,以此实现电力邻域信道频谱的最优分配。实验结果表明,上述方法能够实现全部频谱资源合理分配,且系统吞吐量大于300 bit·Hz-1·s-1,验证了该方法的可行性强、可靠性高。

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。