基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

基于改进磷虾群算法的风-光-水-火联合系统优化调度

为了提高可再生能源的利用率,减少弃风弃光量,提出了一种基于改进磷虾群算法的风-光-水-火联合系统优化调度方法。以综合成本最小为目标函数,综合考虑各种约束条件,建立了风-光-水-火联合系统优化调度模型。利用Logistic混沌映射、余弦控制因子和柯西变异等3种策略对磷虾群算法进行改进,提高了其全局搜索性能。采用改进磷虾群算法对风-光-水-火联合系统优化调度模型进行求解。通过算例证明,改进磷虾群算法的迭代次数、收敛时间和求解精度均优于磷虾群算法和PSO算法。

改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题。在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析。结合免疫算法的"亲和度"思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法。案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题。

基于改进二进制灰狼优化算法的配网故障定位

灰狼算法具有结构简单、概念清晰、易实现和全局性能好等优点,但由于存在后期收敛速度慢、局部搜索能力弱等缺点。为提高配网故障定位的准确性和快速性,对灰狼优化算法进行了改进。首先,由于配网故障定位方法可以把问题表示为0～1整数规划问题,故引入转换函数,以解决算法在二进制空间里位置更新问题。然后引进动态权重策略,以平衡算法的全局搜索能力和局部搜索能力且加快算法收敛速度。最后加入概率扰动策略,使算法避免过早陷入局部收敛。本文通过配网故障的算例分析来验证改进二进制灰狼优化算法的可行性和高效性。

基于改进二进制粒子群算法的配电网故障定位

为提高配电网故障定位的快速性和准确性,并克服传统二进制粒子群算法的早熟早敛问题,提出一种基于改进二进制粒子群算法的配电网故障定位算法.粒子群的初始化采用均匀分布,并引入压缩因子、变异因子以及线性递减的惯性权重来提高算法收敛于最优解的能力,然后通过算例仿真验证改进二进制粒子群算法的可行性和高效性.结果表明改进二进制粒子群算法计算速度快、容错性高,可以实现配电网多种故障情况的准确定位.

基于改进蝙蝠算法的无线传感器网络动态任务调度

无线传感器网络是一种处理感知信息的无线网络,在处理过程中因节点分配不均,导致网络资源利用率较低、任务调度中节点能量消耗较高。为此,提出了基于改进蝙蝠算法的无线传感器网络动态任务调度方法。通过增加权值系数改进蝙蝠算法,降低无线传感器网络节点密度,定义二进制变量,确定任务分配节点。采用可分负载理论,计算两种分群结构网络环境下任务运行时间与传输时间,得到群内和群间阶段无线传感器网络节点动态任务调度方案。仿真结果表明:所提算法在迭代次数为200次时即可获取目标函数值,当虚拟机数量为1200时,所需无线传感器网络节点数量为38个,网络资源利用率始终高于68%,说明所提方法能够有效降低调度过程中节点的能量消耗,提高网络资源利用率。

基于改进二进制微粒群算法的供应链信息共享伙伴选择

针对供应链中信息共享伙伴的选择问题,综合考虑成本,价值,可靠性等因素,建立了信息共享伙伴选择的多目标决策模型;以最小化总成本,最大化总价值和总可靠性为目标,给出一种改进的二进制微粒群优化算法对模型进行求解。改进的算法通过合理设置惯性权重和学习因子,克服了原有算法的进化后期收敛速度慢和易陷入早熟收敛的缺陷。通过算例分析表明了模型的价值和改进后算法的有效性和优越性。

基于改进灰狼算法的新媒体网络资源分布式共享系统设计

在共享资源采集层以AD2S1210WDSTZ为核心,设计数据采集装置,并用SPI接口编程实现共享资源传输信号交互。在共享资源处理层,设计多机集群的脱敏处理装置,实现对资源的统一分布式处理。在共享资源服务层,设计API共享接口,保证共享接口稳定。在新媒体网络资源高维空间中,引入非线性收敛因子,改善全局搜索能力。根据非线性收敛因子优化结果,使用Sigmoid函数实现解空间与二元空间数据类型的转换,保证转换结果匹配,实现分布式灰狼位置映射。结合二进制编码,计算待需要处理节点长度和多共享信道传输效益,更新灰狼搜索位置,实现多信道资源分布式共享。由实验结果可知,该系统在2个场景下与理想频谱展示结果一致,且资源最大吞吐量为450 bit,具有良好资源分布式共享效果。

一种改进的二进制编码遗传算法研究

针对普通遗传算法(CGA)易陷入早熟,局部搜索能力较差,全局优化速度缓慢等问题,提出了一种改进的遗传算法(IM_GA),该算法融合了由进化代数或适应度分布调节变异交叉率的思想,从这两个方面共同改进了变异交叉率,仿真结果证明了该改进遗传算法的优越性.与普通标准遗传算法比较,该算法不仅收敛性较好,且能迅速找到全局最优解.

基于改进二进制粒子群算法的孤岛划分方法

当分布式电源(distributed generation,DG)发生孤岛效应并停止运行时,可能导致重要负荷供电中断、DG弃光率升高和配电网供电可靠性降低。提出了一种基于改进二进制粒子群算法的孤岛划分新方法。根据线路电阻确定停电区域内负荷与各DG的电气距离,将其划分为多个单DG初级孤岛,以降低算法复杂度、避免功率远距离输送;给出具有“移动”“寻优”“突变”特性的速度更新公式和逐级约束的位置更新公式,并利用其划分各初级孤岛,以避免算法陷入局部最优解,从而提高其寻优速度;调整不满足约束条件和存在孤岛融合的供电区域,以保证孤岛运行的稳定性和最优性,实现孤岛划分。利用MATLAB/Simulink搭建IEEE 69节点配电系统,验证了该方法的有效性。

基于改进遗传算法的高值医疗设备优化管理方法

提出了一种基于改进遗传算法的高值医疗设备优化管理方法。根据高值医疗设备优化管理的目标随机生成一组初始解,根据个体的适应度值选择父代个体,采用二进制编码的方式结合遗传算子逐步改进种群适应度,充分发挥遗传算法的寻优能力。将所提方法应用到某医院高值医疗设备管理数据集中,结果表明基于改进遗传算法优化高值医疗设备管理的方法能够有效地降低管理成本,且明显优于粒子群算法与模拟退火算法,验证了所提出方法的有效性。

基于DGA特征量优选与改进磷虾群算法优化支持向量机的变压器故障诊断模型

针对单一的特征气体或特征气体比值作为DGA特征量无法全面反映变压器故障分类的问题,文章从混合DGA特征量中优选出一组DGA新特征组合作为输入,建立改进磷虾群(Improved Krill Herd,IKH)算法优化支持向量机(Support Vector Machine,SVM)的变压器故障诊断模型对变压器进行故障诊断。将SVM的c和σ与11种候选特征量进行二进制编码,利用遗传算法结合支持向量机对DGA特征量进行优选,得到一组DGA新特征组合;利用IKH算法对SVM的参数进行优化,同时结合交叉验证原理构建IKH算法优化SVM的变压器故障诊断模型。基于IEC TC 10的诊断结果表明:与DGA全数据、三比值特征量相比,新DGA特征组合的故障诊断准确率分别高出10.14%和30.2%;IKHSVM准确率也要高于标准SVM和GASVM(分别为73.87%、81.13%和86.27%),说明该方法能有效诊断变压器故障。

基于改进磷虾群算法的主动配电网无功优化

随着分布式电源的不断发展,配电网中负荷也呈现多样化的趋势,传统的配电网的无功调控策略和算法已经不能满足现代配电网无功补偿的需求,为此,提出一种基于改进磷虾群算法的主动配电网动态无功优化策略。首先将无功优化过程分为日前调控与日内动态补偿两部分,日前考虑离散型无功补偿设备的无功补偿能力,日内充分考虑风光出力及其他连续调节设备对系统进行补偿,构建基于主动配电网的日前-日内多时间尺度动态无功优化模型。其次提出一种基于余弦控制因子和柯西因子的改进磷虾群算法对该模型进行求解。最后通过修正的IEEE33节点系统的实验,验证了该策略的可行性和有效性,在保证主动配电网平稳运行的同时,实现经济效益最大化。

基于改进磷虾群算法的水电站频率控制

针对复杂的水电站调速系统难以确立精确数学模型导致传统比例-积分-微分(PID)控制器控制精度低、自适应能力差等问题,提出了一种改进磷虾群算法对其PID控制器参数进行优化。对磷虾群算法引入进化因子α以及优化算子β以增加算法自适应调节能力。首先将频率误差以及频率误差变化率代入到改进的磷虾群算法控制器中,通过算法迭代得到一组使目标函数最小的PID参数,将这组参数赋给PID控制器对系统进行控制。仿真结果表明:经过该算法优化后的控制器相较于传统PID控制器超调量明显减小、调解时间大大缩短。

基于改进磷虾群算法优化Elman神经网络的PEMFC电堆建模

质子交换膜燃料电池(PEMFC)电堆的优化控制需要有精确的电堆模型。现有的基于Elman神经网络建立的PEMFC电堆模型已具有较好的精度,但是此种电堆模型仍然存在容易陷入局部极值、结果无法重现等问题。考虑可以将自适应莱维飞行和偏好随机游动两种机制引入基本磷虾群(Krill Herd,KH)算法,得到一种改进的磷虾群(Improved Krill Herd,IKH)算法用以优化神经网络的初始参数,进而建立基于IKH-Elman网络的PEMFC电堆模型。仿真结果表明,IKH算法用于优化神经网络可同时保证更高的寻优精度和更快的收敛速度;在预测的精度和稳定性上此种电堆模型也具有一定的优势。

基于改进磷虾群算法的SVDD参数优化

支持向量数据描述(SVDD)是构造单类数据描述的分类算法,惩罚参数C和核参数σ作为影响SVDD分类效果的关键,其合理选取一直是个难点。针对这一问题,提出了一种基于改进磷虾群算法的SVDD参数优化算法(IKH-SVDD)。依据仿真实验,分析参数C和σ对描述边界的影响;引入磷虾群算法并分析其优劣,通过在随机扩散行为中定义扰动因子,增强算法的全局搜索能力;将一种新的精英选择和保留策略引入迭代过程,提高算法的收敛精度;将改进的磷虾群算法引入SVDD参数优化过程,构建了IKH-SVDD参数优化模型。基于UCI标准数据库进行实验并与其他几种参数优化算法进行比较,结果表明了IKH-SVDD算法具有更高的分类准确性。

基于改进磷虾群算法的配电网PMU优化配置研究

随着大量分布式电源和随机负荷等引入,导致配电系统在越来越复杂及不确定的工况中运行,其状态估计结果与量测装置需要更多地考虑不确定性因素。虽然同步相量量测装置可以通过提供实时量测数据来提高状态估计结果,但考虑到配电网节点较多以及投资成本不足造成供需不平衡,所以在短时间内配电网不可能大规模配置。该文基于经济性的原则来配置PMU测量装置,对最大提高状态估计结果的精度进行研究。同时采用改进的磷虾群算法对IEEE-33节点模型进行测试,从而得到PMU最优配置Pareto非劣解集。该文对IEEE-33节点三相配电网系统进行仿真计算,与遗传算法和粒子群算法比较;仿真结果验证了该算法的可行性、有效性以及优越性。

基于自适应二进制灰狼算法的节点协同跟踪

针对大规模无线传感器网络中目标跟踪时的节点选择问题,为了满足跟踪精度和实时性的要求,提出了一种自适应二进制灰狼优化算法,用于求解基于条件后验克拉美-罗下界构建的节点选择优化模型。该算法采用非线性动态自适应收敛因子,同时引入基于V型函数的位置更新原则。仿真结果表明,该算法能够有效完成目标跟踪的节点选择任务,与二进制灰狼算法和二进制粒子群算法对比,自适应二进制灰狼算法在搜索能力和收敛速度上有更好的表现,能够在满足跟踪精度的同时有效提高跟踪的实时性。

时间敏感网络中的可变长整形队列调整算法

针对异步整形器(ATS)采用固定长度整形队列实现流量整形存在缓存资源利用率低、可调度流平均时延高等问题,提出了一种基于改进磷虾群算法与流量预测的可变长整形队列调整算法。综合考虑流的队列分配规则、有界时延需求及有限缓存资源,定义时间敏感网络中可调度流传输约束。引入混沌映射、反向学习与精英策略并设计自适应位置更新策略以提升传统磷虾群算法的求解能力,利用改进磷虾群算法寻找整形队列可调整上限。基于卷积神经网络与长短期记忆模型(CNN-LSTM)预测流量,根据预测值计算队列长度调整步幅。仿真结果表明,与采用固定长度整形队列的方法相比,所提算法能有效提高可调度流数量,降低调度流(ST)平均时延,并提升网络缓存资源利用率。