基于改进布谷鸟搜索算法的WSN覆盖优化策略

针对传感器节点分散不均、覆盖程度低及汇聚层Sink节点冗余等问题,设计了一种双层无线传感器网络覆盖优化方法,该方法对传统布谷鸟搜索算法进行了改进。首先,在种群初始化过程中采用了量子位Bloch球面坐标,可以保持较高的多样性;其次,针对布谷鸟搜索算法的Levy飞行寻优阶段,改进候选解更新方法,随机生成每个纵向维度的新候选解;最后,基于逐维更新贪婪评价策略进行随机游动选择。通过这些改进方式提升了布谷鸟搜索算法的迭代速度和精度,避免相同维度间的干扰。实验结果表明,该改进算法与传统布谷鸟搜索算法、外推人工蜂群算法相比,传感器节点覆盖率分别提高了1.79%和9.87%,汇聚层Sink节点冗余率降低5.13%和21.28%。

基于VMD-ISSA-GRU组合模型的短期风电功率预测

为解决风速不确定性和波动性造成风电功率预测精度不高的问题,提出一种基于变分模态分解(VMD)、改进麻雀搜索算法(ISSA)和门控循环神经网络(GRU)的VMD-ISSA-GRU组合模型。首先,利用中心频率法确定采用VMD分解后的模态分量个数,这样有效避免了过分解或者分解不充分。其次引入混沌映射、非线性递减权重以及一个突变策略来改进麻雀搜索算法,用于优化门控循环神经网络,然后对分解得到的各个子序列建立ISSA-GRU预测模型,最后叠加每个子序列的预测值得到最终的预测值。将该模型用于实际风电功率预测,实验结果表明:VMD-ISSA-GRU组合模型的平均绝对误差、平均绝对百分比误差、均方根误差分别为1.2118MW、1.8900及1.5916MW;相较于传统的GRU、长短时记忆(LSTM)神经网络、BiLSTM(Bi-directional LSTM)神经网络模型以及其他组合模型在预测精度上都有明显的提升,能很好地解决风电功率预测精度不高的问题.

基于EMD-SC和AGSA优化支持向量机的超短期风电功率组合预测

风电功率存在较大的随机性、波动性和相关性,这会对风电并网带来极大的挑战。为提高超短期风电功率预测精度,提出一种基于经验模态分解(empirical mode decomposition,EMD)、谱聚类(spectral clustering,SC)和改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化支持向量机(support vector machine,SVM)参数的超短期风电功率组合预测方法。首先通过经验模态分解对风电原始数据进行去噪处理,剔除不规则的数据;然后应用谱聚类对经验模态分解后的子序列进行聚类分析,再应用改进型引力搜索算法优化支持向量机模型对各个子序列进行预测;最后将各子序列的预测结果相加得到最终预测值。以某风电场的实际数据为算例,仿真研究表明,所提出的组合模型能够提高风电功率预测精度,且预测效果较好,同时也证明了所采用方法的合理性。该方法能够用于风电功率的精确预测。

基于HSS算法的多区域虚拟电厂综合能源调度

综合能源的提出实现了不同能源之间的相互耦合,实现了能源高效梯级利用,文章在此基础上建立了计及系统网损的多区域虚拟电厂综合能源日前—日内调度模型。建立了采用日前—日内多时间尺度调度方法,在满足热电联产机组及储能出力约束前提下的以成本最小为目标的系统模型。考虑模型为非线性优化问题,采用超球面搜索算法寻找系统最优解。将某园区作为仿真对象,对比分析虚拟电厂间协同调度和单独运行两者不同情况下的出力及运行费用,研究电网及热网的重要节点或联络线端口的电压,并将超球面搜索算法同传统粒子群算法运行结果进行对比,最终验证所提模型及算法的可行性。

考虑众包物流的大型生鲜商超配送策略研究

针对冷链运输导致大型生鲜商超配送成本高的问题,本文提出了一种采用众包车和自备物流协同配送的模式。考虑企业调用社会车辆并结合自有冷链运输实施众包协同配送,将商品分为冷冻、冷藏、常温三类,构建了带容量和软时间窗限制的多车型车辆路径问题(HFCVRPSTW)模型。该模型涉及冷藏车行驶成本、固定成本、众包车补偿成本、冷藏商品包装成本和损失成本以及时间成本等多个参数。通过设计初始解、采用自循环的衰减破坏策略以及引入新算子的改进自适应大规模邻域搜索(ALNS)算法对模型求解。采用Solomon数据集的拓展算例验证了模型的合理性和算法的优越性。研究得到以下结论:(1)通过对不同类商品的数量比例以及众包车数量进行灵敏度分析发现,众包协同配送的总成本对物流货物中各类商品的配比不敏感,但众包车数量的增加会更有效地降低总成本;(2)对比不同客户分布的算例研究得出,客户点的分布对众包协同配送降低总成本的效果具有显著影响,当客户处于随机分布与混合分布状态时,企业应优先选择众包协同配送,当客户呈聚集分布且众包车数量较少时,企业应优先选择自营配送。

Improved hyper-spherical search algorithm for voltage total harmonic distortion minimization in 27-level inverter

Multi-level inverters(MLIs)have become popular in different applications such as industrial power control systems and distributed generations.There are different forms of MLIs.The cascaded MLIs(CMLIs)have some special advantages among them such as more different output voltage levels using the same number of components and higher power quality.In this paper,a 27-level inverter switching algorithm considering total harmonic distortion(THD)minimization is investigated.Switching angles of the inverter switches are achieved by minimizing a THD-based objective function.In order to minimize the THD-based objective function,the hyper-spherical search(HSS)algorithm,as a novel optimization algorithm,is improved and the results of improved HSS(IHSS)are compared with HSS algorithm and other five evolutionary algorithms to show the advantages of IHSS algorithm.

基于SV-ISSA的非侵入式负荷分解技术研究

非侵入式负荷监测是自动化设备用电安全监测的重要技术。针对常用电器存在功率值接近导致负荷分解准确率低的问题,原有基于低频数据的方法无法对其有效分解,本文提出了一种基于SV-ISSA(State vector-Improved Sparrow Search Algorithm)的非侵入式负荷分解方法。基于事件检测后得到的功率波形,使用DTW算法提取电器的典型功率矩阵,利用改进层次聚类算法将功率矩阵转换为状态向量,并利用滑动窗口提取电器超状态,对超状态进行缩减并获取其对应功率矩阵。此时负荷分解问题可转换为求解最优组合问题,然后通过改进的麻雀搜索算法求解各个电器超状态的运行状况,从而得到最终分解结果。实验结果表明,采用所提方法可有效提高负荷分解准确率,且能够准确处理具有相似功率范围同时运行的多种电器。