基于改进细菌菌落优化算法的配电网最优规划

由于天气因素等使得风光具有强波动特性给电力系统规划带来诸多不确定性。随着电力系统规模的不断增加,规划的效率明显下降。因此,在综合考虑风-光不确定性的基础上,兼顾配电网规划效率,提出了一种基于改进细菌菌落优化算法的配电网概率最优规划方法。首先,采用混合灵敏度法(combined power loss sensitivity method,CPLSM)确定分布式电源(distributed generation,DG)的候选接入位置;其次,构建以风机、光伏的总成本、火电机组总成本以及网络损耗总成本之和最小的配电网DG规划模型;最后,采用改进的细菌菌落优化算法对DG规划模型进行求解。采用IEEE57标准仿真系统对模型和方法进行了仿真,验证了所提模型和方法的有效性和优越性。

基于改进细菌菌落优化算法的PID参数整定

针对经典智能优化算法在PID参数整定时存在早熟收敛及陷入无效循环的问题,提出一种改进细菌菌落优化算法。在个体位置更新时引入收缩因子和有指导的随机搜索策略,以平衡算法的全局搜索能力和局部搜索能力,在全局最优位置附近进行动态随机搜索,以提高算法的局部收敛精度。选取ITAE指标作为优化目标构建目标函数和约束条件。以时滞非线性湿度PID控制器为例,仿真结果表明,该算法在提高收敛精度的同时具有自我结束的能力,能够有效抑制超调量。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于细菌菌落算法的电力系统无功优化

电力系统无功优化具有非线性,多控制变量,多约束条件,连续变量和离散变量混杂的特点,针对现有算法或容易陷入局部最优解或收敛速度慢的缺点,提出了一种细菌菌落(bacterial colony optimization,BCO)优化算法,将BCO优化算法首次应用于电力系统无功优化问题。BCO算法将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,该算法本身具有进化机制,并且提出了一种新的结束准则。BCO算法通过繁殖适应度高的个体,死亡适应度低的个体,可以尽快的获得适应度更优的个体,从而可以避免算法陷入局部最优解,同时也加快了收敛速度。用BCO算法对IEEE14节点标准测试系统进行无功优化计算,实验结果表明,细菌菌落(BCO)优化算法较其他算法具有较强的全局寻优能力,且收敛速度快,鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径。

基于改进细菌群体趋药性算法的配电网无功优化

基本的细菌群体趋药性(BCC)算法中系统参数的固有设置方式极大地制约了算法性能,群体信息交互策略的引入,不可避免地产生趋同性,容易陷入局部最优。鉴于此,引入精度更新参数控制精度,动态调整细菌寻优速度、自适应调整细菌感知范围;并增加自适应变异算子增加随机扰动,改善种群的多样性,提高算法逃离局部最优的能力;以混沌搜索代替随机迁徙,利用其不重复的遍历性完成对局优点的二次寻优,形成改进的细菌群体趋药性(IBCC)算法,该算法极大地提高了算法的全局寻优能力。基于IBCC算法,建立了无功优化数学模型,并以IEEE-33节点配电系统为例应用该算法进行优化计算,结果表明,该算法在解决配电网无功优化问题上,具有很好的应用前景。

基于细菌菌落优化算法含分布式电源的无功优化

将分布式电源与传统的配电网电压调节方式相结合,分析包含分布式电源的配电网系统无功优化的问题,并建立了有功网损最小的优化数学模型,并将细菌菌落优化算法应用在无功优化的求解模型中。细菌菌落算法根据群体菌落生长演化过来程来寻找最优解,建立了细菌菌落的生成和死亡的寻优机制,并提供了一种新的寻优算法的结束方式。并将其用在解决分布式电源在配电网中的无功优化问题。通过IEEE-33测试系统验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。

基于细菌菌落优化算法分布式电源优化配置

分布式电源位置和容量的优化配置可确保其发挥更好的技术经济效用。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综合投资成本以及购电成本最小模型的多目标优化模型,并且提出了一种新颖的智能优化算法细菌菌落算法。细菌菌落优化算法根据单个细菌的生长方式及其群体菌落繁殖的特性演化而来。该算法建立了细菌菌落的生成和死亡的寻优机制,并提供了一种新的寻优算法的结束方式。最后,通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。

改进细菌觅食优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(FJSP),提出一种改进细菌觅食优化(IBFO)算法,该算法采用自适应调节步长的趋化操作,同时在趋化过程中,加强精英细菌对其他细菌在寻优方向上的引导作用,避免了算法早熟收敛;通过引入交叉和变异算子,以维持菌群的多样性,同时也提高了算法的全局搜索能力;采用自适应迁徙策略对精英细菌进行保护,提高了算法的全局收敛速度。最后,针对FJSP设计了合适的编码转化方案,并选用经典算例对其进行仿真实验:对于8×8和10×10两实例,改进后的细菌算法与标准细菌算法相比求解精度分别提高了2个单位时间和1个单位时间;对于Brandimarte标准测试集中的实例,IBFO算法的求解精度要普遍优于其他对比文献中的算法。仿真结果表明了IBFO算法可有效提高FJSP的求解精度。

基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。

一种混合的离散细菌菌落优化算法

为了利用细菌算法解决组合优化问题,提出了一种混合的离散细菌菌落优化算法。根据现有细菌优化算法,设计一种新的个体编码方式及进化模式,通过设计种群的自适应调整因子增强个体活力,并融合禁忌搜索算法,克服算法易于陷入过早收敛的不足,并与其他算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真结果表明,该算法可以搜索到问题的最优组合,能够有效避免算法陷入局部最优,取得了满意的结果。

基于改进细菌觅食优化算法的电动转向系统功率优化

为了降低新能源纯电动汽车中电动助力转向系统的电能消耗,提出一种基于改进细菌觅食优化(IBFO)算法的功率优化控制策略。建立电动助力转向系统动态模型和车辆模型,通过改进细菌觅食算法的趋化操作和迁徙操作,提高了算法的收敛速度和精度。采用时间误差绝对积分函数评价细菌觅食算法的收敛性。分别进行MATLAB/SIMULINK仿真和硬件在环试验,测试结果表明:改进后的细菌觅食算法控制器能够更加有效地降低助力电机的功率,减少了转向过程中助力电机功耗。

基于细菌菌落优化算法的分布式电源优化配置

分布式电源(Distributed Generation,DG)的合理规划可确保其发挥更好的技术、经济效用,因此对分布式电源优化配置具有重要的意义。建立了以有功网损最小为目标函数的优化模型,提出一种新型智能仿生优化算法,并将其应用在分布式电源优化配置问题的求解中,细菌菌落优化算法(Bacterial Colony Optimization,BCO),通过模仿细菌个体信息交流机制,建立细菌个体的寻优共享机制。另外该算法建立了一种新的循环结束方式,迭代会随着细菌个体的消失,自然结束,并且能够保持一定的精度。通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。

基于细菌菌落算法的含分布式电源多目标无功优化

以含风电和光伏的配电网为研究对象,提出了含风电和光伏的配电网多目标无功优化模型.用场景分析法对双馈异步风力发电机(DFIG)进行了场景分析,用Beta分布函数来模拟光伏出力,通过蒙特卡洛方法对配电网进行了无功补偿选址,最后通过细菌菌落优化算法对IEEE33节点配电系统进行了算例分析,验证了该模型及方法的有效性.

变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。

基于细菌觅食与改进Otsu算法的自适应阈值边缘提取

针对Canny算子在阈值偏高或偏低的情况下会产生边缘丢失或伪边缘的缺陷,提出了一种基于细菌觅食算法与改进最大类间方差法(Otsu算法)相结合的自适应阈值Canny算子。根据图像的梯度幅值直方图将像素点进行分类,并基于改进的Otsu算法定义描述类间方差的适应度函数,通过细菌觅食算法自动获取使适应度函数最优的高低阈值。实验结果表明,该方法在目标边缘提取的准确性上优于传统算法。

基于改进BCC算法的配电网综合运行优化

研究了配电网综合运行优化问题.将配电网无功优化与配电网络重构联络开关两者相结合,建立了配电网多目标综合优化数学模型.提出了基于改进的细菌群体趋药性算法的配电网综合优化计算新方法,针对算法易于陷入局部最优解的缺点,新算法在基本的细菌群体趋药性算法的基础上引入了动态调整策略、自适应变异算子和混沌搜索机制,改善了细菌寻优速度和寻优效率.利用改进的细菌群体趋药性算法对IEEE33系统进行综合优化,结果表明改进算法可以有效地降低系统有功网损,提高各节点电压,同时也验证了改进算法的可行性和有效性.

模拟细菌菌落进化过程的群体智能算法

针对常规群体智能算法缺乏进化能力,存在易于陷入早熟收敛的不足,将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,提出一种新的群体智能算法。该算法本身具有进化机制,并且能够自然结束,从而为优化算法提出了一种新的结束准则。通过仿真实验验证了算法的有效性,同时仿真实验结果还表明通过简单改进,算法可以达到全局最优。

车辆路径问题的离散细菌菌落算法

为了丰富解决车辆路径优化问题的方式,提出一种融入了局部搜索的离散型细菌菌落优化算法。首先设计了算法的个体编码方式和进化模式;然后融入局部搜索方式来加速算法寻优的效率;最后将该算法应用于带时间窗的车辆路径问题,并采用solomon数据验证,通过与其他算法进行比较,验证算法的可行性。