基于郊狼优化算法的扇区管制复杂性聚类与仿真验证

为提高科学评估扇区管制复杂性的能力,本文提出基于郊狼优化算法(COA,coyote optimization algorithm)的扇区管制复杂性聚类算法。首先,引入逐维变异改进策略来改进郊狼优化聚类算法,解决其易陷入局部最优解的问题。其次,以中国西北地区区域管制扇区为研究对象,采用改进郊狼优化聚类算法(ICOCA,improved coyote optimization clustering algorithm)对扇区管制复杂性指标进行聚类分析。最后,对扇区聚类结果进行仿真验证,结果证明了所提算法在扇区管制复杂性分类方面的有效性和可靠性,可为后续的空域管理提供有效的数据决策。

基于改进郊狼优化算法的光伏智能边缘终端优化配置方法

光伏智能边缘终端(PVIET)是实现分布式光伏规模化接入配电网高效率智慧运维的重要设备之一。该文构建光伏智能边缘终端优化配置的数学模型,为实现模型的准确求解,进一步提出一种改进的郊狼优化算法(ICOA)。为解决郊狼优化算法精度不足、收敛速度缓慢等问题,提出全新的社会互助郊狼成长策略和单维组内最优郊狼扰动策略,引入模拟退火、自适应精英保留策略,以让该算法更加适合所提出的工程问题,实现对PVIET的数量、位置及与光伏电站连接方式三个方面的求解。最后,改进的IEEE 69案例验证了模型的有效性,通过算法对比,验证了改进郊狼优化算法在精度、稳定性和收敛性等方面的优越性。

基于VMD-ICOA-BiLSTM混合模型的日前电价预测

为了进一步提高购售电市场中日前电价的预测准确度,本文将变分模态分解(VMD)、改进郊狼算法(ICOA)和双向长短期记忆神经网络(BiLSTM)相结合,提供一种新型日前电价预估方案。首先,利用VMD把原始电价数据划分成几个子序列,解决电量序列的非平稳性问题;其次,针对郊狼算法收敛速度慢、优化性能不足的缺陷,将Sobol序列引入郊狼初始化,再将全局最优和局部最优郊狼引入算法的组文化趋势;然后,采用ICOA优化BiLSTM的参数,并构建ICOA-BiLSTM混合预测模型,进行子序列预测;最后,对各子序列的预测结果进行求和,得到最终的预测电价。以丹麦电力市场的数据进行检验,结果表明所提方法具有良好的预测准确度和泛化性能。

基于ICOA和SVR的短期负荷预测

针对短期负荷预测精度与运行时间难以兼顾的问题,提出一种基于改进郊狼优化算法的支持向量回归模型。阐述了支持向量回归模型的原理,分析郊狼优化算法并在郊狼成长方式和贪心选择策略上进行改进。通过利用负荷、天气、日期等数据训练SVR模型,同时采用改进郊狼优化算法选择SVR参数并建立ICOA-SVR负荷预测模型。经算例分析与比较,表明在短期负荷预测方面,ICOA-SVR模型比COA-SVR、BP神经网络和LSTM模型具有更高的预测精度和更快的预测速度。