基于改进鸟群算法的微电网并网优化调度研究

以分析微电网并网优化调度中不同模型对优化的影响和解决传统智能算法在多目标函数寻优时易早熟收敛、陷入局部最优、收敛速度和精度差等问题为目的,采用二元对比定权法将以运行成本、环境污染处理费用为目标的多目标优化模型转化为单目标优化模型,并应用了一种新型生物启发式群智能算法——鸟群算法,该算法以鸟类觅食、警惕和飞行行为为依据,其性能优于粒子群和微分进化算法,因其认知和群体行为调节参数易使种群收敛精度和迭代次数偏大,通过线性微分递减策略改进惯性权重、线性调整认知系数和社会系数来改进鸟群算法,以此对不同模型进行优化。本文对不同目标函数的优化结果和两种算法的仿真结果做了对比,验证了多目标优化模型和改进算法的有效性。

基于混合改进鸟群算法的贝叶斯网络结构学习

针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法。首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优。实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力。

基于非线性因子的改进鸟群算法在动态能耗管理中的应用

针对实时系统能耗管理中动态电压调节(DVS)技术的应用会导致系统可靠性下降的问题,该文提出一种基于改进鸟群(IoBSA)算法的动态能耗管理法。首先,采用佳点集原理均匀地初始化种群,从而提高初始解的质量,有效增强种群多样性;其次,为了更好地平衡BSA算法的全局和局部搜索能力,提出非线性动态调整因子;接着,针对嵌入式实时系统中处理器频率可以动态调整的特点,建立具有时间和可靠性约束的功耗模型;最后,在保证实时性和稳定性的前提下,利用提出的IoBSA算法,寻求最小能耗的解决方案。通过实验结果表明,与传统BSA等常见算法相比,改进鸟群算法在求解最小能耗上有着很强的优势及较快的处理速度。

基于改进鸟群算法和极限学习机模型的光伏发电系统输出功率预测研究

准确预测光伏发电系统的输出功率,可以帮助电网调度部门合理安排调度计划,并能够提高光伏发电场的发电效率。为此,文章首先提出了一种改进鸟群(IBSA)算法,并采用IBSA对极限学习机(ELM)进行优化,构建了性能良好的IBSA-ELM预测模型;然后,利用IBSA-ELM模型BSA-ELM模型和SVM模型对光伏发电系统输出功率进行预测,并采用均方根误差(RMSE)和决定系数(R2)对该模型的预测效果进行评估。分析结果表明:IBSA算法的收敛精度优于BSA算法;IBSA-ELM模型的预测精度优于BSA-ELM模型和SVM模型。

改进鸟群算法用于SVM参数选择

为能够自动地获得支持向量机(SVM)中核参数σ和惩罚系数C的最佳值,提出以改进的鸟群优化算法(IBSO)为基础的SVM参数选择方法。IBSO与传统鸟群算法(BSO)相比,在觅食行为中加入鸟群自我的学习系数,对飞行行为中乞食者的位置更新方式进行更改。实例仿真计算结果表明,与其它算法相比,该方法可以快速确定SVM中参数的最优值,有效降低了算法的时间复杂度,提高了算法的全局搜索能力,具有良好的鲁棒性。

基于改进鸟群算法优化最小二乘支持向量机的锂离子电池寿命预测方法研究

随着锂离子电池的广泛应用,其寿命预测与健康管理已成为当今的热点问题。锂离子电池寿命预测对于电池管理系统的稳定运行有着重要意义。采用最小二乘支持向量机(LSSVM)模型对锂离子电池剩余寿命进行预测,并采用鸟群优化算法(BSA)对LSSVM参数进行寻优。为提高BSA的全局搜索能力,对BSA进行改进,并提出改进鸟群算法(IBSA)。最后,采用IBSA优化LSSVM模型,建立了IBSA-LSSVM预测模型并对锂离子电池剩余寿命进行预测。测试结果表明,IBSA-LSSVM模型对锂离子电池剩余寿命有良好的预测效果和预测稳定性。

基于大数据分析的非线性网络流量组合预测模型

针对传统方法不能对网络流量变化特征进行准确描述,并且预测精度较低的问题,提出了基于大数据分析的非线性网络流量组合预测模型.通过对非线性网络流量数据进行有效分解,获得不同尺度的分量,利用混沌理论对多尺度分量进行相空间重构获得流量子序列.构建改进鸟群算法优化模型,并对重构后的网络流量子序列进行预测和组合,获得网络流量预测结果.结果表明,所提模型能够精确地描述网络流量的非线性、周期性以及长相关性等变化特征,具有较高的预测精度.

含风电互联系统的SVC附加双通道广域阻尼控制设计

由于风电互联系统结构复杂并且具有随机性,传统控制器难以满足系统多运行方式下的阻尼控制效果,为提高含风电互联系统抑制低频振荡的能力,提出静止无功补偿器(static var compensator,SVC)附加双通道广域阻尼控制方法。首先建立附加双通道控制器模型;其次基于频域子空间辨识与几何测度结合法设计最佳控制回路,实测方便,更有利于应用在复杂电网;最后采用基于多目标函数的改进型鸟群算法(improved bird swarm algorithm,IBSA)对控制器进行优化,确定控制参数。将上述研究方法通过含风电的两区四机系统进行仿真验证,结果表明接入设计控制器的系统阻尼大大提高,控制效果显著,能够快速抑制振荡,从而增强系统稳定性能。

多传感器检测管道缺陷数据融合方法

针对多传感器管道缺陷检测数据融合精度不高的问题,提出了一种改进鸟群算法(IBSN)与加权正则化极限学习机(WRELM)相结合的多传感器检测管道缺陷数据融合方法。首先,利用电磁超声导波、漏磁以及涡流检测设备采集管道缺陷数据,将高斯核函数样本权重矩阵和正则化参数引入极限学习机中,建立WRELM数据融合模型;而后,通过引入混沌变量和高斯扰动、优化警惕行为以及改变飞行行为中步长因子来优化鸟群算法,采用IBSA优化WRELM输入层到隐含层的连接权值和隐含层的偏置;最后,利用多仪器检测管道缺陷数据融合平台进行实验分析。实验结果表明:采用IBSA-WRELM的多仪器检测管道缺陷数据融合模型的误差最小,仅为2.33%,有效提高了多仪器检测管道缺陷数据的融合精度。