基于改进CS算法的移动网络海量数据低能耗传输方法

移动网络数据传输过程未考虑数据间相关性,导致数据传输能耗大,对此文章提出了基于改进CS算法的移动网络海量数据低能耗传输方法。文章分析移动网络海量数据传输能耗,引入混沌扰动系数改进CS算法。在此基础上选取改进CS的双簇头,解决传统方法数据传输路径长的问题,设计静态、动态传输队列低能耗传输模式。由实验结果可知,该方法数据传输完整,不同工作模式下,使用基于改进CS算法最高耗能为2 J,耗能较低,该方法将指导移动网络在工业应用中的实现。

一种适合地球同步轨道SAR的改进CS算法

地球同步轨道SAR具有一般低轨SAR所不具备的优势。然而其"8"字形的运动轨迹也给成像带来了困难,基于直线运动的成像算法将失效。针对这个问题,利用了聚焦性能比较好的CS算法并结合偏航牵引控制和弯曲补偿的方法把弯曲的孔径拟合成直线再进行成像。本文分别对地球同步轨道SAR偏航牵引问题,等效斜视角进行了研究,详细推导了斜视工作模型下基于弯曲补偿改进的CS算法,根据分辨率的需求对地球同步轨道SAR大合成孔径进行子孔径处理,最后通过仿真验证了算法的成像性能。

基于改进CS算法的光伏系统MPPT仿真研究

传统光伏发电最大功率跟踪(MPPT)中存在跟踪效率低、稳定性较差的缺点,针对上述缺点提出了一种基于改进布谷鸟算法(CS)的光伏发电系统最大功率点跟踪算法。改进算法去除了传统CS在计算电压方程中的随机数,并分析了最大功率点的追踪过程。并在MATLAB/Simulink环境下搭建模型进行仿真分析,发现在部分遮蔽条件下,可以有效提高对最大功率点的追踪速度与精度,并保持优异的稳定性;MPPT结构较为简单。同时,在与传统的扰动观察法以及粒子群算法作对比下,也展现出了快速跟踪性与有效性。

基于复现性和熵权区分度的非侵入式负荷识别方法

非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题。算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率。