基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法

为了更加准确有效地对变压器绕组状态进行分析,提出了一种基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法。首先,运用C-C法重构变压器振动信号的相空间,分析变压器振动信号的混沌特性,得到关联维数、Kolmogorov熵作为混沌特征。然后,将蜉蝣优化算法引入K-means聚类分析中,对高维相空间轨迹的簇中心选取进行优化,得到相轨迹的簇中心矩之和、矢径偏移,并作为几何特征。实验结果表明:变压器振动信号的最大Lyapunov指数均大于0,适用于混沌特性分析;由变压器振动信号计算出的混沌特征能够表征变压器绕组的松紧程度;同时,经蜉蝣优化的K-means算法得到的簇中心能够作为特征点提取整个相空间轨迹的几何特征,也能够区分绕组的松动故障;将两种特征结合能够实现变压器绕组状态的准确监测,从而为变压器绕组在线检修提供了一种理论依据。

基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷分析方法

为了更加有效地对变压器铁心状态进行分析,提出一种基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷特征分析方法。首先,运用C-C法求解重构相空间的嵌入维数与延迟时间,重构变压器振动信号的相空间。其次,计算变压器振动信号的最大Lyapunov指数来判断系统是否具有混沌特性,选取关联维数、Kolmogorov熵作为一组混沌特征以识别铁心的松动程度。再次,将麻雀搜索算法引入K-means聚类算法优化初始中心簇的选取并使用簇中心与簇类点的位移平均值作为描述变压器铁心松动状态的定量特征。最后,将两组特征结合起来形成变压器铁心松动故障的诊断指标,为变压器铁心的松动故障诊断提供理论依据,并投入分类器进行故障诊断,验证两组特征结合的优越性。

M-精英协同进化分子动理论优化算法

提出了一种M-精英协同进化分子动理论优化算法(MECKMTOA,M-elite coevolutionary KMTOA)。该算法基于M个精英以尽量避免发生错误引导,通过精英间的学习与协作提高算法的收敛精度,采用新型的波动算子防止算法陷入按维早熟。测试结果表明,MECKMTOA在求解精度、算法稳定性、高维函数求解等方面均表现出良好性能。

一种基于分子动理论的改进粒子群优化算法

提出了一种新颖的基于分子动理论的粒子群优化算法(MMT-PSO)。类比于物理学中质心的概念本文定义了群质心,MMT-PSO把种群中的每个粒子类比成分子,根据粒子与种群目前的质心之间的距离远近,粒子与质心间的分子作用力控制粒子的飞行方向以决定其是朝着群质心的方向飞行还是远离它,从而有效地协调了种群的多样性,使算法能够有效地平衡全局和局部搜索。通过解决典型的多峰、高维函数优化问题来证实算法的有效性,实验结果表明MMT-PSO比标准PSO具有更高的性能。

弱连接多子群分子动理论优化算法

针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能.

双种群分子动理论优化算法

针对传统分子动理论优化算法存在寻优精度差、易陷入局部极值等不足,提出了一种双种群分子动理论优化算法。该算法将种群分为精英和普通两个子群:普通子群采用传统分子动理论优化算法搜索策略进行大范围搜索,而精英子群则通过协同合作实现精细化搜索,以提高算法收敛精度;基于个体迁移实现子群间的信息交流,两个子群通过分工合作共同完成搜索过程。实验结果表明:改进算法在收敛速度、精度和算法稳定性等方面都有明显改善。

基于结晶过程的分子动理论优化算法

针对分子动理论优化算法(KMTOA)存在易陷入局部最优、寻优精度低等问题,提出一种基于结晶过程的分子动理论优化算法(C-KMTOA)。该算法通过模拟结晶过程设计了一种分离算子,该算子将种群分为最优个体、优秀个体、较差个体三个子群,并通过引导操作使较差个体向优秀个体附近移动、优秀个体向最优个体附近移动,从而使搜索范围快速缩小到最优解附近。实验结果表明,该算法在优化精度、动态性能等方面均优于GA、DE、QPSO和KMTOA。

基于分子动理论算法的三电平逆变器谐波优化

在许多大功率交流传动场合下,开关损耗大。为了降低开关损耗,提高逆变器效率,开关频率一般限制在1 kHz以下,导致牵引逆变器中含有大量的谐波。以应用于大功率电力机车的三电平逆变器为特定的研究对象,建立了三电平逆变器最小相电流总谐波畸变率谐波优化模型。采用分子动理论优化算法求解模型时施加了消除窄脉冲算法,完成全调制范围、多种脉波条件下优化函数的求解。与传统SPWM和SHEPWM比较,MMTPWM具有良好的谐波优化效果。最后,通过仿真实验和硬件实验结果验证了理论分析的正确性。

基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割

传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。

基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测

为了更加准确有效地监测高压并联电抗器铁芯和绕组机械状态,提出了基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测方法。首先,对振动信号的混沌特性进行分析,采用C-C法选择最佳延迟时间和嵌入维数,对电抗器振动信号进行相空间重构;然后,利用蝗虫算法优化传统K-means聚类算法,从而更加合理地选取初始簇中心,进而通过优化后的K-means聚类算法求出重构信号相轨迹的簇中心;最后,根据簇中心位移矢量和的模值变化对电抗器铁芯和绕组松动状态进行监测。研究结果表明:采用Wolf法求得的各测点最大Lyapunov指数均大于0,证明电抗器振动信号具有混沌特性。蝗虫优化K-means聚类算法有效提高了计算结果的准确性,振动信号相轨迹的簇中心位移矢量和的模值变化能够有效反映铁芯和绕组松动故障隐患,从而为电抗器铁芯和绕组松动状态检修提供了理论依据。

基于记忆分子动理论算法的污水处理过程优化

为了在满足出水水质要求下降低污水处理的能耗,提出了一种基于记忆分子动理论算法的污水处理智能优化控制方法。首先利用MATLAB搭建BSM1模型,分析运行数据,利用多核LS-SVM方法建立污水处理的出水水质罚款和能耗模型并以此建立优化目标;其次为了提高算法的收敛速度和精度,防止陷入局部最小值,在记忆分子动理论算法中对变异率进行设计,并且增加了算法引导阶段;最后利用记忆分子动理论算法对优化目标进行优化,实现了对溶解氧和硝态氮浓度设定值的动态寻优,实验结果表明该方法能够在满足出水水质要求下有效地降低能耗。

基于分子动理论优化算法的最优潮流计算

最优潮流是一个离散的、非线性化、规模庞大的问题。用传统的方法求解时会存在收敛速度慢、局部收敛等问题。本文用分子动理论优化算法来求解最优潮流。并通过IEEE14节点系统对该算法进行测试,由测试结果可知,该算法收敛精度高、寻优能力强。

基于记忆分子动理论多目标优化算法的经济环境调度

针对电力系统经济调度问题的多目标特性,提出一种记忆分子动理论多目标优化算法(Multi-objective MemoryKinetic-MoleculartheoryOptimizationAlgorithm,MOMKMTOA)。该算法在分子动理论算法(Kinetic-Molecular theory Optimization Algorithm, KMTOA)的基础上引入记忆原理记忆,设计记忆更新与遗忘模型以提高算法的多样性,并提出记忆精英选择策略从当代解集中随机选择领导精英以避免陷入局部最优。通过CEC09标准测试函数和IEEE-30节点的两个案例验证说明,MOMKMTOA算法在求解高维复杂的多目标经济调度问题上具有一定的可行性和有效性。

基于混沌理论和排序选择的蚁群无功优化算法

在基本蚁群算法的基础上,引入排序选择策略,使用一定的线性或非线性关系将信息素的差别转化为次序,通过改变选择压力控制个体被选中的概率,具有很好的整体优化性,能有效抑制非成熟收敛。为提高算法的局部搜索性能,在每次迭代后全局更新以前采用的混沌搜索方法,以求在当前最优蚂蚁附近搜索到更好的解。IEEE14、IEEE30和IEEE57系统的仿真分析验证了该算法的有效性,指出了混沌搜索对算法稳定的作用。

基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容

针对城市电动汽车充电站的选址与定容问题,建立了考虑充电站运营商、电动汽车用户以及电网企业综合利益的充电站选址定容规划模型。采用Voronoi图思想和需求点栅格化理论,结合Floyd最短路径算法划分充电站的服务范围。提出采用一种混沌模拟退火粒子群优化算法对问题进行求解,通过引入混沌理论使粒子更高效地遍历搜寻空间,并结合模拟退火算法的概率突跳特性使算法在迭代后期仍具有较高的全局寻优能力。通过算例分析表明,采用所提算法对城市电动汽车充电站选址定容进行优化规划的可行性和有效性。

基于多目标分子动理论的楼宇负荷用电调度优化

针对智能用电环境下保证用电经济性、舒适性以及电网侧稳定性目标的楼宇多用户日负荷调度问题,提出一种基于多目标分子动理论的智能楼宇负荷用电调度优化策略。首先根据楼宇用户中不同负荷特征,对楼宇用电负荷进行分类,搭建楼宇多用户负荷用电调度模型;其次,针对该模型对分子动理论优化算法进行多目标改进,引入基于按维审查的模糊拥挤判定思想得到最优解集可供选择,提高种群多样性和分布性,然后将其用于楼宇多用户负荷调度模型中进行多目标优化;最后,通过算例仿真实验及对比分析可知,所提优化策略能较好地实现楼宇用户用电经济性和舒适性目标,同时达到平抑电网侧波动的效果。

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。

基于混沌搜索的多目标模糊优化潮流算法

提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。该方法利用混沌变量的随机性、规律性、遍历性进行寻优,克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。用模糊集理论将多目标函数和可伸缩约束条件模糊化,把多目标最优潮流问题转化为单目标非线性规划问题,这种方法结构简单,易于实施。试验系统的计算结果表明,该算法具有较好的全局收敛特性,搜索速度快,求解精度高,使用灵活,是解决电力系统最优潮流问题的一种有效方法。

基于混沌遗传算法的齿轮变速箱优化设计

针对变速箱结构复杂、优化设计参数较多的问题,在遗传算法基础上结合混沌优化理论,提出了混沌遗传优化算法。该方法利用混沌的映射技术的遍历性产生初始群体,在寻优过程中利用混沌的二次载波技术对种群个体进行微小的扰动,从而跳出局部极值达到全局寻优的目的。设计实例表明,该方法不但可提高求解精度,而且搜索过程高效可行,是求解复杂结构多参数优化设计的有效方法。

基于混沌粒子群算法的Ad Hoc网络优化研究

基于混沌理论提出了混沌粒子群算法C-PSO(chaotic particle swarm optimization),C-PSO算法针对Ad Hoc网络提取的优化指标进行优化处理,在网络优化过程中,C-PSO算法充分利用了混沌系统的随机性、遍历性、敏感性等特性,避免了PSO算法"早熟"现象的出现,避免了陷入局部最优区,增强了全局收索能力.基于网络模拟器NS-3仿真系统对C-PSO算法和PSO算法进行了仿真实验测试,通过对丢包率、网络生命周期和网络吞吐率3个网络性能指标的对比分析和评估,结果表明C-PSO算法优于PSO算法,从而验证了C-PSO算法对Ad Hoc网络优化的有效性与可靠性.实现了对Ad Hoc网络优化.