混沌细菌群体趋药算法及应用

为了解决传统细菌群体趋药优化算法的收敛速度较慢问题,提出混沌细菌群体趋药算法。该算法在细菌群体中加入基于Tent映射的混沌搜索,增加了细菌群体中个体的多样性,将寻优过程分成趋药细菌群和混沌细菌群同时进行,提高了细菌群体优化算法的全局收敛能力。典型实例表明,本方法收敛速度快,优于传统细菌群体趋药优化算法。

基于微分进化和混沌迁移的细菌群体趋药性算法

细菌群体趋药性(BCC)算法是一种新的群体智能优化算法.本文研究了BCC算法中群体控制参数对算法性能的影响,并提出算法应用的参数控制策略.标准的BCC算法存在易于陷入局部极值的缺点,因此新算法中采用了以下改进措施,自适应调整感知范围、当细菌确定下一步位置时增加微分进化的待选个体和采用混沌迁移机制,改进后的算法增强了跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高。

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性(BCC——bacterial colcony chemotaxis)优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE30,IEEE57,IEEE118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。

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。

基于局部学习机和细菌群体趋药性算法的电力系统暂态稳定评估

为了提高电力系统暂态稳定评估的分类正确率,提出一种基于局部学习机(LLM)和改进的细菌群体趋势药性(BCC)算法的暂态稳定评估方法。该方法采用LLM构建暂态稳定评估模型,考虑相量测量单元可以提供的故障后实测信息,构造了一组系统特征作为LLM模型的输入量,稳定结果作为输出量,对稳定结果和系统特征间的映射关系进行训练,并通过综合混沌搜索策略的改进BCC算法优化LLM模型的参数。最后,以新英格兰10机39节点系统为例证明了所提方法的有效性。

基于细菌群体趋药性优化的k-means算法

细菌趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法——细菌群体趋药性(BCC)算法。将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度。并给出了一些实验,结果令人满意。

基于改进细菌群体趋药性算法的风-蓄-火联合调度

具有随机性与波动性的风电直接接入电网后,给电网的调度运行带来很大的风险。针对风电出力的随机性,结合抽水蓄能电站削峰填谷特点,利用风电场景模拟风电出力波动,编制日前发电计划,引入时前调度模型修正各机组出力,建立了含风-蓄-火联合系统的优化调度模型,并利用改进的细菌群体趋药性算法求解该模型。用IEEE-10机组标准算例进行仿真,仿真结果验证了所建调度优化模型的合理性及算法的有效性,模型可供制定含风电和抽水蓄能的电力系统发电调度方案时参考。

基于细菌群体趋药性算法的家用电器优化调度

本文通过考虑用户对用电器运行功率和工作时间的要求以及对电动汽车充放电的约束,建立用户用电花费和不满意度的模型,将家用电器优化调度问题建模为同时含有连续变量和离散变量的非凸优化问题。采用细菌群体趋药性优化算法,对用电器的运行功率和开始工作时间以及电动汽车的充放电功率进行优化,实现削峰填谷的目的。仿真结果表明了细菌群体趋药性优化算法的有效性。

基于细菌群体趋药性算法的二级电压控制

二级电压控制策略的求解是电压分级控制的关键环节。针对控制设备既有连续设备又有离散设备的特点,建立了改进型离散二级电压控制系统的数学模型。模型中增加了有载调压变压器等离散设备,同时考虑了二级电压控制区域间的影响以及无功控制设备端电压的偏离值,使该模型更加符合实际电力系统。将一种新型的群体智能优化算法——细菌群体趋药性(bacterial colony chemotaxis,BCC)算法应用于该模型的优化求解。在Matlab环境下用经典的新英格兰39节点系统进行仿真,结果表明:与传统的二级电压控制相比,在增加了有载调压变压器等离散控制设备后的二级电压控制的效果明显提高。此外BCC算法可以很好地处理离散变量问题,具有收敛速度快、精度高、占用资源低的特点。

改进细菌群体趋药性算法在无功优化中的应用

为了克服细菌群体趋药性BCC(bacterial colony chemotaxis)算法容易陷入局部最优的缺点,在自适应调整细菌移动速度和感知范围的基础上引入了混沌优化。先将部分重叠或者陷入局部极值点的菌群映射为混沌序列,使其可以重新更优质的遍历分布于空间;然后通过逆映射得到菌群新的适应度值,提高了算法的全局搜索能力,并成功将其应用到电力系统的无功优化中;对Rastrigin函数进行仿真以及IEEE33节点配电系统进行计算分析。结果表明改进的算法具有很好的全局搜索能力,能有效降低系统有功网损,该算法是可行的。

改进细菌群体趋药性算法在可用输电能力计算中的应用

针对基本细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法中存在的缺陷进行改进,在基本BCC算法中引入了带有权重系数的细菌变速公式,使算法能较快收敛在几个最优解周围并进行细致搜索,从而寻找到全局的最优解;引入了细菌感知范围的动态调整机制,提高了算法的寻优精度;引入了记录本,把细菌寻优过程中的最优值暂记在记录本里,从而避免了最优值被随机抛弃的情况。文章建立了基于最优潮流的可用输电能力的计算模型,并运用改进的细菌群体趋药性算法来求解该模型。通过以IEEE-30节点测试系统为例进行仿真计算,并与基本BCC算法的计算结果进行了比较,结果表明IBCC算法能以更快的速度得到最优解,其性能明显优于基本BCC算法。

基于细菌群体趋药性算法的可用输电能力计算

构建了基于最优潮流模型的可用输电能力(Available Transfer Capability)ATC计算模型,并采用细菌群体趋药性算法对该模型进行求解。为简化n维变量寻优问题,将n维空间的求解问题化简为(n-1)个二维空间问题进行求解,并给出了新的求解此二维空间的表达式;根据ATC求解特点,引入自适应步长,对步长和方向进行自适应调整;针对寻优过程中的最优值,引入公告板,将最优值暂存在公告板内,避免最优值随机抛弃。该算法不仅提高了ATC求解的运算速度,同时保证了算法在ATC计算过程中的全局搜索能力。IEEE-30节点系统的仿真结果验证了其有效性和合理性。

细菌群体趋药性算法优化LS_SVM参数方法

针对支持向量机的参数选择问题,本文提出了一种采用细菌群体趋药性智能优化算法优化最小二乘支持向量机参数的方法。细菌群体趋药性智能优化算法引入了群体信息交互策略,单个细菌不仅利用自身信息随机移动,而且细菌群体之间交换种群的信息,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。该方法提高了支持向量机的参数选择效率,避免了人为设定参数的不足,大大缩短了优化时间。经过细菌群体趋药性智能优化算法优化得到的最小二乘支持向量机的参数对,用于测试样本的多分类实验和函数拟合实验,其分类结果和函数拟合效果验证了本文方法的有效性。

细菌群体趋药性算法在多元非线性回归分析中的应用

利用细菌群体趋药性优化算法的优化速度和精度超过其他一些常见群体优化算法的优势,对多元非线性回归问题进行分析,并将该方法应用到混凝土重力坝顺河向位移的预测中,分析结果表明拟合效果较好,为解决回归问题提供了一种新思路.

细菌群体趋药性算法在农产品配送车辆调度中的应用

描述了农产品配送车辆调度中存在的问题,建立了带有时间窗口约束的多目标农产品配送车辆调度模型,提出基于细菌群体趋药性算法的求解方法,仿真结果表明,基于细菌体趋药性算法的结果优于遗传算法,为农产品配送车辆调度问题的解决提供了新思路。

基于改进细菌群体趋药性算法的风-蓄-火联合调度的研究

由于风电功率波动性大,直接接入电网会给电网安全运行带来很大的风险。针对风电出力的随机性,在风电预测的基础上,结合抽水蓄能削峰填谷的特点,提出了风-蓄-火联合系统日前和时前调度策略,日前调度阶段以风—蓄—火联合调度获取最大经济效益为目标函数,采用改进的细菌群体趋药性算法进行优化,得到风、蓄、火的日前出力计划。时前调度阶段对日前阶段的机组出力进行修正,首先在满足抽水蓄能、满足约束条件的情况下,修正抽水蓄能的出力,再修正火电机组的出力,修正目标是以火电机组的运行成本最小。最后,以含风电场的算例对该模型进行了验证,仿真结果表明了所提出的调度策略具有一定的可行性。

基于多Agent系统的细菌群体趋药性算法研究

针对细菌群体趋药性（Bacterial Colony Chemotaxis，BCC）算法由于过度依赖群体交互而容易陷入局部最优解的缺陷，结合多Agent系统（Multi—Agent System，MAS）的主要特征构造一种全新算法——基于多Agent的细菌群体趋药性（MABCC）算法、该算法通过每个细菌Agent相互之间的竞争与协作，弱化其对群体信息的依赖，使其能够更精确地收敛到全局最优解．

基于细菌群体趋药性算法的电力系统无功优化

采用细菌群体趋药性算法求解电力系统无功优化问题。针对n维变量寻优问题,提出将n维空间的求解问题化简为(n-1)个二维空间求解,并给出了新的求解此二维空间的表达式;针对细菌个体与群体的搜索特点,引入自适应步长,对细菌每次移动过程中的移动步长和方向进行自适应调整;针对细菌迭代过程中寻找到的最优值,引入最优状态板,使最优值不被随机抛弃。这些策略提高了算法运算速度,同时保证算法全局搜索的能力。对IEEE30节点测试,证实该法在无功优化计算中的有效性。

基于细菌群体趋药性算法的配电网无功补偿优化

配电网的无功补偿优化是改善配电网电能质量、提高电压稳定性和减少网损的重要方法。以配电网网损费用和动态无功补偿设备投资费用之和最小为目标函数,通过最大、一般和最小3种负荷方式模拟配电网的实际运行。应用细菌群体趋药性算法进行无功补偿点位置的选择,使用前推回代法潮流计算分别确定最大、一般和最小三种负荷方式下的无功补偿量,并通过动态无功补偿装置的固定部分和可投切部分来实现不同负荷方式下的无功补偿。对24节点辐射网络算例进行仿真计算,得到了良好的结果。

含分布式发电的配网在细菌群体趋药性算法下的无功优化

文章以含分布式发电的配网无功优化为研究对象,在传统调压方法的基础上,将分布式电源融入到配电网无功补偿当中,提高了系统电压水平的同时有效降低了电力系统网损;对细菌群体趋药性算法BCC进行了改进,将线性幂函数混合映射混沌模型和微进化分算子引入到该算法当中,使得细菌感知范围和移动速度实现自适应调整,算法的全局搜索能力和寻优速度有所提高。最后,通过所举算例验证了算法的有效性和分布式电源融入到无功补偿的必要性。