智能单粒子优化算法

文中在传统粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了智能单粒子优化算法(Intelligent Single Particle Opti mizer,ISPO).与传统的PSO算法不同,该算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠近.实验表明,此算法对大部分标准复合测试函数都具有很强的全局搜索能力,其寻优能力超过了国际上最近提出的基于PSO的改进算法.

引入退火机制的智能单粒子算法在复杂边坡最危险滑动面搜索中的应用

复杂边坡的安全系数可能存在多个局部极小值点,如何确定边坡的最小安全系数是复杂边坡稳定性分析中的一个关键问题。本文结合简化Bishop法,采用一种新的启发式全局优化算法——智能单粒子算法(ISPO)来搜索复杂边坡的最危险滑动面。为帮助该算法快速跳出局部极值点,本文将模拟退火(SA)机制引入到智能单粒子算法中,结合了两种算法各自的优点,提出了引入退火机制的智能单粒子算法SA-ISPO。将本文提出的SA-ISPO算法用于搜索两个复杂边坡的最危险滑动面,并与其它方法相比较,验证了SA-ISPO算法的优越性,该算法搜索效率高,计算结果不受搜索范围的影响,是一种较好的全局优化算法。

基于智能单粒子算法的微电网经济调度

为充分消纳可再生能源,以分时电价为杠杆,通过经济调度手段,对微电网内分布式发电资源进行优化配置。在综合考虑各类分布式电源发电成本和环境成本的基础上,计及热电联供收益、电能交易收益、电价补贴等多项运行收益,建立微电网多目标经济函数。考虑储能系统在不同时间断面上的耦合性问题以及时移特性,结合分时电价、净负荷曲线进行预调度。考虑微电网实时调度的快速性要求,运用智能单粒子算法搜索调度变量的最优解,并与常规粒子群算法进行对比。算例分析了基于冬季典型日数据的微电网调度方案和各项经济指标,结果表明微电网调度模型、调度策略和优化算法合理有效。

基于智能单粒子的联合代数重建算法

提出一种基于智能单粒子(intelligent particle optimizer,IPO)的改进型联合代数重建算法(simultaneous algebraic reconstruction technique,SART).为提高重建图像质量,引入松弛矩阵概念,利用智能单粒子算法搜索每一像素特有的最优松弛因子,增强重建算法对图像局部特性的针对性.仿真结果表明,采用IPO-SART算法获得的重建图像质量较传统SART算法更佳.

基于智能单粒子算法的复杂边坡最危险滑动面搜索

如何确定复杂边坡的最小安全系数是边坡稳定性分析中的一个关键问题。文中采用一种新的启发式全局优化算法——智能单粒子算法(ISPO)来搜索复杂边坡的最危险滑动面。通过复杂边坡算例的计算,表明本文提出的优化算法具有计算精度高、稳定性好、收敛速度快的特点,具有较好的全局搜索能力。

基于智能单粒子算法与支持向量机的稳健优化设计

为了求解混合离散变量优化设计问题,通过引入粒子位置矢量的离散化处理方法,对智能单粒子优化算法(ISPO)进行改进,用MATLAB语言设计了求解混合离散变量优化设计问题的ISPO算法程序,结合支持向量回归机的应用,研究了平面尺寸链离散公差的模糊稳健优化设计问题,给出了稳健设计实例。设计实例表明了本文所提方法的有效性和实用性。

非线性下降因子智能单粒子算法

下降因子是基本智能单粒子算法中一个非常重要的参数,控制着算法由全局搜索转向局部搜索的速度,平衡算法的全局和局部搜索性能。基本的智能单粒子算法采用定值下降因子,不能随着计算的需要实时作出调整,对算法的性能造成了一定的不利影响。在基本的智能单粒子算法基础上,通过引入最大下降因子和控制因子这两个参数,提出一种基于非线性策略下降因子智能单粒子算法,成功地使得下降因子能够根据计算的需要而实时改变。函数测试和气动优化结果表明,改进算法能在相同的计算规模下获得比基本智能单粒子算法更好的解。

智能单粒子优化算法在聚类分析中的应用

针对K-均值聚类算法存在的缺陷,将改进的粒子群优化算法———智能单粒子优化算法(ISPO)应用到聚类分析当中来,提出一种混合聚类算法ISPO+K-means.该算法分为两个阶段:第一阶段利用ISPO算法较强的全局寻优能力形成初始聚类,第二阶段将初始聚类结果通过K-means算法形成最终聚类结果输出.与K-均值聚类算法和基于传统粒子群K-均值混合算法进行比较,在低维、高维和多样本高维三种特征数据集上实验,结果表明提出的算法能够有效克服其它算法易陷入局部最优的问题,并且验证了算法在对多样本高维数据集处理上具有较明显优势.

基于高斯变异的智能单粒子算法

针对智能单粒子优化算法(ISPO)容易出现算法早熟、收敛精度低的现象,提出一种基于高斯变异的智能单粒子算法(GISPO)。当粒子陷入局部最优值,每一维速度会降到一定的阈值,整个粒子进化处于缓慢阶段;此时给予搜索到的历史最优极值一个自适应的高斯变异扰动,会大大提高粒子的逃逸能力,帮助粒子快速地跳出局部极值点,不断地向全局最优解靠近。通过几个标准测试函数进行实验,结果表明该算法的收敛速度、搜索精度和稳定性均优于ISPO算法。

基于智能单粒子算法的楔体最危险滑动面搜索

在岩质挖方边坡稳定性分析中,由于实际的地质结构面产状通常具有离散性且分布范围不确定,导致楔体的确定存在偶然性。以往多通过寻找每组结构面的优势产状进行楔体滑动稳定分析,该方法不能全面考虑所有可能形成的随机楔体组合,当优势产状组合形成的楔体安全系数与最危险滑动面组合的楔体安全系数相差较大时,可能会使边坡设计方案偏于不安全。提出了一种新的楔体稳定性优化分析方法,该法采用智能单粒子算法(ISPO)来搜索具有最小安全系数的楔体及其滑动面组合。通过与其他方法的对比,说明提出的方法具有更好的稳定性和更快的收敛速度。

基于智能单粒子算法的分布式电源选址与定容

由于分布式电源的随机性和不确定性,大规模分布式电源入网对配网会带来诸多影响。针对分布式电源对配网的影响,提出了偏移功率的概念。在计及网损的分布式电源选址与定容的模型基础上,建立以降低网损和改善电压质量为目的的多目标优化模型。采用两步法求解模型,以电压稳定度指标确定选址,分别利用粒子群算法(PSO)、改进的粒子群算法(MPSO)和智能单粒子算法(ISPO)3种算法对分布式电源定容进行计算。基于33节点测试系统的计算结果表明,相比于PSO和MPSO算法,ISPO算法计算速度与收敛能力更优。

岩石单轴饱和抗压强度预测的PSO—GPR智能算法研究

采用粒子群优化算法代替传统共轭梯度法对高斯回归学习机进行最优超参数搜索,克服共轭梯度法在优化过程中对初值依赖性太强、迭代次数难以确定、易陷入局部最优的缺点,进而形成粒子群—高斯过程回归算法。基于该算法提出一种根据现场岩石回弹强度σH预测岩石单轴饱和抗压强度σC的新途径,并对绩黄高速佛岭隧道4个掌子面20组σH及σC数据进行学习预测以检验该算法性能。工程应用表明:与传统采用点荷载实验确定σC方法相比,该算法能够更快建立和反映二者之间的映射关系,预测精度较高,加速了施工现场围岩分级变更的信息反馈及σC指标提取,可以此取代传统的数值回归模型进而指导施工。

基于竞争ISPO双胞支持向量回归短期负荷预测

双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因子值难以确定的问题,在每次迭代中根据待优化参数的变化情况自动选择最佳的因子值,同时引入迭代竞争因子,避免算法前期陷入混乱,而后期又能更好地找到全局最优值。将基于CISPO优化的TSVR模型应用到电力系统短期负荷预测中,结果表明,该方法能有效提高负荷预测的速度和精度。

基于智能单粒子算法的地铁隧道工后长期沉降预测

由于影响因素复杂,隧道长期沉降预测模型研究偏少。针对非线性回归法求解邓英尔预测沉降模型参数的不足,在邓英尔模型基础上引入智能单粒子优化算法(ISPO),分别用于新加坡某隧道、上海延安东路隧道F19、上海地铁一号线N12的长期沉降预测。结果表明,ISPO预测值与非线性回归法预测值相比标准差减小了近1倍,既克服了数学模型参数的较难确定又克服了目标函数的较难确立,为模型预测在地铁隧道工后长期沉降中的应用提供了一种全新的思路。

热电联产与风电机组联合运行滚动优化调度模型

我国北方地区电力过剩、热力紧缺、电网弃风率高等问题凸显,为提高运行经济性,提出一种结合热电联产机组与风电机组联合运行滚动优化调度方法。针对风电等可再生能源出力存在较强波动性的现象,提出滚动修正的策略,并与单次预测结果进行了对比。同时,给出了优化调度的模型,利用智能单粒子算法将不同类型机组化作不同子矢量进行优化,较传统粒子群算法寻优能力更强。引入分布式电力驱动热泵用于改善热、电负荷布局,能够有效改善可再生能源弃电问题。所提出模型和策略在IEEE30节点系统算例中得到验证。

严重通信故障下主动配电系统分布式电源应急运行策略优化

高渗透率主动配电网对信息系统产生深度依赖,为降低通信故障下电网状态的状态波动,该文提出一种主动配电网分布式电源应急运行策略优化方法。首先,考虑通信故障对主动配电网运行状态影响的可能性和后果,提出基于结构修正的状态脆弱性的综合表征方法。以综合脆弱性最小为目标,建立通信故障下分布式电源与储能离线运行策略的优化模型,并基于自适应聚类算法典型场景集和改进智能单粒子算法进行模型求解。算例结果表明,通信故障下分布式能源采用离线上限受控下的注入策略,可以有效降低系统的运行脆弱性,为主动配电网的安全运行提供了新的思路。

基于储能调度模式的分布式光伏两阶段多目标就地消纳模型

随着分布式光伏接入配电网容量的提高,分布式光伏就地消纳模型成为日益重要的课题。提出了一种基于储能调度模式的分布式光伏两阶段多目标消纳模型。该模型以储能调度策略为主要控制变量并配合机组出力,以分布式光伏消纳率最大为优先目标,以系统运行成本最小为次要目标,计及储能运行约束等必要约束条件。针对建立的模型采用JAS算法配合分段线性化的混合整数规划,并结合智能单粒子算法构成的混合算法进行求解。通过一个算例验证了该模型能在不同渗透率情况下最大化光伏消纳率的同时最小化运行成本,使得模型更加符合实际和具有应用价值。

考虑运行策略及投资主体利益的主动配电系统储能优化配置

开放电力市场环境下,以配电网公司的净收益最大为目标,建立了考虑运行策略及投资主体利益的电池储能系统(battery energy storage system,BESS)优化配置模型。配电网公司的净收益由在大量用户自建分布式电源的主动配电网中投资建设BESS的经济效益以及计入考虑循环寿命的BESS全寿命周期成本决定。其中,经济收益分为正常状态下的收益和系统故障过程的收益。同时通过设定追踪价格的上下限和最小的电池荷电状态,提出一种新的确定BESS运行策略的方法。优选智能单粒子群算法对该模型进行求解。以改进IEEE-33节点配电系统为例进行仿真验证,结果表明与固定的BESS运行策略相比,采用所提策略可获得更优的经济性,DG的类型与渗透率的大小对BESS的最优配置结果及经济收益有较大影响。

汽车用钢铝异种材料的自冲铆接工艺智能优化

为了提高钢铝异种材料的铆接强度和平整度,提出了神经网络与启发式算法相结合的工艺优化方法。分析了自冲铆接工艺流程,确定了铆接接头质量参数和影响接头质量的工艺参数。设计了铆接实验,采用单隐藏层神经网络对质量参数与工艺参数间的非线性关系进行拟合。经过分析,拟合误差符合正态曲线分布,且误差均值接近于0,误差标准差极小,说明单隐藏层神经网络的拟合效果较好。以增大铆接接头内锁值和减小头部高度为目标,建立了参数的优化模型。分析了惯性权重对粒子群算法的影响,提出了多子群粒子群算法的模型求解方法。经实验验证,优化后铆接接头的内锁值均值提高了15.86%,头部高度均值减小了15.38%,说明经过工艺优化可以有效地提高铆接接头的质量。