多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。

基于三群协同粒子群优化算法的区域交通控制

根据我国城市交通的特点,提出一种基于三群协同粒子群优化算法的城市区域交通自适应协调控制方法。采用两层递阶分布式结构,分阶段优化控制参数(周期、相位差和绿信比),每个阶段长10-3O分钟,周期、相位差由区域控制级每阶段优化一次,绿信比由交叉口控制级每周期优化一次。采用车辆延误为性能指标,周期、相位差和绿信比均采用三群协同粒子群算法进行优化。仿真结果表明该方法是可行而有效的。

基于协同粒子群优化算法的电力系统无功优化

为了解决粒子算法应用在电力系统无功优化中存在的问题,提出了一种改进的协同粒子优化算法。笔者根据电力系统无功优化问题非线性、不连续、大范围以及电压等级增多、无功优化控制变量较多的特点,建立了改进的协同粒子优化算法无功优化的数学模型,并将协同粒子群算法在无功优化中进行了应用。算例结果表明,该算法有效地改善了粒子群算法的局部收敛问题,缩短了搜索时间,提高了准确性。

基于改进粒子群算法的初始排污权分配

实施排污权交易制度,在理论和实践中首先要解决的一个关键问题是初始排污权的分配,而在实践中以初始排污权的免费分配更具有操作性。针对电力行业火电机组的特点,从节能环保的角度出发进行初始排污权的分配,构建了基于节能环保的初始排污权的免费分配模型,并采用改进的粒子群算法——粒子群协同优化算法对该模型进行优化计算。算例表明该分配模型有利于燃煤总量最小化,且能够发挥排污权交易市场的作用,达到控制区域排污总量的目的;同时粒子群协同算法比普通的粒子群算法具有更好的收敛结果。

基于QPSCO算法的传感器优化配置

针对以曲线拟合为目标的传感器配置问题,提出了一种基于量子粒子群协同优化(Quantum-behaved particle swarms cooperative optimization,简称QPSCO)算法的传感器优化配置方法。在QPSCO算法中,采用双层的多粒子群协同优化结构,同时引入参数变异策略,在扩大搜索范围的同时加快该算法收敛;将加权最小二乘法的误差平方和引入适应度函数中,以提高传感器位置曲线的拟合精度,从而实现传感器的优化配置。实验结果表明,该方案应用于土壤信息采集系统,不仅可以达到比粒子群优化(Particle swarm optimization,简称PSO)算法和量子粒子群优化(Quantum-behaved particle swarm optimization,简称QPSO)算法更好的寻优结果,而且具有比遗传算法更理想的位置拟合精度,是一种有效可行的传感器配置方法。

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略:第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。

协同进化PSO算法在瓦斯含量预测中的应用研究

针对影响瓦斯含量的各种因素之间的复杂非线性关系,提出了利用协同进化粒子群优化(HCPSO)算法优化带开关权值的神经网络,来实现煤层瓦斯含量预测。通过使用二进制值0和1来表示神经网络的节点间有无连接,并用二进制编码来调节神经网络的结构;同时使用协同进化粒子群优化(PSO)算法优化神经网络权值,来获得精度较高、结构精简的神经网络模型。实验结果表明,该方法有效提高了瓦斯含量预测的精度,为煤矿瓦斯预测提供了一种新方法。

基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型

为了充分利用电动汽车(electric vehicle,EV)大规模的储能优势与代理聚合商在电力市场灵活购售电优势,以此弥补虚拟电厂(virtual power plant,VPP)内部供需不平衡情况,构建电动汽车参与的虚拟电厂双层博弈模型,对虚拟电厂同时进行内外部优化。首先,构建上层代理聚合商-虚拟电厂完全信息动态博弈模型进行虚拟电厂外部优化;其次,构建虚拟电厂-电动汽车聚合商合作博弈模型进行虚拟电厂内部优化,并利用改进的Shapley值分配虚拟电厂与电动汽车聚合商的合作收益;最后,以集成风电机组、可控负荷、储能电池、用户、电动汽车的虚拟电厂进行算例分析,采取协同免疫量子粒子群优化(coevolutionary immune quantum partical swarm optimization,CIQPSO)算法搜寻最优解。算例结果表明,电动汽车参与虚拟电厂能够同时提高两者的经济效益,提高虚拟电厂内部供需平衡能力。

近距空中支援中无人机目标分配问题研究

利用无人机实施近距空中支援作战是当前研究的重点,需针对复杂战场环境对实行多目标火力打击的无人机进行路径优化与目标分配。综合考虑无人机飞行高度、不同武器挂载、目标类型及各项指标、威胁区威胁代价、作战时间代价等因素,构建目标毁伤综合指标提高非对称打击效能,设置威胁区安全阈值提高路径有效性分析,采取自适应权重粒子群协同优化算法求解单无人机单目标航迹总代价,采取0-1规划法求解多无人机对多目标的不平衡任务分配方案,为近距空中支援任务中多无人机对多目标的分配提供决策支撑。

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle,MAV/UAV)编队队形集结控制问题,设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先,考虑编队队形集结边界约束与防碰撞约束条件,设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后,以规划得到的集结航迹作为期望航迹,设计了一种双回路结构的非线性路径跟踪控制方法。最后,利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验,仿真结果验证了方法的有效性和优越性。

考虑故障条件下电压稳定约束的最优潮流

为提高电力系统电能质量和电压质量、降低网损、保证电力系统安全经济运行,将潮流雅克比矩阵最小模特征值作为电压稳定性的指标,研究考虑故障条件下电压稳定约束的多目标最优潮流问题。用权重组合的方式将多目标转化为单一目标,权重的选取采用层次分析法。最优潮流的求解采用改进的多种群协同粒子群优化算法。该算法保留了原多种群协同粒子群优化算法的master-slave种群结构,在此基础上增强两种种群的协同作用。根据slave粒子群的特点,在每次迭代中引入更多的有效信息加以分享,有助于扩大粒子的搜索空间,提高跳出局部极小的可能性。此外,在master种群中使用了选择机制,提高向较好解空间搜索的速度,加快收敛。仿真算例取得良好的优化结果,说明了所提方法的有效性。

MCPSO与RBFNN在滚动轴承故障诊断中的应用

将多群体协同粒子群优化算法应用于RBF神经网络优化设计,不仅拓宽了算法本身的应用范围,而且在一定程度上提高了神经网络的泛化能力,为进一步利用神经网络解决实际工程问题提供了便利。利用优化后的RBF神经网络建立从滚动轴承故障特征向量到故障模式之间的映射,达到了滚动轴承故障模式识别的目的,具有重要的理论和实际意义。

基于有督导机器学习的网络流量识别系统

针对真实网络环境中存在大量干扰噪声和野值样本等严重影响最小二乘支持向量机算法的性能等问题,提出一种结合协同量子粒子群优化算法和最小二乘支持向量机的网络流量识别系统。将网络流量分为12个类型,并进行数据采集。使用采集的数据对网络流量识别系统进行训练和性能测试。为研究提出的基于CQPSO-LSSVM算法的性能,将其与基于CQPSO-LSSVM算法和基于PSO-LSSVM算法进行对比,结果表明基于CQPSO-LSSVM算法具有更快的识别速度以及更好的识别准确率,避免了出现陷入局部最优解的情况发生。

丙烯精馏塔关键组分软测量研究

丙烯精馏塔关键组分塔顶的丙烷浓度和塔釜的丙烯浓度的准确测量是乙烯生产企业提高丙烯收率的关键。鉴于丙烷浓度和丙烯浓度分析仪经常出现故障,提出以RBF神经网络加协同随机粒子群优化(PSO)算法的软测量建模法,即利用RBF神经网络的局部逼近能力来获得模型的结构,利用协同随机PSO算法的全局搜索能力来优化模型的参数,提高模型的逼近能力和泛化能力。该方法克服了BP网络对初始值和网络结构敏感,容易陷入局部最优的缺陷,以及RBF网络全局逼近能力差的缺点。仿真结果表明,此方法所得软测量模型精度高,泛化能力强。

输电线路的雷电过电压的识别方法

雷电是一种落雷时间、地点、能量均无法预测的随机产生的自然现象,这对雷电过电压识别带来了难度,针对传统识别方法使用单一特征信息作为判断依据导致的识别率低等问题,本文针对时域波形、雷击波头特征以及HHT时频谱这三个方面进行特征提取,建立的了普通短路过电压、感应雷击过电压、直击雷过电压、反击雷过电压以及绕击过电压这5种过电压类型与与特征对应关系,并提出一种结合协同量子粒子群优化算法和最小二乘支持向量机的雷击过电压识别模型,通过仿真研究,与基于QPSO-LSSVM算法进行对比,本文研究的识别模型的准确率提高了6.46%。