基于改进自私羊群算法的光伏红外热图像热斑识别方法

针对光伏发电中红外热图像识别准确率低,泛化能力差的问题,提出一种基于红外热图像与改进自私羊群算法的热斑识别方法。首先模仿深度学习分类训练的过程制作数据集,然后基于高斯分布提出一种热斑识别函数,接着将改进生存价值和训练过程后的自私羊群算法使用数据集对热斑识别函数中的位置参数进行寻优,随后导入各类测试图片,在经过双边滤波后使用热斑识别函数进行逐点计算,最后将计算的结果进行阈值分割,得到热斑检测结果图。实验结果表明,该模型训练得到的热斑识别函数由于高斯分布的集中性可以有效地对热斑进行诊断,同时抑制边缘干扰和突出细节特征。由于改进自私羊群算法优异的寻优能力,可以极大地提高模型的寻优效率,为基于红外热图像的光伏热斑识别提供了一种新的思路和方法。

一种基于改进羊群算法的光伏系统最大功率跟踪策略

针对传统控制算法在局部遮蔽条件下无法持续准确地跟踪最大输出功率点,提出一种基于改进羊群算法的光伏系统最大功率跟踪策略.在羊群算法中引入扰动算子、反向种群和自适应放牧概率,以增强算法的局部开发能力,提高算法的寻优精度.均匀光照、局部遮蔽和变照度3种条件下的实验结果表明,改进羊群算法在不同环境条件下均能持续稳定地跟踪最大功率点,在收敛时间和收敛精度上均有较大优势,验证了该算法在最大功率点跟踪控制中的可行性.

基于羊群算法的多机协同航路规划

针对传统群智能算法解决多机协同航路规划问题易陷入局部最优和收敛速度慢的问题,提出了一种基于羊群算法的多机航路规划方法。首先在三维规划空间基础上,根据航路规划要求建立多机协同代价函数模型,并结合多种群思想构造初始航迹集合。然后利用羊群算法对航路规划问题进行求解得到多条协同航路。仿真结果表明,该算法能够满足航路规划相关约束,实现多无人机协同航路规划,相比较灰狼算法(Gray wolf optimizer,GWO)、差分进化算法(Differential evolution algorithm,DE)、粒子群算法(Particle swam optimization,PSO)、混沌灰狼算法(Chaotic gray wolf optimizer,CGWO)和改进灰狼算法(Improved gray wolf optimizer,IGWO),改进羊群算法收敛速度和搜索精度均有明显提高。

基于改进狮群优化的三维DV-Hop定位算法

针对三维DV-Hop(distance vector-hop)定位算法存在的定位误差较大精度不高的问题,提出一种基于改进狮群优化的三维DV-Hop定位算法。先使用狼群算法中的狼群捕食游猎行为以及羊群算法中的羊群受到攻击时的聚集互动行为对狮群算法进行改进,再把改进后的狮群算法用于优化三维DV-Hop定位算法中未知节点坐标的计算。实验结果表明,所提算法从三个方面与不同算法进行比较都具有最佳定位性能,有效减小定位误差、提高定位精度。

水轮发电机组甩负荷工况多目标优化研究

为解决具有水力干扰的大流量、中水头传统水电站在双机甩负荷工况下对于导叶关闭规律的多样性研究不足的问题,以某双机共尾水调压井巨型水电站为例,构建水电站精细化模型,提出了多目标人工羊群算法(MOASA)优化双机同时甩负荷工况下两段式、三段式导叶关闭规律。为避免极值弱化,考虑了两个水力系统的非对称性,选择两台机组中蜗壳末端压力最大值和转速上升最大值为两个极值优化目标,再从两种控制策略的优化前沿上、中、下区域中选取6种控制规律,并分成3组对比两段式、三段式导叶关闭规律控制效果。结果表明,水电站双机同时甩负荷时,采用三段式关闭规律优于两段式关闭规律。同时采用MOASA优化的两段式、三段式导叶关闭规律的控制效果对比调保要求均留有较大的裕度,可见提出的MOASA可有效指导水电站甩负荷导叶关闭规律设计。

抽水蓄能机组复杂空载工况增益自适应PID控制

针对抽水蓄能机组低水头空载工况频率易波动、常规PID控制对不同水头空载工况适应性不强及现有用于控制参数优化的抽水蓄能调节系统模型过于简化的问题,提出了非线性抽水蓄能机组精细化模型的增益自适应PID控制方法(Heuristic gain—scheduling nonlinear PID,HGS-NPID),建立了基于特征线法和改进Suter变换的抽水蓄能调节系统精细化模型,利用人工羊群算法(artificial sheep algorithm,ASA)优化该模型的控制参数,讨论了HGS-NPID控制在不同水头空载开机和空载频率扰动时的应用;仿真结果表明:“抽水蓄能机组精细化模型的HGS-NPID控制”既能充分适应调节系统水击、水泵水轮机强非线性以及各模块间耦合特性,又能改善常规PID及分数阶PID(FOPID)在不同水头尤其是低水头条件下空载工况的动态品质。

考虑RE和PHES的网络约束机组组合优化调度

随着新能源(RE)逐渐并网。网络约束混合能源机组的优化调度研究面临巨大挑战。基于RE并网和抽.水蓄能系统(PHES)耦合作用,研究了网络约束下机组组合(UC)优化调度问题。在网络约束的UC模型中,考虑交流网络约束、环境约束、PHES约束及传统的火电机组约束.利用二进制人工羊群算法解决模型求解问题。将网络约束下UC模型分解成1个主问题和1个子问题,主问题决定机组的开关机状态和负荷分配,子问题检查交流电传输的网络约束。以1个包含风电和光伏机组的IEEE-30节点系统来验证RE和PHES的共同影响,结果表明RE影响了系统的运行成本和电力系统的安全性,PHES对抑制RE的消极影响具有重要作用,能够调节RE的不确定性带来的误差。