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。

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。

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。

基于子空间细菌群体趋药性算法的含分布式电源的配电网无功优化

研究了含分布式发电的配电网无功优化问题。结合传统的电容器无功补偿方法,将分布式电源作为连续可调无功源参与到配电网无功优化。针对智能算法容易陷入局部最优解的问题,引入子空间的概念,提出一种基于子空间细菌群体趋药性算法,增强了算法的全局寻优能力。利用IEEE33节点系统计算表明,分布式电源参与配电网无功优化可有效降低系统的网损,提高各节点电压,改善分布式电源并网点电压稳定性,同时验证了改进算法的有效性和可行性。

改进的菌群趋药性算法优化PID控制参数

提出改进的细菌群体趋药性算法(BCC)来优化PID参数.针对BCC算法在多维变量搜索时,耗时且难于收敛到最优值,提出2种改变,一为变步长搜索,二为每一个细菌变量设定活动区域,移动后如超出设定区域,将采用区域内的固定值取代或精英取代两种方式优化,通过PID控制参数进行仿真实验,表明改进后的算法在参数的精度、稳定性和优化时间上都有很好的表现.

细菌趋药性算法在说话人识别中的应用

针对自动识别大规模、时序性样本说话人身份的模式识别问题,提出了基于细菌群体趋药性算法(Bacterial Colony Chemotaxis,BCC)的说话人识别系统。采用最小二乘支持向量机(LS_SVM)作为模式识别的模型,利用BCC对最小二乘支持向量机的正则化参数γ和核宽度参数σ进行优化。实验结果表明,经过参数寻优之后的LS_SVM分类器能很好地避免人为选择参数的不足,极大地提高了说话人识别系统的性能。

基于遗传菌群趋药性算法的灰度图像增强

将灰度图像增强问题作为一个优化问题,通过充分分析遗传算法和细菌群体趋药性算法的各自优点后,将两算法相结合,提出遗传菌群趋药性算法用于优化图像的归一化不完全Beta函数,对其进行求解,用于灰度图像增强。实验结果表明,提出的新算法能有效地提高图像的对比度,突出图像特征,提升图像的视觉效果,保证图像的最佳质量。与直方图均衡化图像增强、遗传算法图像增强相比,该方法具有更好的增强效果。

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略。在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机制加快算法收敛,通过网络拓扑搜索判断负荷节点信息并计算适应值。算例分析表明,所述方法可以显著提高算法性能,快速有效地得到抢修和恢复策略解集。

RBF神经网络的混合结构优化算法

本文改进了递归正交最小二乘(ROLS)算法的停止条件,并用改进的ROLS算法优选RBF神经网络中隐单元的个数;借用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法的思想来确定RBF神经网络隐层神经元的控制参数;把改进的ROLS算法和BCC算法相结合(ROLS-BCC算法),来全结构优化RBF神经网络,使RBF网络不但可以得到合适的结构,同时也可以得到合适的控制参数。实验结果表明,本文算法的优化效率高,优化后RBFNN的结构小,并且提高了RBFNN的泛化能力。