基于自适应人工鱼群算法的微电网优化运行

针对含风、光、储、微型燃气轮机和燃料电池的并网和离网型微电网,综合考虑燃料、电能交互、投资折旧、维护及环境成本等变动成本,使系统在一个调度周期内的总运行成本最低,建立了微电网多目标经济优化模型。采用约束优化自适应人工鱼群算法(AFSA),求得一个调度周期内各分布式电源的最佳出力及运行总成本,并与基本人工鱼群算法求得的结果作对比。仿真结果表明:改进的算法具有收敛速度快和精度高的特点。

自适应人工鱼群算法在清罐移动机器人路径规划中的应用

为了解决移动机器人路径规划智能方法易陷入局部最优问题,提出一种自适应变步长、变拥挤度因子和变视野域的自适应人工鱼群算法,并将该算法引入清罐移动机器人全局路径规划问题之中。针对人工鱼群算法的不足,通过自适应调整因子调整人工鱼的可视域、移动步长和拥挤度因子,使算法在清罐移动机器人路径规划中的遍历性得到改善,既可获得全局最优路径,又可以实现局部搜索,避免了传统人工鱼群算法局部寻优能力弱的缺点。仿真结果表明:基于自适应人工鱼群算法的清罐移动机器路径规划方法,能快速获得全局最优路径、提高算法的收敛速度和精度,与人工鱼群算法相比,具有收敛速度快,计算效率高的优点。

基于自适应人工鱼群算法的大型光伏电站燃气轮机组的优化配置

采用改进人工鱼群算法求解大型光伏电站中燃气轮机组的优化配置问题,通过建立光/燃互补发电系统优化配置模型,解决了光伏发电随机性、间歇性导致的难以控制、难以调度的问题,以光燃互补发电系统的售电收益和燃气轮机组的投资成本、运行和维护成本、环境成本、燃料成本为基础的目标函数,在充分考虑多种约束的条件下实现了燃气轮机组的容量优化配置,有效平抑了光伏发电功率的波动。并针对美国某100 MW光伏电站进行仿真验证,验证了该方法的正确性和有效性。

基于自适应人工鱼群算法的输电网网架规划

本文针对输电网网架规划问题采用了自适应人工鱼群算法。自适应人工鱼群算法采用反馈调节觅食视野策略,有效兼顾了全局搜索能力和局部搜索能力,增强了算法的收敛效率,同时有效避免了人工鱼在局部极值点大量聚集的缺点。最后,通过Matlab的仿真,验证了该算法的可行性,表明该算法用于电力系统输电网网架规划是有效的,具有良好的计算效率和全局收敛能力。

基于二维Renyi熵与自适应人工鱼群算法的红外图像分割

针对基于分解的二维renyi熵阈值分割算法中参数α的取值问题,根据均匀性测度评价指标,利用自适应人工鱼群搜索方法,提出一种α参数自适应选取方法。实验结果表明,本文所提出算法,针对不同红外图像均可以获得理想的图像分割效果,具有良好的通用性。同时还可以将算法计算复杂度由O(L6)降为O(L2)。

求解全局优化问题的混合人工鱼群算法

把Powell算法作为人工鱼群算法的一个局部搜索算子,嵌入到自适应人工鱼群算法中,构成一种基于Powell算法和自适应人工鱼群的混合算法。该算法充分利用了自适应人工鱼群算法的全局收敛性和Powell算法的强局部搜索能力,使得混合算法的全局收敛性能得到了改善,并且减少了计算量。计算机仿真结果表明,自适应混合人工鱼群算法能够在保持较高精度的前提下快速收敛。

人工鱼群与遗传混合算法在无人艇路径规划中的应用

为了使水环境监测无人艇在监测和采集水样时能有效躲避静态障碍物,且以最优或接近最优的路径行进,提出了一种变步长和变视野的自适应人工鱼群算法与改进遗传算法混合的策略,在人工鱼完成觅食、追尾、聚群等行为后,进行遗传算法的操作。通过指数函数型衰减函数使算法前期视野和步长很大,后期视野和步长很小,提高算法的运行效率和精确性;在基本遗传算法中加入精英选择策略和保护、淘汰算子,得到全局最优解。仿真结果表明,混合算法有效克服了单一算法容易局部收敛的缺点,收敛速度快,能有效得到最优路径,计算精度高。

基于改进鱼群算法的双向式立体库货位优化研究

针对现代数字化大型工业立体仓库单一仓位货物数量不定、出入库次数频繁等特点,且多条较长巷道导致的存储效率较低等问题,提出了基于多巷道双向式货物出入库策略,开展货位优化工作。以提高出入库效率、平衡各巷道工作量为目标建立系统货位优化模型,提出了基于平均距离视野的自适应改进人工鱼群算法对该系统进行优化,通过引入视步系数,减少传统鱼群算法对初始参数值的依赖,提高了收敛速度以及收敛值精度。实验结果表明优化效果显著,为现代企业打造基于数字化平台的大型立体库提供了思路,具有重大的研究和实践意义。

采用复合自适应全局人工鱼群的微网并网优化运行研究

微网是我国智能电网发展的关键技术之一,而微网的并网优化运行已成为当前国内外的研究热点。充分考虑微网中分布式电源的发电功率特性以及运行成本、燃料成本、环境成本、折旧成本、售电收入、购电费雨和启停成本,在计及功率平衡约束、交互功率约束、爬坡约束的条件下,以微网运行总运行成本最小为目标,构建了微网优化运行经济模型,并采用复合自适应全局人工鱼群算法求解。通过典型微网系统进行了实例仿真分析,证明该算法的有效性和正确性。

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。

弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用

为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测。仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh。该混合算法可有效用于电力市场短期电价预测。

概率积分法参数反演的SAAFC模型

针对传统算法在概率积分法参数反演时无法获取全局最优解或收敛速率慢,以及基于生物遗传进化的智能寻优算法反演参数存在最优解非唯一的情况,为了更有效地进行概率积分法参数反演,引入新型群智能寻优方法,采用一种动态改变步长和视野的SAAFC算法预计概率积分法参数并与实际下沉值和水平移动值组合成目标函数,从而使参数反演问题转化为目标优化问题,建立了概率积分法参数反演的SAAFC模型。以朱集东矿1242(1)工作面为工程实例,根据该矿其它工作面岩移观测站实测数据解算的预计参数值给定反演参数初值范围,生成初始鱼群并模拟人工鱼的觅食、聚群、追尾和随机4种行为,设定试探次数上限并不断选择适应度最优的行为执行,直到获得全局最优参数或者达到迭代次数上限终止并输出参数值。利用模型反演所得参数预计地表下沉、水平移动、倾斜变形、曲率变形及水平变形,与5种实测变形拟合曲线进行对比,并计算预计下沉值的决定系数和泛化性能指标,综合评定模型的参数反演性能。比较预计下沉曲面与实测空间下沉曲线构建的实际下沉曲面轮廓,检验反演所得参数用于下沉预计的可行性。在地质采矿条件和解空间相同的条件下,利用AFC算法和LSM算法对该工作面的概率积分法参数进行反演,与所建模型进行对比,进一步验证模型的参数反演精度和收敛速率。结果表明:(1)模型反演参数预计地表下沉的决定系数为0.930 0,泛化性能指数为0.971 7,说明模型的参数反演可靠性较高;(2)模型反演所得概率积分法参数预计的下沉曲面较贴近实测空间下沉曲线,拟合效果较好;(3)3种模型反演参数预计的下沉和水平移动空间拟合曲线中,SAAFC算法更加贴近实测曲线,AFC算法较LSM算法更加贴近实测曲线。SAAFC、AFC、LSM算法反演参数下沉预计中误差分别为32.958、67.857、74.288 mm,走向水平移动预计中误差分别为42.818、52.144、57.512 mm,倾向水平移动预计中误差分别为79.391、86.671、92.739 mm。总体上,SAAFC算法反演8个概率积分法参数的收敛速率较AFC算法和LSM算法更快,AFC算法相比LSM算法收敛速率略快些。

新能源配电网多类型有功无功电源容量协同优化

间歇性分布式电源(distributed generation,DG)接入电网后对线路潮流、节点电压等的影响与其接入位置和容量密切相关。考虑间歇性分布式电源出力的随机性和间歇性,同一配电区域光照、风速和负荷变化具有一定的相关性及受季节变化的影响,为此,采用可处理输入随机变量相关性的基于拉丁超立方抽样的蒙特卡洛概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)计算含间歇性分布式电源的配电网潮流,以分布式电源和无功补偿装置的年运行收益为上层规划目标函数,以电压改善年收益和降损年收益为下层规划目标函数,建立嵌入机会约束规划的二层规划分布式电源和无功补偿装置容量协同优化配置模型。采用两层嵌套的自适应人工鱼群算法对本文协同优化配置问题进行求解。最后通过IEEE33节点配电系统算例分析,验证了本文模型和算法的有效性。

基于改进WNN的短时交通流量预测的研究

论文提出了一种结合自适应人工鱼群算法及粒子群优化算法的混合寻优算法,替换了小波神经网络在求解最优参数时所使用的梯度下降法,从而可在一定程度上优化小波神经网络。在此基础上,采用改进的小波神经网络对短时交通流量数据进行建模与预测。仿真实验结果表明,在进行短时交通流量预测时,改进后的小波神经网络模型相比其他一些主流的优化预测模型,无论在收敛速度、稳定性还是在预测精度方面均有一定的提高。

高低频噪声区分滤除的车辆载重动态测量方法

在车辆行驶过程中,为了精确测量车辆载重,提出了高低频噪声区分滤除的车辆载重动态测量方法。确定了车辆载重测量方案,分析了信号误差来源。对于发动机转动、环境温度变化引起的高频噪声,提出了具有可调节参数的改进阈值小波滤波,有效减弱了信号中的高频噪声;对于速度、加速度引起的低频噪声,提出使用BP神经网络拟合载重量与速度、加速度函数关系,以消除加速度、速度对载重测量的影响;为了解决BP算法易陷入局部极值问题,提出自适应鱼群算法搜索神经网络最优参数。经实验验证,改进阈值小波滤波可以有效去除高频噪声,提高了信号信噪比;提出的车辆载重测量平均误差为0.85%,最大误差为1.45%,平均误差比原始数据平均误差降低了约6倍。