基于萤火虫-粒子群混合算法的配棉优化研究

针对配棉问题,建立由原棉成本和质量控制成本组成的配棉目标函数,同时探讨了配棉约束条件,最终确立配棉数学模型。然后采用一种萤火虫-粒子群混合算法对配棉问题进行求解,仿真结果表明,该算法能高效解决自动配棉问题,并且优化效果较好。

电力系统故障诊断的萤火虫和粒子群混合算法研究

电力系统故障诊断主要就是根据保护和断路器的动作信息来判别故障区域,而找出故障元件又是其难点和主要工作,以目标函数描述其模型,则故障诊断问题转化为0-1整数规划问题;适合于智能算法求解;用粒子群算法解决该问题时收敛速快,但容易陷入局部最优值;用萤火虫算法时能够找到全局最优值,但其后期收敛速度较慢;论文融合这两种算法并用之求解故障诊断的目标函数,仿真结果表明:融合后的算法兼备两种算法的优点,能够以较快速度收敛,并找到全局最优解,且收敛精度高,稳定性好。

萤火虫-粒子群优化神经网络的异步电机转子断条故障诊断

针对目前异步电机转子断条故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电机转子断条故障特征向量的基础上,提出一种基于萤火虫-粒子群神经网络的故障诊断方法,构建电机转子断条的神经网络故障诊断模型,采用萤火虫-粒子群算法优化神经网络的结构参数。试验分析表明,该方法用于电机转子断条故障诊断,诊断速度快、准确性高、可靠性好。

基于萤火虫-粒子群混合算法的接地网分区域故障诊断方法

为提高接地网故障诊断的准确性和效率,在总结现有故障诊断方法基础上,提出基于萤火虫-粒子群混合算法(GPSO)的分区域诊断方法。该方法通过优化接地网故障诊断方程组模型,使之转化为等价的优化问题;根据接地网的可及节点分布情况对接地网分区,应用分层约简理论将接地网分解得到本征接地网络;对本征接地网建立优化模型,采用萤火虫-粒子群混合算法对优化问题进行求解;根据本征支路电阻的前后变化以及每条支路对应的接地网区域,分析判断接地网各个区域内的故障情况。该方法综合利用萤火虫算法的寻优能力和粒子群算法的收敛速度,有效避免诊断方程组时的欠定问题,对于指导变电站现场维护更加有效和具有工程实际意义。实例应用结果验证了所提方法的正确性和实用性。

基于混合算法的点云配准方法研究

为解决ICP(Iterative Closest Point)算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法(AAGPSO:Adaptive Artificial Glowworm-Particle Swarm Optimization),以使算法的收敛速度变快,解的精度得到提高;其次优化迭代最近点算法(ICP),将已改进的AAGPSO算法引入ICP配准算法中进行点云配准,解决ICP算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO算法在传统ICP算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。

一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价方法研究

为了充分考虑需求响应对发电机组竞价策略的影响,提出了一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价模型,考虑了自身成本、对方的报价行为、需求侧用户的报价行为及电网运行等限制约束。上层模型描述了在发电商非合作信息完全博弈环境下的收益,下层模型描述了不计入网损安全约束经济调度出清。并同时提出了一种基于混合混沌萤火虫-粒子群算法的博弈理论方法求解该双层模型,用于提高算法的收敛性能及更好地反映发电商的报价行为。最后,采用标准IEEE30节点系统验证了所提算法在求解计及需求侧竞价的发电侧策略双层模型时的优越性,为计及需求侧竞价的发电机组竞价方法提供验证。