基于改进蝙蝠算法的多目标移动储能调度

在大规模电动汽车的随机充电等因素的影响下,电网峰谷差等问题突出。首先,计算所需多类型移动储能(电动汽车、移动储能车、氢燃料发电车)调度功率,考虑交通能耗,建立各类移动储能模型。其中,针对电动汽车交通能耗,根据电价对用户参与意愿的影响,建立相应的补贴体系。其余类型则只计及交通能耗成本。然后,建立以的配电网负荷峰谷差、新能源利用率、配电网运行成本为目标,利用超平面的概念自适应地确定不同目标函数的权重,将多目标归一化,建立三类移动储能协调调度模型。而后,使用改进蝙蝠算法求解,得到多类型移动储能协同调度的方案。其中,基本蝙蝠算法引入柯西变异逆累积分布函数等改进,得到改进蝙蝠算法,该算法有效提升优化速度、全局搜索能力。最后,在IEEE33节点系统中,进行仿真验证,结果证明了该调度方案的有效性。

基于改进蝙蝠算法的无线传感器网络动态任务调度

无线传感器网络是一种处理感知信息的无线网络,在处理过程中因节点分配不均,导致网络资源利用率较低、任务调度中节点能量消耗较高。为此,提出了基于改进蝙蝠算法的无线传感器网络动态任务调度方法。通过增加权值系数改进蝙蝠算法,降低无线传感器网络节点密度,定义二进制变量,确定任务分配节点。采用可分负载理论,计算两种分群结构网络环境下任务运行时间与传输时间,得到群内和群间阶段无线传感器网络节点动态任务调度方案。仿真结果表明:所提算法在迭代次数为200次时即可获取目标函数值,当虚拟机数量为1200时,所需无线传感器网络节点数量为38个,网络资源利用率始终高于68%,说明所提方法能够有效降低调度过程中节点的能量消耗,提高网络资源利用率。

基于改进蝙蝠算法的混合储能系统容量优化配置

针对光伏发电在微网中不稳定、功率波动较大的问题,利用超级电容和蓄电池的混合储能系统对微电网中功率波动部分进行平抑。根据光伏功率波动率和储能响应特性,提出基于低通滤波器分解的功率分配方法,采用改进的蝙蝠算法对混合储能进行容量优化配置,以混合储能装置全生命周期费用最小为目标,以系统的功率平衡、储能的荷电状态以及负荷缺电率等指标为约束条件,建立一种混合储能系统容量优化配置模型,实现混合储能系统经济最优。算例仿真结果表明,改进的蝙蝠算法不仅优化了蓄电池的工作状态,降低了储能系统的全生命周期费用,而且加快了收敛速度。

基于改进蝙蝠算法的微网群能量优化方法

针对微网群如何稳定运行以及最大程度减少网群运行成本等问题,进行了基于改进蝙蝠算法的微网群能量优化研究。系统以离网运行的两个交流微电网和一个直流微电网构成的微网群作为研究对象,构建包含集中储能系统的微网群架构,利用运行成本和环境影响成本为多目标函数建立优化调度模型,通过二元对比权定法将多目标函数转化为单目标函数,采用基于Tent映射与柯西变异的改进蝙蝠算法进行能量优化。结果表明,对比传统的微网群优化方法,该系统能量优化方法具有较好的系统运行稳定性,有效提高了系统经济效益,使得日运行综合成本降低了14.63%。

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题,提出一种改进蝙蝠算法(IBA-FCS),通过设计脉冲变频策略、自适应局部搜索策略和变异机制,有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明,与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比,IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题,结合山地果园飞行环境的三维地形数据,构建了农业无人机安全航迹规划模型,设计了多因素约束的飞行成本函数;同时,将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系,进一步提升IBA-FCS算法的寻优效率,从而获取更好的航迹规划方案。仿真实验结果表明,在具有不同数量障碍物的多个飞行任务中,IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.335 5%,并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.612 7%。实地场景实验结果表明,基于IBA-FCS算法的规划方案能够收敛于最优航迹,进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。

基于改进蝙蝠算法的PMU优化配置研究

传统单一的能源系统正过渡为多能流耦合综合能源系统,综合能源系统正面临量测误差问题。受投资约束,同步相量测量装置(phasor measurement unit,PMU)无法大面积配置,而系统内节点数多,供需不平衡,影响系统平稳运行。为此,提出一种适用于综合能源系统内PMU优化布点的方法,监测系统运行状况。首先,考虑热电气之间的耦合特性建立综合能源系统状态估计模型;然后,限制系统内PMU配置个数,以提高状态估计精度为目标,利用改进的蝙蝠算法(improved bat algorithm,IBA)对PMU进行优化选址;最后,通过IEEE 30节点系统算例,将所提算法与遗传算法和模拟退火算法对比,算例结果表明该算法具有更高的可行性和优越性。

基于改进蝙蝠算法的含分布式电源配电网无功优化

针对分布式电源接入传统配电网后,导致传统配电网的网络损耗增加和节点电压偏差增大等问题,提出一种计及分布式电源并网逆变器无功输出的优化策略。首先建立含分布式电源的配电网无功优化模型;然后基于前代回推算法计算配电网的潮流分布;进而利用改进蝙蝠优化算法对模型进行求解,有效地避免了求解陷入局部最优解,获得了分布式电源并网逆变器最优的无功输出;最后通过Matlab搭建IEEE-33节点含分布式电源的配电网模型进行仿真实验,仿真结果证明了所设计的无功优化策略的有效性和可行性。

用于特征选择的改进二进制蝙蝠算法

二进制蝙蝠算法(BBA)是模仿蝙蝠狩猎行为的一种启发式特征选择算法,具有收敛快、模型简单、鲁棒性好的特点。但算法容易出现停滞问题,易陷入局部最优。为此,文中提出了改进的二进制蝙蝠算法(ABBA)。利用种群熵进行传递函数的改进,使得传递函数在适应算法收敛过程的同时赋予算法跳出停滞的能力。其次,加入辅助改进,用于保持算法的收敛性,加速收敛。最后,采用K近邻分类器在22个UCI数据集上进行了与6个较新特征选择算法的对比实验,各项实验结果表明,ABBA的分类准确率和可靠性相比,BA算法均有明显提高,并且在大部分数据集上优于6个其他特征选择算法。ABBA是一种有竞争力的特征选择算法,可以作为机器学习、数据挖掘等领域的有效数据预处理手段。

物流云服务下基于改进蝙蝠算法的任务调度

针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)规则对蝙蝠个体进行重新编码;然后调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度。通过和遗传、粒子群以及基本蝙蝠算法的对比分析,体现了改进算法的优越性。最后利用Witness对方案进行仿真,证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性,同时扩展了蝙蝠算法的应用领域。

改进蝙蝠算法在光伏阵列存在局部阴影时的应用

在光伏发电系统中,经常存在电池板局部被遮挡的情况,造成电池板出现多峰极值的现象。传统的最大功率点(MPPT)搜索方法常常会陷入局部极值,从而错过或丢失系统的全局最大功率点,甚至产生振荡导致系统输出不稳定。提出一种改进的蝙蝠算法(IBA),并应用到太阳能阵列存在局部阴影条件下的最大功率点寻优控制中。通过混沌初始化,对群体的初始位置进行更新,增加种群的均匀性和遍历性;引入自适应惯性权重,使算法在优化前期具有较强的全局搜索能力,后期有较强的局部收缩能力,同时引入Levy飞行来产生跳跃速度,跳出局部极值;引入动态收缩区间,有效地减小算法的搜索范围。以上改进,避免了种群受到局部极值的影响而过早收敛。光伏发电系统的仿真表明:在其受到局部遮挡而出现多峰极值的情况下,改进的蝙蝠算法能够快速找到全局最优点,并且精度高。

基于改进蝙蝠算法的水下机器人避障路径优化方法

针对水下机器人避障研究中基本蝙蝠理论过早收敛,容易达到局部极值点的问题,对其进行了改进。改进方向主要是在算法中以线性渐变方式调节响度和脉冲发射率,通过脉冲发射率的大小控制蝙蝠进行全局搜索或局部精确搜索,优化了收敛速度慢的问题,缩短了机器人的路径定位时间。在局部寻优阶段融合高斯柯西变异策略,前期利用柯西函数两翼高概率特性产生广范围随机数,扩大算法搜索范围,后期利用高斯函数中间概率高、两端概率低的特性进行精准定位,保证机器人全局最优路径规划的同时,提高了局部精度。同时采用界限随机重置机制,优化了蝙蝠在边界聚集带来的种群多样性不足问题,提高收敛效率,满足了机器人实际定位有效性。通过数值模拟的方法建立水下三维模型,分别利用改进算法和基本蝙蝠算法进行路径规划,模拟表明,改进后的蝙蝠算法相较于基本蝙蝠算法各项指标得以提升,对水下机器人工作运行的避障能力更强,路径规划平顺且长度短。

基于改进蝙蝠算法优化LSTM网络的短时客流预测

准确地预测地铁站短时客流量,对地铁站通风空调系统的节能优化具有重要意义。充分考虑地铁客流量非线性、随机性、周期性等特点,提出一种基于改进蝙蝠算法(IBA)优化长短期记忆(LSTM)神经网络的短时客流量预测模型(IBALSTM)。引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力,克服标准蝙蝠算法易早熟、易陷入局部最优值的问题;利用改进的蝙蝠算法对LSTM网络的隐含层节点数、迭代次数、初始学习率、学习率下降因子4个参数进行优化;利用西安某地铁站自动检票系统(AFC)采集的客流数据,对模型的有效性进行检验。实验结果表明:该预测模型在均方误差、均方根误差、平均绝对百分比误差等方面均优于标准蝙蝠-LSTM模型、LSTM预测模型、BP预测模型及BP-Adaboost预测模型,所提出的方法可有效应用于短时客流量预测。

基于改进蝙蝠算法的电力系统节能发电调度策略研究

本文对含火力发电,水利发电的电力系统的发电优化调度进行策略分析,实现电力系统的节能发电调度.策略中通过构建基于火力发电中的煤炭耗量最小化、整个电网网络损耗最小化以及对水电站的蓄水量调节最大化的多目标优化函数.在对多目标优化函数求解时采用差分算法与蝙蝠算法结合的改进蝙蝠算法进行优化处理,实验结果表明,该优化算法能够相比于直接采用蝙蝠算法能够有效提高节能率,这可以为电力调度决策提供依据.

改进的蝙蝠算法及其在WSNs定位中的应用

针对蝙蝠算法缺乏变异机制、收敛易早熟等不足,提出一种改进的蝙蝠算法。对于早熟收敛问题,引入惯性权重,使算法在探索和开发之间获得平衡;对于缺乏变异机制问题,引入随机方向因子,增强了种群的多样性。在无线传感器网络(WSNs)定位应用中,把定位问题转换为一个全局优化问题,使用改进的算法进行定位优化。仿真实验表明:提出的算法具有更高的定位精度。

基于改进蝙蝠算法的激光供能无人机MPPT技术

激光供能无人机操作简单、安全性高,其采用光伏电池板接收能量进行作业。在复杂遮荫情况下,无人机上光伏电池板的P-V曲线存在多极值点问题,传统最大功率点追踪算法易陷入局部最优且追踪速度较慢等。针对这一问题提出了一种改进的蝙蝠算法,首先通过反向学习进行种群初始化,增强群体分布的均匀性,避免陷入局部最优;同时引入收缩因子,加快算法收敛速度。最后在Matlab/Simulink中搭建光伏阵列电路仿真模型证明了改进的蝙蝠算法在具有较好的速度性和稳定性。

采用改进蝙蝠算法优化的并联机器人液压驱动误差控制研究

为了提高并联机器人运动平台轨迹跟踪精度,采用了改进蝙蝠算法优化并联机器人液压驱动控制机构,并对轨迹跟踪误差进行仿真.创建并联机器人液压驱动机构简图模型,给出液压驱动运动平台控制方程式,引用非线性级联控制并联机器人运动平台输出轨迹.设计并联机器人运动平台的参数变量,构造误差输出目标函数并且进行约束.采用差分进化算法融合蝙蝠算法优化目标函数,将优化后的参数输入到Matlab软件中进行误差仿真验证.同时,与蝙蝠算法优化级联控制仿真结果进行对比.仿真结果证明:采用蝙蝠算法优化级联控制,运动平台在x轴、y轴及z轴输出的最大误差分别为1.3×10^(-2),1.8×10^(-2),2.6×10^(-2) m;采用改进蝙蝠算法优化级联控制,运动平台在x轴、y轴及z轴输出的最大误差分别为1.5×10^(-4),1.9×10^(-4),2.5×10^(-4) m.采用改进蝙蝠算法优化并联机器人级联控制,能够提高运动平台定位精度.

基于改进蝙蝠算法的梯级水电站经济调度

梯级水电站中长期经济调度是一个典型非线性优化问题,通常要求在满足复杂的水力、电力约束条件,兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题,通过改进标准蝙蝠算法(bat algorithm,BA)更新策略和引入差分进化算法(differential evolution,DE)变异、选择操作,提出一种改进的蝙蝠算法(improved bat algorithm,IBA)。对标准蝙蝠算法更新策略进行以下改进:1)蝙蝠个体脉冲频率不随种群迭代而更新;2)蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新;3)无条件接受全局搜索产生的新解,有条件接受局部搜索产生的新解;4)改进飞行速度公式,缩小新个体与当前种群最优个体的偏离值。同时,针对蝙蝠算法种群多样性差、易陷入局部最优的缺点,引入差分进化算法中的变异、选择操作,实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型,利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例,从流域长系列径流资料中选取典型年,对IBA的主要控制参数(缩放因子、最大迭代次数)进行测试与分析。采用IBA、BA、逐步优化算法(POA)对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看,对于复杂的梯级水电站经济调度问题,改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力,同时缩短计算时间,获得更高精度解。

基于改进蝙蝠算法的梯次电池储能经济性分析

以某光伏电站为应用场景,分析梯次电池储能在平抑光伏功率波动这一应用模式下的优化规划,并对其进行经济性评估。建立光伏电站储能系统优化规划和经济性评估模型,以满足并网波动率限制下储能容量成本最小,采用改进蝙蝠算法(IBA)进行优化求解,并对比常规储能系统来评估梯次电池的经济性。算例分析结果表明了模型的合理性和有效性。

基于改进蝙蝠算法的工业控制系统入侵检测

针对蝙蝠算法(BA)易陷入局部极小的缺点,提出了两点改进:(1)在蝙蝠位置更新时考虑了当前局部最优解分布对算法的影响;(2)将差分进化算法(DE)中的变异操作迁移到蝙蝠算法中,采用随机性变异的方式增加了种群多样性,提升了算法局部搜索能力,并通过典型测试函数验证了本文算法的优越性。将该算法用于工业控制系统(ICS)入侵检测中支持向量机(SVM)分类器的参数优化,使用工控入侵检测标准数据集进行仿真研究。结果表明,与DE、粒子群算法(PSO)和遗传算法(GA)等优化算法相比,其优化的SVM入侵检测模型在检测率、漏报率和误报率等指标上都有显著提升。

基于改进蝙蝠算法的机械臂时间最优轨迹规划

为了对SCARA 6自由度机械臂的运动过程实现时间最优轨迹规划,课题组提出一种基于改进蝙蝠算法的时间最优3-5-5-3分段多项式插值轨迹规划算法。首先对机械臂构造3-5-5-3分段多项式;然后在角度、角速度和角加速度的约束条件下,以时间最短作为优化的目标函数,采用改进的蝙蝠算法对分段多项式的结果进行优化;最后在MATLAB软件中进行模拟运算。仿真结果表明:改进的蝙蝠算法在收敛性以及优化性方面均优于传统的蝙蝠算法,而且在局部收敛方面也有明显的改善;各关节的角位移、角速度和角加速度曲线相对平滑,不存在突变等情况的发生,充分证实改进算法具有可行性。