基于自适应分段云模型的可再生能源电力系统设计

电力系统接入可再生能源时会出现电力负荷不平衡的问题,为此设计基于自适应分段云模型的可再生能源电力系统。采用高能量存储的内馈感应发电机,使系统在可再生资源强度调整过程中能够处于供电稳定状态;使用电力转换器用来均衡电力;充分考虑不确定性因素,结合自适应分段云模型计算电力负荷数据相似度,剔除重复数据;构建系统调度目标,实现负荷平衡分配。由实验结果可知,该系统能够平衡调度电力负荷且能够均衡调度可再生能源。

一种非线性自适应电网云模型网络控制系统方法探索

针对传统的线性时滞的鲁棒控制系统不能满足信息电网技术的发展,而本论文提出一种基于非线性自适应电网云模型感知网络控制方法优化传统的线性时滞鲁棒控制系统;同时本论文运用自适应方法能够很好的优化传统的线性时滞鲁棒控制电力系统,同时,能够提高电网感知器的运行指标。

改进海马优化算法的永磁同步电机多参数辨识

为解决永磁同步电机参数辨识速度慢、精度不足等问题,提出一种融合云模型和混沌变异的海马优化算法。该算法以海马优化算法为基础,引入混沌映射和随机反向学习策略,改善种群初始空间分布;采用自适应云模型,解决算法收敛精度低和减少陷入局部最优情况;加入混沌映射和高斯变异调节种群分布,以提高算法全局和局部开发能力。通过采集电机电压、角速度等信息,在永磁同步电机辨识模型中,使用改进后的算法对电机参数进行辨识。由仿真和实验对比,验证改进后算法在永磁同步电机电气和机械参数辨识上,具有更快速、稳定和准确的辨识效果,且辨识误差均在1.4%以内。

基于云理论的JTC可靠性实时评估方法

针对目前无绝缘轨道电路JTC可靠性分析方法无法实时反映指定JTC系统健康状况的不足,提出基于云理论的JTC可靠性实时评估方法。根据TCR远程监测系统获取的JTC实时状态信息,建立实时状态下JTC可靠性模型,并以实时状态下的平均故障前时间作为可靠性实时评估指标。基于云理论,建立周边环境数据与元件失效率之间的失效率适应云模型。通过建立系统可靠性评价集云,对实时外部环境和设备状态条件下的JTC可靠性进行评估,并得出评估结果。结果表明,基于云理论的JTC可靠性实时评估方法能够正确、客观地对JTC的可靠性进行实时评估,解决可变条件下JTC系统可靠性的实时评价问题。

改进蚁狮优化算法的永磁同步电机多参数辨识

为提高永磁同步电机参数辨识的精度,提出一种基于Tent映射和正态云模型的改进蚁狮优化算法辨识永磁同步电机参数。首先,在蚂蚁和蚁狮初始化阶段引入Tent映射使初始种群更加均匀地分布于搜素空间;其次,在蚂蚁位置更新阶段以全局最优个体为目标,使用正态云模型更新精英蚁狮的位置;最后,根据迭代次数的增长自适应缩小云滴的生成范围,提升算法的全局收敛能力和精度。仿真实验结果表明,改进蚁狮优化算法能更加精确、迅速地辨识永磁同步电机参数。

基于自适应正态云模型的灰狼优化算法

灰狼优化算法(GWO)是一种模拟狼群等级制度和捕食行为的群体智能算法,存在收敛精度低、易陷入局部最优解等问题,为提高GWO的算法性能,提出一种基于Tent映射和正态云发生器的改进灰狼优化算法(CGWO).在灰狼群初始化阶段引入Tent映射,增加种群个体多样性以提高算法的优化效率;在攻击猎物阶段采用正态云模型对狼群位置进行更新,使算法前期具有较好的随机性和模糊性,提高全局开发能力,助其跳出局部最优解.随着迭代次数增加,自适应调整正态云模型熵值,使后期随机性和模糊性随之减小,有效改善局部开发能力,提高其收敛精度.选用20个通用的标准测试函数对CGWO算法性能进行验证,分别从单峰、多峰以及复合函数寻优结果与多种优化算法进行对比分析.结果表明,在同等测试条件下, CGWO算法寻优效率和收敛精度更高,能很快跳出局部最优解,在全局搜索和局部开发能力上更为平衡.

基于自适应正态云模型的引力樽海鞘群算法

针对樽海鞘群算法(salp swarm algorithm, SSA)在求解复合问题时存在收敛速度慢和容易陷入局部最优等缺点,提出一种结合引力搜索技术与正态云发生器的樽海鞘群算法(cloud gravitational SSA, CGSSA).在更新樽海鞘领导者位置阶段引入引力搜索算法(gravitational search algorithm, GSA)中的加速度系数,避免樽海鞘群的无效搜索,从而加快搜索速度;使用正态云模型对樽海鞘追随者位置进行更新,可丰富种群的多样性;同时正态云模型熵值能随着迭代次数增加而自适应调整,可有效地提高迭代后期的收敛精度.在23个基准函数上进行CGSSA与其他10种优化算法的综合比较,仿真实验的统计结果、箱线图和收敛曲线表明,改进后的算法在搜索效率、收敛精度和避免局部最优方面具有更好的性能.

改进樽海鞘群算法的永磁同步电机多参数辨识

针对一类元启发式优化算法辨识永磁同步电机(PMSM)参数存在易陷入局部最优,从而导致辨识结果精度不高的问题,提出了一种结合自适应正态云模型的樽海鞘群辨识算法(CSSA)。该算法以标准樽海鞘群算法为基础,在樽海鞘追随者位置更新阶段引入自适应正态云模型,使算法初期的种群多样性得到改善,提高了全局开发能力,避免陷入局部最优;随着迭代次数增加,通过自适应调整正态云模型熵值,优化了算法后期的局部开发能力,使其收敛精度得到提高。参数辨识模型只需测量计算获得永磁同步电机的电流、电压以及角速度信息,再将改进算法通过适应度函数在辨识模型中寻优得到辨识结果。仿真与实验结果表明,提出的算法可以对永磁同步电机参数进行快速、稳定且准确的辨识。

大气散射理论的遥感影像雾霾去除新方法

基于大气散射的物理模型,针对雾霾的厚薄分布状况,给出了一种有选择性的雾霾去除新策略。在深入分析相关研究的基础上,新方法主要进行了两方面的改进,首先增加了抠图能量函数的数据项的精度,并增大了该能量函数的正则化参数值;其次对分布不均的雾霾影像使用自适应参数的云背景模型进行了预处理。改进方法的去霾结果更加清晰,色调、亮度分布均匀,而且色彩变化比较平滑自然,相比于已有同类算法,去霾效果更为理想。