基于改进BPSO算法的配电网故障诊断监控系统设计与应用

为了提高分布式配电网的安全与稳定性,实现配电网故障的快速定位和处置,构建基于B/S架构的配电网故障诊断监控系统。系统自上而下分为系统评估层、数据分析层和监测执行层。为了满足分布式配电网故障定位要求,在传统BPSO算法基础上,给出3种改进BPSO算法,并通过在分布式配电网中的应用结果,比较3种改进算法的准确度、寻优效率和容错率。结果表明,引入混合蛙跳算法的改进BPSO算法在故障定位准确度和定位效率上明显优于原BPSO算法。

基于GA-BPSO算法的MEC卸载决策

针对移动智能设备(SMD)的算力、内存和能量等无法满足计算密集型需求的问题,提出一种应用任务卸载到高性能边缘服务器的计算卸载。根据任务计算、传输等情况下的能耗和时延,构建出卸载决策系统模型;根据SMD和边缘服务器的计算能力等情况,降低SMD能耗为目标,将任务卸载决策问题描述为一个非线性约束优化问题;为对约束优化问题求解提出GA-BPSO算法,算法中将静态学习因子改为动态学习因子,将最优个体引入交叉操作中,扩大算法在解空间中的探索能力。通过实验验证GA-BPSO算法能在较短时间内收敛,实现了SMD较低的能量消耗。

基于BPSO的多故障最小候选集生成技术

多故障最小候选集生成是制定多故障诊断策略的首要步骤。利用二进制粒子群优化算法(binaryparticle swarm optimization,BPSO)生成多故障模糊组的最小候选集。首先,利用紧集表示法描述某或节点上的多故障模糊组,其最小候选集即多故障模糊组的最小碰集;然后,利用BPSO算法求解多故障模糊组的最小碰集,通过构造个体适应度和群体适应度双函数,解决BPSO算法求解最小碰集的适应性问题,并保证了算法尽可能搜索冲突集的全部碰集;最后,通过某系统实例对算法的有效性进行了验证。事实表明,该方法能有效应用于多故障最小候选集问题的求解。

基于相量测量单元优化配置的配电网谐波状态估计研究

随着大量电力电子设备的接入,配电网谐波问题愈发严重。谐波状态估计的准确性直接影响到后续的谐波治理效果。相量测量单元(phasor measurement unit,PMU)可以实时测量节点电压与支路电流,可借助其实现谐波状态估计。然而目前PMU价格较高,如何进行合理的优化配置保证全网谐波状态可观,同时提高谐波状态估计的准确性,是亟待解决的问题。首先构建以PMU经济配置和谐波状态估计精度最高为目标的PMU优化配置模型,并提出一种改进二进制粒子群-遗传混合算法用于求解。随后在实时仿真器中搭建IEEE14节点模型,选用均值插补法以及Vondrak滤波法进行数据处理并分析了优化所得多种PMU配置场景对谐波状态估计的影响。结果表明:所提算法从减少投资成本及降低谐波状态估计误差角度考虑,能够给出合理的PMU配置方案,有助于支撑工程决策。

含分布式电源的配网改进BPSO算法故障定位

针对含分布式电源的配网故障定位中BPSO算法易陷入局部最优导致寻优性能下降、影响算法故障定位的问题,对BPSO算法进行改进。文章通过引入分组算子将粒子种群以适应度函数值进行从小到大的排列并按照等差值分组规律得到模因组的方法改进了BPSO算法,且将其进行含分布式电源的IEEE33节点配电网络的故障定位算例仿真,并与原BPSO算法进行了数据对比分析。结果表明:改进的BPSO算法的寻优曲线比原BPSO算法更加平滑,准确性更好,且快速性平均提升60.3%。

基于BPSO-KNN算法的被动声呐目标分类识别技术研究

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。

BPSO优化算法在含DG配电网中的故障诊断研究

针对含分布式电源(distributed generation,DG)的配电网故障检测,传统的故障检测方法容易出现检测精度低、适用性差、容错力低等问题;为此,提出了一种改进的二进制粒子群算法(binary particle swarm optimization,BPSO)进行故障检测,该算法是在BPSO算法的基础上,重新对自适应度值进行定义确保种群寻找到最为准确的最优解,解决BPSO算法容易陷入"早熟"的情况;通过IEEE33节点进行仿真分析,实验结果表明:采用改进的BPSO算法可以有效对故障区段进行定位,验证了改进的BPSO算法的有效性和正确性;同时,当存在信息畸变时,改进的BPSO算法比一般算法具有更强的容错能力。

基于改进BPSO算法的微网中微电源的组合优化

深入分析了微网中微电源包括光伏发电、风力发电、微燃机、柴油发电机和燃料电池的电气特性,构建了多种微电网优化运行的模型,以微网的经济成本和环境成本最小为多目标函数,充分考虑了电压越限、功率平衡、微电源出力限制等约束条件,并应用改进BPSO算法进行求解。通过构造辅助搜索空间,提出了改进BPSO算法,解决了二进制粒子群算法易"早熟"、容易陷入局部最优解的问题。并通过典型的微网系统进行仿真分析,仿真结果验证了该算法的有效性。

基于改进选择性BPSO算法的配电网降损重构研究

为了降低配电网的有功功率损耗以及提高开关利用率,利用Sigmoid函数对二进制粒子群优化(BPSO)算法中的粒子位置更新进行改进,并通过添加修改曲线的参数对函数进行选择,提出了一种改进选择性二进制粒子群优化(IS-BPSO)算法来求解配电网降损重构问题。该算法以降低配电网的功率损耗为目标,有效地控制粒子的变化速率并提高种群的收敛性。通过33母线和94母线的配电网测试系统进行仿真模拟,结果表明,该算法具有很强的鲁棒性和全局寻优能力。

基于改进BPSO的Web服务组合选择算法

为使现有Web服务组合的服务选择技术满足用户需求,提出一种基于改进二进制粒子群优化(BPSO)的服务选择算法。引入变异算子和线性递减惯性权重,解决传统二进制BPSO的早熟收敛问题,采用粒子记忆性对不满足约束条件的个体进行修正。实验结果表明,该算法能提高寻优效率。

DS-BPSO算法在P2P邻接选择问题中的研究

节点选择机制是P2P网络的研究热点与核心技术,近年来得到广泛的关注.该文将一种改进的粒子群优化算法-具有双重结构编码的二进制粒子群优化算法(DS-BPSO)应用于P2P文件共享系统的邻居节点选择过程.在动态性方面,粒子群优化算法(PSO)与P2P网络具有先天的相似性.每个粒子(节点)通过有向图来编码与其它粒子的连接矩阵,更符合ADSL连接常规.实验结果表明:对于大规模的邻接选择问题,DS-BPSO算法通常会比二进制粒子群优化算法(BPSO)能够查找到更好的邻居节点.

基于BPSO和育种算法的配电网重构

分析了配电网络运行时的特点,在满足运行和安全约束的前提下,将目标函数设定为以系统有功功率损耗最少,并针对二进制粒子群算法的缺点,加入了育种算法,采用育种算法和BPSO算法相结合的混合算法对配电网进行了重构。对IEEE33节点系统进行配电网重构求解的算例表明,提出的混合算法在降低迭代次数地同时,提高了计算效率和速度,对配电网重构是有效的。

基于改进的BPSO算法的关联规则挖掘

为了从大数据集中挖掘关联规则,提出了一种改进的二进制粒子群优化算法(GRBPSO)用于挖掘关联规则。首先,结合关联规则设计BPSO算法的适应度函数,然后对种群进行预处理,保证初始种群的质量,最后设计一种缩减搜索空间的优化策略,以减少搜索空间。基于六个高维数据集,将GRBPSO算法与普通BPSO算法进行比较以证明其有效性;将GRBPSO算法与PSOFIM算法、GA-Apriori算法及PSO-Apriori算法进行比较以证明其可行性。实验结果表明,GRBPSO算法具有一定的可行性且挖掘效率更高。

基于CBPSO算法的云计算任务调度研究

云计算平台下,部分计算节点的负载过大会降低仿真平台的性能及稳定性。为保证云计算平台的平稳运行,提出根据云平台负载均衡度建立云平台优化目标函数,利用混沌离散粒子群算法(CBPSO)搜索全局最优调度方案。实验结果表明:所提方法搜索到的调度方案使云计算平台同时获得较小的负载均衡度和较短的任务执行时间,能够改善云计算平台的性能。

基于SFLA-BPSO算法的含DG配网故障定位方法

对于在含DG的配网故障定位中,标准BPSO易陷入局部最优,以致寻优性能下降,影响算法故障定位性能的问题。通过引入SFLA中的分组算子和模因组得到SFLA-BPSO,并建立含DG的9节点故障定位模型和IEEE33节点模型,将其与标准BPSO进行了数据对比分析。结果表明,在9节点配网故障定位中,SFLA-BPSO较之于标准BPSO准确度平均提高22.7%,寻优快速性平均提高62.1%;在IEEE33节点配网故障定位中,SFLA-BPSO较之于标准BPSO准确度平均提高393.1%,寻优快速性平均提高60.3%。使用MATLAB及其App Designer搭建软件平台对含DG的IEEE33节点配网进行测试。测试结果表明,SFLA-BPSO能够在该软件平台准确定位。

求解机组组合问题的改进离散粒子群算法

电力系统机组组合问题是一个高维数、离散、非线性的大规模复杂工程优化问题。文中提出了一种基于改进离散粒子群优化算法求解机组组合问题的新方法。首先采用新的策略生成粒子, 以保证所有生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域进行优化搜索;然后引入优化窗口的概念和启发式的规则以缩短计算时间和提高优化精度。仿真结果表明所提出的算法具有解的质量高、收敛速度快的特点,充分证明了它能很好地解决机组组合问题。

基于繁殖粒子群算法的火电厂负荷优化分配

针对目前火电厂负荷优化分配的问题,提出了负荷优化分配总时间的概念,并给出了具体计算公式。在标准粒子群优化算法中引入遗传算法中的杂交思想,提出了基于繁殖粒子群优化算法的负荷优化分配方法,并引入自适应惯性权重对算法进行了改进,避免了标准粒子群算法易陷入局部最优及遗传算法优化计算时间长的缺点。对算法应用在负荷优化分配中的具体问题进行了分析处理,缩短了优化计算时间,提高了算法精度。实例分析进一步验证了所提方法的有效性以及现场实用性,能够同时满足火电厂对降低成本及电网调度对负荷优化分配总时间的硬性要求。

求解SAT问题的改进粒子群优化算法

利用限制性公式的相关理论将可满足性问题(SAT)等价转换为定义在{0,1}m上的多项式函数优化问题,并将二进制粒子群优化算法(BPSO)与局部爬山搜索策略相结合,给出了一种求解SAT问题的新算法:基于局部爬山搜索的改进二进制粒子群优化算法(简称IBPSO)。数值实验表明,对于随机产生的3-SAT问题测试实例,该算法的计算结果均优于著名的WalkSAT算法和SAT1.3算法。

求解多维0/1背包问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA)。粒子从起始细胞出发,根据本身携带的信息并感知存储在细胞中的全局最优粒子位置的信息随机选择状态(0或1),从而实现复杂智能的"涌现"。然后将其用来求解多维0/1背包问题,同时引入贪心算法对不符合约束条件的非法个体进行修正。通过对Zuse Institute Berlin公布的测试集进行实验,表明该模型能在多项式时间内完成求解过程,且实验结果优于测试集记录的结果。

计及网络重构的主动配电网供电能力概率评估

主动配电网的控制特性以及分布式电源接入造成的不确定性,使得现有供电能力评估方法不能对主动配电网进行有效评估。首先建立了主动配电网供电能力的评价指标体系,结合概率潮流与重复潮流法计算出主动配电网的分布函数,最后以供电能力期望为目标函数运用二进制粒子群算法进行重构优化,得到最有利于供电能力的运行方式。选取PG&E69节点配电网作为算例,结果表明该方法能够准确计算出主动配电网的供电能力分布函数,网络重构优化后电网的供电能力得到大幅度提升,体现主动配电网主动控制特性的同时能够全面准确地评估主动配电网供电能力。