基于风光互补发电系统的压缩空气混合储能系统容量优化

压缩空气储能系统可以有效减少因风能和太阳能随机性造成的弃风弃光现象,但其动态响应时间长,且存储规模配置不合理会影响其发展。为此首先提出液流电池与压缩空气储能组成混合储能系统解决并网型风光互补发电系统输出波动不稳定的问题;其次基于典型小时负荷、风力机发电功率和光伏发电功率,针对不同场景,以系统最大收益为目标函数,利用猫群算法优化压缩空气储能系统的容量配置;最后分析压缩空气储能系统的额定容量与额定功率对系统最大收益的影响,验证算法可靠性。结果表明,基于风力机与光伏系统的装机功率分别为20 MW和3.42 MW的场景,压缩空气储能系统容量配置为4 MW和46.5 MW∙h时,其经济性最佳,每周可节约购电成本183688.24元,周最大收益为30543.86元。

基于多目标沙猫群算法的含风光储配电网无功优化

针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题,提出一种基于多目标沙猫群算法(MOSCSO)的含风光储配电网无功优化方法.MOSCSO融合了多目标算法中外部储存集的更新和选择机制,具有较好的全局寻优能力,而沙猫群算法(SCSO)特有的搜索和攻击的种群更新方式保证了其具有较快收敛速度和较好寻优能力.建立储能设施(ESS)作为控制变量的IEEE 33节点系统数学模型,应用MOSCSO进行仿真验证.结果表明,本文所提方法在平衡风光发电系统的同时能够降低网损和提高电网稳定性,通过与传统算法比较,验证了MOSCSO在无功优化模型上的有效性和稳定性.

改进猫群算法在车辆配送路径优化中的应用研究

为解决在生鲜农产品的车辆配送过程中存在的成本高、碳排放高的问题,以顾客满意度最高和总配送成本最低为目标,构建低碳冷链生鲜农产品的车辆配送路径优化模型。首先,通过多种方法对猫群算法进行优化;然后,用优化的猫群算法对模型进行求解。通过仿真实验对车辆配送路径优化前后效果进行分析,验证了所构建模型的可行性。结果表明,所构建的模型能有效地解决车辆配送的路径优化问题;与传统车辆配送的路径规划方法相比,采用所构建的车辆路径优化模型,车辆配送总路径和碳排放量都有一定程度的改善;车辆总配送路径长度缩短了489.77km、车辆碳排放量降低了21.4%。该方法能有效降低车辆配送过程的总成本和碳排放量,可在一定程度上提高车辆的利用效率和物流企业的市场竞争力。

基于SCSO-SVM算法的光伏组件故障识别

光伏阵列通常被安装在恶劣的室外环境中,因此在运行过程中易发生故障。为了准确识别光伏阵列的故障类型,提出沙猫群优化支持向量机(sand cat swarm optimization support vector machine,SCSO-SVM)用于光伏组件故障识别,且对比支持向量机(support vector machine,SVM)、粒子群优化支持向量机(particle swarm optimized support vector machine,PSO-SVM)、遗传优化支持向量机(genetic optimized support vector machine,GA-SVM)、麻雀优化支持向量机(sparrow optimized support vector machine,SSA-SVM)、灰狼优化支持向量机(gray wolf optimized support vector machine,GWO-SVM)和鲸鱼优化支持向量机(whale optimized support vector machine,WOA-SVM)算法。首先,六种SVM混合算法都克服了SVM诊断结果易受参数初始值影响的缺点,识别精度相较传统SVM算法都有所提升,但是识别时间都增加。其次,7种算法中SCSO-SVM识别效果最好,克服了SVM易受参数初始值的影响,相较SVM识别精度提高了约9.4594%;是因为更能有效找到SVM惩罚因子和核函数参数。然后,对于同一种算法而言,算法的识别精度是随输入特征减少而降低的,是因为输入特征越少,越不能有效表征光伏组件在不同故障类型下的输出属性。但算法的识别时间却不是随输入特征减少而减短。所以选取合适的输入特征才能兼顾算法的故障识别准确率和效率。最后,发现七种算法的识别效果依赖于数据集的影响。原因可能是各个算法参数选择过多导致泛化性有差异,且依赖参数初始值选择。

一种冲击噪声下的多目标跟踪算法

针对现有的子空间类多目标跟踪算法无法对相干目标进行有效跟踪,传统的动态跟踪方法在冲击噪声环境下失效的问题,提出了一种冲击噪声下的多目标跟踪算法。构造了一种新的零记忆非线性处理方法实现去冲击,推导得到了基于协方差矩阵更新的极大似然多目标跟踪方程,并设计了一种量子猫群算法,对其进行快速准确求解,实现了在恶劣噪声环境下的鲁棒多目标跟踪。仿真结果表明,所设计的算法突破了已有跟踪方法的性能和应用局限。本文分析结果可用于指导被动雷达和感知系统的跟踪模块设计。

基于沙猫群优化算法的拱坝热学参数反演分析

在混凝土温度场计算中,热学参数对计算结果的准确性有着很大影响。为了得到更加符合现场实际情况的热学参数值,提出了一种基于沙猫群优化算法的拱坝热学参数反演方法。通过12种不同的测试函数,验证了沙猫群优化算法的性能相比于其他3种传统优化算法有着一定的优势。同时,考虑到环境温度变化和多级冷却通水的影响,应用沙猫群优化算法对白鹤滩拱坝混凝土浇筑仓热学参数进行了反演。通过反演结果证明了沙猫群优化算法应用到工程实践中的合理性和可靠性,可以满足实际工程的精度需求。

基于ISCSO-LSTM模型的刀具磨损预测

为进一步提高刀具磨损量预测模型的准确度,实现对刀具加工过程的在线监控。提出一种基于改进的沙猫算法(improved sand cat swarm optimization,ISCSO)和长短期记忆神经网络(long short-term memory,LSTM)的刀具磨损量预测模型。利用刀具的加速度振动信号为输入样本,应用长短期记忆神经网络对铣刀磨损值进行预测。针对沙猫算法收敛精度低等问题,引入混沌映射、非线性收敛因子和对立点检测机制,利用改进的沙猫算法优化长短期记忆神经网络的参数。实验结果表明ISCSO-LSTM模型的刀具磨损预测精度明显高于LSTM模型。

改进沙猫群优化算法优化堆叠降噪自动编码器的发动机故障诊断

车辆发动机振动信号受到噪声干扰,影响故障诊断精度,而堆叠降噪自动编码器(SDAE)可以有效抑制噪声干扰,但SDAE模型超参数对诊断性能影响较大,不合理的模型超参数容易引起SDAE诊断性能不佳。因此,文中采用一种新型沙猫群优化算法(SCSO)对SDAE参数进行优化选取。考虑到沙猫群优化算法(SCSO)中沙猫群种群缺乏变异机制的缺陷,在其探索阶段和开发阶段分别引入柯西变异机制和高斯变异机制,得到了改进沙猫群优化算法(ISCSO),并提出了SCSO优化SDAE的发动机故障诊断方法。发动机故障诊断实例结果表明:与其余5种方法相比,所提方法的平均诊断精度提高了1.47%~6.5%,平均耗时缩短了5.29~19.44 s。

基于复合基尼指数和最大相关峭度特征模态分解的轴承故障诊断算法

最大相关峭度特征模态分解可以有效去除冗余信息,实现故障特征增强,但是其效果受分解模态数量、初始化滤波器个数和滤波器长度的影响。针对此问题,文章提出了一种基于复合基尼指数(Compound Gini Index,CGI)与最大相关峭度特征模态分解(Maximum Correlated Kurtosis Feature Mode Decomposition,MCKFMD)的轴承故障诊断方法。首先,将时域平方基尼指数和频域平方基尼指数结合,构建了一种能够同时量化时域和频域周期性脉冲丰富度的新稀疏测度指标,命名为复合基尼指数,并对其性能特性进行评估验证;其次,使用CGI作为沙丘猫群优化算法(Sand Cat Swarm Optimization,SCSO)寻优的适应度函数,快速准确地得到MCKFMD的最优参数组合,实现故障信号的自适应分解;最后,利用CGI选取最优模态,并进行希尔伯特包络解调,实现故障特征提取。通过仿真信号和试验信号验证了所提方法的有效性。对比性研究表明,与参数优化VMD和固定参数MCKFMD相比,文章所提方法在提取周期性故障特征方面更为有效。

基于改进猫群算法的氢储能容量优化配置

以氢储能系统为基础,构建了风力发电和氢储能系统为主的混合微电网系统。本文对氢储能系统中的电解槽、燃料电池和储氢罐的容量进行了优化配置。综合考虑微电网的经济成本、供电可靠性和弃风率3个指标,构建了氢储能系统的容量优化配置模型;分别采用典型日和场景集的风电出力和负荷,建立氢储能系统的容量优化模型,以反映风电出力和负荷的随机性对优化结果的影响;采用动态权重的改进猫群算法对所提氢储能系统的容量优化配置模型进行求解。通过算例验证了改进猫群算法的可行性,同时也证明了所提氢储能系统容量优化配置模型的合理性。

若干新型群体智能算法优化高斯过程回归的年降水量预测

为提高年降水量预测精度,提出一种基于小波包变换(WPT)和孔雀优化算法(POA)、沙猫优化(SCSO)算法、猎豹优化(CO)算法优化的高斯过程回归(GPR)预测模型,并将其应用于文山州年降水量预测研究。首先,利用WPT将实例1956-2021年降水量时间序列分解为1个周期项分量和3个波动项分量;其次,简要介绍POA、SCSO、CO算法原理,利用POA、SCSO、CO分别优化GPR超参数,建立WPT-POA-GPR、WPT-SCSOGPR、WPT-CO-GPR模型;最后,利用所建立的3种模型对年降水量周期项分量和波动项分量进行预测,将4个分量的预测结果加和重构后得到最终预测结果,并构建基于支持向量机(SVM)的WPT-POA-SVM、WPT-SCSOSVM、WPT-CO-SVM模型、基于RBF神经网络的WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF模型和未经优化的WPT-GPR模型作对比分析模型。结果表明:①WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型对年降水量预测的平均绝对百分比误差MAPE分别为0.52%、0.46%、0.48%,平均绝对误差MAE分别为5.80 mm、5.31 mm、5.25 mm,均方根误差RMSE分别为8.20 mm、7.72 mm、7.83 mm,确定性系数DC>0.99,预测效果优于其他7种模型,具有更高的预测精度和更好的泛化能力。②POA、SCSO、CO能有效优化GPR超参数,显著提高GPR预测性能。③所构建的3种模型具有普适性,为降水等时间序列预测研究提供参考。

一种自适应t分布和Lévy飞行机制的沙猫群优化算法

沙猫群算法是一种新颖的群智能优化算法。为了进一步提高该算法的收敛精度,避免陷入局部最优问题,引入自适应t分布和Lévy飞行机制改进沙猫群算法,称之为TLSCSO算法。首先设计一个非线性收敛因子,用来平衡算法的探索和开发,再引入自适应t分布,提高收敛精度,最后引入Lévy飞行机制,使算法跳出局部最优。在CEC 2022的12个测试函数上与其他算法进行对比,计算结果表明,TLSCSO在大部分测试函数上能够找到更好的解,且收敛速度快。

改进沙猫群优化算法的机器人路径规划

为了寻找更优的机器人移动路径,将沙猫群优化算法与三次样条插值方法进行融合,对沙猫群优化算法进行改进。在改进的沙猫群优化算法中,利用混沌映射的均匀性初始化种群以提高种群多样性;通过融合互利共生和莱维飞行策略减少局部最优解的消极影响,提高算法的收敛速度和精度。通过两种仿真实验对比6种优化算法的实验数据,结果表明,改进的沙猫群优化算法的最优解、最差解和平均解都优于对比算法,验证了改进沙猫群优化算法对于解决移动机器人路径规划问题的有效性和工程实用性。

基于SCSO-SVM的行业供应链风险检测优化方法

为实现供应链风险等级的高精度检测,基于SVM的参数设置对SVM的性能的影响,提出一种基于沙丘猫群算法(SCSO)优化SVM的供应链风险等级检测方法。首先,通过层次分析法建立供应链风险等级评价指标体系;之后,由于SVM的参数设置会影响到SVM的性能,利用SCSO算法对SVM的参数进行了优化,并给出了一种新的基于SCSO-SVM的供应链风险识别算法。与单独的SVM模型相比,SCSO-SVM的供应链风险检测的准确率分别提高了3.06、7.04个百分点,从而说明SCSO-SVM可以有效提高供应链风险检测的精度。

改进沙猫群优化算法的无人机三维路径规划

为提高无人机在复杂三维障碍环境中的路径规划效率及准确性,提出一种融合准反向学习策略的沙猫群优化算法.根据实际情况构建适合本场景的数学模型,再通过成本函数将三维路径规划问题转化为目标函数求解问题,同时考虑无人机的安全性、偏航角和俯仰角等相关约束,从而找出最优飞行路径.仿真实验结果表明,在相同障碍环境下进行多次重复实验,沙猫群优化算法只有约40%概率能够寻找到满足相关约束的最优飞行路径,而融合准反向学习策略的沙猫群优化算法能够准确找出最优飞行路径且在不同的障碍环境下也能够高效寻找最优路径.

基于免疫猫群优化算法的矢量量化的码书设计及语音识别

在矢量量化的码书设计过程中,针对传统的LBG算法对初始码书选取的依赖性及易陷入局部最优的缺陷,提出基于免疫猫群优化算法的矢量量化码书设计.将整个种群分为搜索组和跟踪组,运用克隆扩增算子在搜寻组中进行局部搜索,根据适应度值大小调节变异个体数目,保持解的多样性.运用动态疫苗提取与接种算子使跟踪组个体基因与疫苗进行交叉变异,向最优解靠拢,防止无监督交叉变异可能引起的退化现象.通过浓度平衡算子和选择算子更新子代种群,防止种群"早熟".将训练出全局最优码书输入到HMM模型进行训练和识别,实验结果表明,基于免疫猫群优化算法的矢量量化码书设计不依赖于初始码书选取,鲁棒性强且降低语音识别误差率.

混沌改进猫群算法及其在光伏MPPT中的应用

针对猫群(cat swarm optimization,CSO)算法具有易陷入局部极值点的"早熟"问题和跟踪精度差的问题,提出一种混沌改进猫群算法,并运用于光伏最大功率点跟踪。该算法利用logistic混沌序列的遍历性、随机性和规律性,解决了猫群算法的"早熟"问题。通过引入惯性权重因子w,同时使不同适应度值的猫对应不同的记忆池(seeking memory pool,SMP),较大适应度的猫将获得较多的变异猫,提高了跟踪精度。仿真和实验验证了所提改进猫群算法的有效性和可行性,该算法能够很好地应用于光伏最大功率点跟踪,不但提高了跟踪精度,而且通过适当减小变异猫的总数,能够花费较少的收敛时间获得较优的最大功率点值,进而提高了光伏发电的效率。

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率,实现虚拟机资源合理调度,提出一种基于猫群优化算法的虚拟机资源调度优化方法.首先根据虚拟机资源调度优化目标构建数学模型;然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数,并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优;最后在CloudSim平台上对该算法的有效性进行测试.测试结果表明,该算法能获得更优的虚拟机资源调度方案,保证了虚拟机资源的负载均衡,可以满足用户需求的偏好性.

基于猫群算法的高光谱图像森林类型识别

以吉林省汪清林业局为研究区,通过猫群位置寻优的过程对阔叶林、针叶林和混交林进行聚类分析。结果表明:森林类型区分精度达到83.5%,Kappa系数0.793,与传统高光谱聚类方法相比,能较好的识别森林类型。

全局MPPT算法在局部阴影下的动态性能研究

在局部阴影的条件下,对于传统的全局最大功率跟踪算法,通常只在静态或光照突变时进行研究。当外界环境持续变化时,其动态性能的研究就会存在不足。为了提高全局最大功率跟踪算法在局部阴影下的动态性能,文中提出了将功率闭环法与扰动观察法和改进的猫群算法结合的复合式算法,该算法有效实现了在动态多峰下快速跟踪全局最大功率点,并利用仿真验证了新算法的可行性,使光伏发电的效率有所提高。