混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。

优化算法在TDOA系统中的分析

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和混沌优化算法的混合定位算法。本文所设计的基于Chan算法的的混沌搜索方法,提高了算法的收敛速度和性能。仿真结果表明,该算法性能稳定,能找到逼近全局最优点的解,相对于遗传算法在保证收敛性能的前提下有更快的收敛速度。

基于COA-ASRCKF的单液流锌镍电池SOC估计

针对容积卡尔曼滤波(CKF)算法在迭代过程中存在诸多破坏协方差对称性和正定性的敏感操作,进而导致算法终止的现象,提出一种自适应平方根容积卡尔曼滤波(ASRCKF)算法。采用ASRCKF算法在估算单液流锌镍电池荷电状态(SOC)时,过程噪声协方差Q、量测噪声协方差初值R(0)和状态误差协方差初值P_(0)的设定,对估算精度和鲁棒性有重要影响。为此,应用郊狼优化算法(COA)对Q、R(0)和P_(0)进行参数寻优。实验结果表明,提出的COA-ASRCKF算法能较好地应用于单液流锌镍电池SOC估计。与CKF和ASRCKF算法相比,估算精度更高、鲁棒性更强,均方根误差小于1%。

区域电网无功优化的混沌模拟退火算法

在保证系统安全可靠的前提下,合理进行无功优化,配置无功补偿,对有效的减少配电网网络损耗,提高经济效益以及节约能源都具有重要意义。将混沌模拟退火(CSA)算法应用于区域电网无功优化,用VC++编程实现混沌模拟退火算法,通过对IEEE 6系统的仿真验证了该算法应用的有效性。

交直流系统中直流调制的协调控制

为了解决多馈入直流输电系统中各直流调制之间的不稳定的相互作用,将混沌优化算法(COA)应用于包含多馈入直流输电系统的交/直流互联电力系统,进行各直流调制之间的协调控制研究。混沌优化算法具有易实现、搜索时间短、以及避免陷入局部极小的特征,对于工程应用具有广阔的前景。直流调制的参数调节问题被转化为基于Lozi映射的混沌优化算法的优化问题,并以中国南方电网的网络为实例说明了该方法的有效性、鲁棒性及其优越性。

基于混沌理论和支持向量机的人脸识别方法

针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题,提出了一种基于混沌理论和支持向量机的人脸识别方法。首先,在统一的目标函数下,在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间,使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择,然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别。基于该方法,对ORL和Yale人脸库进行实验,其识别率都高达99%以上,仿真结果表明,该方法极大地提高了人脸识别能力。

WebitOS内存管理策略的优化

针对W ebitOS的内存分配和回收策略容易形成多个碎片的问题,分别提出了内存分配过程中的内存分配优化算法(AOA)和内存回收过程中的内存回收优化算法(COA)。AOA算法在内存分配过程中通过设定一个可分割阀值避免小碎片的产生;COA算法在内存回收过程中将地址连续的内存块合并成较大的空闲区,减少链表中小空闲区数目,提高了内存空间的利用率。实验结果表明,内存分配优化算法(AOA)和内存回收优化算法(COA)缩短系统响应时间,适用于资源受限环境下开发嵌入式实时应用。

基于变异反向学习郊狼优化算法的光伏智能边缘终端优化配置方法

光伏智能边缘终端(photovoltaic intelligent edge terminal,PVIET)是光伏电站安全稳定运行和智慧运营的重要设备之一,其功能强大但价格十分昂贵,容量较小的分布式光伏电站难以承受其高价格。为解决上述问题,文章提出了一种光伏智能边缘终端优化配置方法,从数量与位置2个方面建立了光伏智能边缘终端的优化布局模型。同时,针对郊狼优化算法(coyote optimization algorithm,COA)优化性能弱、可操作性低的问题提出了一种变异反向学习郊狼优化算法(mutation opposition-based learning COA,MOBL-COA)。根据典型案例的测试结果表明,所提的优化布局方法能够有效实现成本的降低,并且所提的MOBL-COA在解决优化布局问题时,在收敛速度、求解精度与算法稳定性上均表现出优异性能,验证了所提方法的有效性与可行性。