基于PWLCM和秃鹰俯冲机制改进的野狗优化算法

针对野狗优化算法(Dingo Optimization Algorithm,DOA)收敛速度偏慢和寻优精度较低等问题,提出一种基于PWLCM和秃鹰机制改进的野狗优化算法(Improved Dingo Optimization Algorithm,IDOA)。首先,使用具有遍历性的分段线性混沌映射(Piecewise Linear Chaotic Map,PWLCM)初始化野狗种群,有效增加野狗种群多样性。其次,在迫害策略中引入秃鹰俯冲机制,加快野狗捕获猎物的速度,加强算法探索局部的能力。最后,在食腐策略引入螺旋搜索因子,增强算法的局部寻优能力,提升算法的寻优速度和求解精度。仿真实验数据、消融实验以及Wilcoxon秩和检验均表明,与其他对比算法相比,提出的IDOA在所有测试函数上有着更佳的寻优速度以及寻优精度;与其他改进的野狗优化算法相比,所提出的IDOA展现出更好的整体性能。

基于改进野狗优化算法优化极限学习机的空调负荷预测方法

针对目前短期空调负荷预测方法预测精度低、稳定性差等问题,提出一种基于微生物遗传算法(Microbial genetic algorithm,MGA)和野狗优化算法(Dingo optimization algorithm,DOA)优化极限学习机(Extreme learning machine,ELM)的空调负荷预测模型。首先利用DOA优化ELM的输入权值和隐层阈值,建立DOA-ELM预测模型,利用MGA改进DOA-ELM模型的预测稳定性和预测精度,建立(Microbial genetic algorithm Dingo optimization algorithm-Extreme learning machine)MDOA-ELM预测模型。为降低预测模型的维度,通过灰色关联分析(GRA)筛选影响空调负荷的输入输出因素。为验证算法有效性,以某工厂中央空调系统为例进行实例分析。实验结果表明,所建负荷预测模型相较于对比模型预测精度高,稳定性好,因此可更好地满足工程实际需求。

多制冷站负荷分配调度策略研究

研究中央空调多制冷站冷源系统的负荷分配调度策略。利用制冷站实测数据,首先采用带指数遗忘的最小二乘法对制冷站的能耗模型进行参数辨识,建立多制冷站群控系统的能耗模型。在此基础上,以多制冷站系统能耗最低为目标,在满足末端冷负荷需求前提下,利用改进的野狗优化算法(Improved Dingo OptimizationAlgorithm,IDOA)优化了多制冷站负荷分配策略。在实际系统上进行的测试表明:提出的制冷站负荷优化控制策略较原运行方式在最大制冷季可单日节能8.88%,温差最大季可单日节能11.14%。

基于改进的禁忌搜索算法在有序用电中的应用

国家电力系统负荷与日俱增,用户用电数据海量增长,需要高性能优化算法来解决此类复杂的有序用电问题.为了填补有序用电系统调度中的负荷缺口,提高供电效能并合理选择用户,本文提出了一种改进的禁忌搜索算法来求解电力供需平衡的多目标优化调度问题.使用融入了莱维飞行的野狗优化算法对禁忌搜索算法中的初始化阶段进行优化,得到一种改进的禁忌搜索算法.该方案增强了原始算法的搜索能力,加快了算法的收敛速度,提供了一种更优的解决方案.最后通过消融实验以及与5个经典的启发式算法进行对比实验来验证所提出的算法的性能.

基于IDOA-DHKELM的变压器故障诊断

针对溶解气体分析(dissolved gas analysis,DGA)诊断变压器故障准确率偏低的问题,提出了一种基于改进野犬优化算法(improved dingo optimization algorithm,IDOA)优化深度混合核极限学习机(deep hybrid kernel extreme learning machine,DHKELM)的变压器故障诊断方法。首先采用核主成分分析(kernel principal component analysis,KPCA)对气体数据降维并提取有效的特征量;其次将多项式核函数与高斯核函数加权结合,构造出新的混合核函数,并引入自动编码器对极限学习机进行改进,建立DHKELM模型。将反向学习、柯西变异和差分进化算法融入到野犬算法中,并利用2种典型的测试函数对IDOA性能进行测试,证明了IDOA具有更强的稳定性和寻优能力。利用IDOA对DHKELM的关键参数进行寻优,建立IDOA-DHKELM变压器故障诊断模型。最后,将KPCA提取的特征量作为模型的输入集,并对不同变压器故障诊断模型进行仿真验证。研究结果表明,相较于其他模型,IDOA-DHKELM具有更高的变压器故障诊断精度。

采用特征优选和优化深层核极限学习机的短期风电功率预测

针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。

基于量子行为和Lévy飞行改进野狗算法的SCR脱硝系统模型辨识

传统野狗优化算法搜索范围有局限性,寻优结果往往不是全局最优,针对此问题,提出一种基于量子行为和Lévy飞行的改进野狗优化算法(Quantum Dingo Optimization Algorithm,QDOA)。量子行为赋予种群移动轨迹和速度的不确定性,使算法的搜索范围可覆盖整个可行空间;Lévy飞行策略的随机步长性,克服算法迭代后期易陷入局部最优问题,提升了求解精度。通过基准测试函数进行性能测试,QDOA相较其他几种算法在准确性、精度方面表现突出。应用QDOA对宁夏某电厂660 MW燃煤机组选择性催化还原(Selective Catalytic Reduction,SCR)脱硝控制系统高负荷段、中低负荷段现场数据进行模型辨识,建立了SCR脱硝系统阀门开度与入口氨气流量、入口氨气流量与出口NOx质量浓度之间的传递函数,经检验辨识后的模型能较好地反映该SCR脱硝控制系统的动态特性,证明了该算法的可行性。

基于改进野狗优化算法的电动汽车调峰策略

针对新能源接入导致电网峰谷差变大的问题,同时考虑分时电价和碳收益的影响,本工作提出基于改进野狗优化算法(IDOA)的电动汽车调峰策略。首先,设计执行策略动态选择的IDOA,以提升原始野狗优化算法的寻优精度和寻优速度;其次,建立考虑负荷峰谷差、充电成本、放电收益和出售碳配额收益的电动汽车参与调峰优化调度模型,并以惩罚项的形式将约束条件引入优化调度模型形成寻优价值函数,使用IDOA求解该价值函数;最后,对提出的IDOA和优化调度模型进行了仿真验证,结果表明,与其他4种算法相比,IDOA在寻优速度、准确性和鲁棒性上均具有良好效果,IDOA求解调峰模型降低了电网负荷峰谷差,同时也减轻了车主用车成本。

一种基于IDOA-RBF神经网络的正常流量过滤方法

针对全流量检测方式容易使安全检测设备出现性能瓶颈的问题,给出一种使用改进的野狗优化算法来优化径向基函数神经网络的正常流量过滤方法。首先,采用Singer混沌映射和搜索平衡策略对野狗优化算法进行改进;其次,用改进后的野狗优化算法优化RBF神经网络的输出权值,使用CSE-CIC-IDS2018数据集训练网络,构建正常流量过滤模型;最后,在网络流量进入安全检测设备前尽可能多地过滤掉其中正常流量,减轻安全检测设备的工作负担。实验结果表明:与现有的模型相比,IDOA-RBF神经网络的正常流量过滤模型在建模时间上有较大的改善,同时保持较高的识别精度,并且能在需要检测的流量中过滤掉72.9%的正常流量。

基于深度学习的光伏发电功率短期预测

光伏发电受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了电压波动和闪变、孤岛效应等问题.为了准确提高光伏发电系统短期输出功率预测,建立了改进野狗算法优化GRU(IDOA-GRU)的预测模型,在野狗算法中引进莱维飞行机制和自适应因子加强算法的寻优能力.通过某光伏发电站实测数据进行仿真实验,结果表明,改进野狗算法优化GRU神经网络的预测模型相比传统的GRU预测模型和野狗算法优化GRU(DOA-GRU)具有更高的预测精度.

改进CS优化支持向量回归的汽车热舒适性预测

热舒适性指标PMV参数间互相迭代、计算复杂、不易实时预测,而采用支持向量回归(SVR)进行数据拟合时,预测效果易受SVR参数的影响。针对以上问题,提出一种改进布谷鸟算法(CS)优化SVR参数的PMV预测模型。改进CS算法采用自适应步长对Lévy全局随机游动的步长进行调节,并用非洲野狗算法(DOA)的生存行为替换CS算法偏好局部随机游动行为,以提高CS算法寻优能力。实验结果表明,CS优化SVR模型预测值的RMSE为0.00742,比DOA优化SVR模型的RMSE低0.00481;使用自适应步长或DOA算法改进CS优化SVR模型比CS优化SVR模型的RMSE分别降低了32.34%和40.83%;融合两种策略改进CS优化SVR模型预测值的RMSE整体降低了60.52%。融合两种策略改进CS算法优化SVR预测模型具有更高的PMV预测精度。

基于改进野狗优化算法的二维MUSIC声源定位研究

针对二维多重信号分类算法(MUSIC)在进行信号波达方向估计时存在运算复杂、速度慢的问题,提出基于改进野狗优化算法的二维MUSIC声源定位算法。该算法首先通过结合精英反向学习策略与二次插值方法改进野狗优化算法,提高算法寻优能力,再与MUSIC算法结合,使算法能快速且准确定位。实验结果表明,该算法与传统MUSIC方法对比,定位精度得到提高,且节约了88.6%的搜索时长,计算量降低,获得更好的实时性。

基于DOA-BP神经网络的电离层TEC短期预测

影响全球导航卫星系统(GNSS)所需导航性能(RNP)的最大误差源之一是电离层延迟,该延迟与电离层总电子含量(TEC)成正比,因此TEC的准确预测直接影响到GNSS的RNP。探索性地使用2021年提出的澳洲野犬优化算法(DOA)优化反向传播(BP)神经网络,构建DOA-BP神经网络TEC短期预测模型,以欧洲定轨中心(CODE)提供的电离层TEC值作为数据集,训练、测试DOA-BP TEC短期预测模型,实现全球范围和中国区域不同电离层格网点处TEC值的高精度短期预测,并将预测结果分别与传统BP神经网络模型、麻雀搜索算法(SSA)优化的BP神经网络模型(SSA-BP)预测的TEC值进行对比分析,结果表明,相较传统BP模型,DOA-BP模型的TEC预测精度明显提高,且相比其他优化模型(如SSA-BP模型),预测的TEC精度也占一定优势,能准确反映全球不同时空下电离层TEC的变化特征,可作为电离层TEC短期预测的一种新方法。