多谐波源接入的城市配电网SAPF优化配置方法

针对分布式光伏和电动汽车充电设施等新谐波源渗透率高及分散接入造成的城市配电网谐波污染分散化与全网化问题,构建一种兼顾配电网谐波治理成本与治理成效的并联型有源电力滤波器选址定容双层优化模型。首先,外、内层模型分别以配电网谐波治理成本最小和电压畸变率最低为目标函数;然后,采用粒子群优化算法和遗传算法分别求解,实现配电网谐波治理效益最高的目标;最后,选取IEEE 33节点系统进行仿真,验证了所建模型对配电网谐波治理装置优化配置的有效性。

改进型PSO-SVM算法对井下多组分气体定量分析的研究

对于多组分混合气体定量分析而言,基于特征光谱的定量分析技术具有不可比拟的优势,而定量检测效率与精度取决于其采用的光谱数据处理算法的优劣。优化光谱分析算法参数与改进光谱数据处理方式是提高定量分析速度与精度的重要手段。针对井下多组分气体定量分析建模过程中支持向量机(SVM)参数难以确定,并且随组分数增多而呈指数增长的光谱数据运算量的问题,提出了一种改进型粒子群优化-支持向量机(PSO-SVM)算法。该算法主要针对多组分气体混合光谱数据量大,光谱特征信息存在交叠的问题进行研究。通过粒子变异约束PSO算法的收敛路径,再通过粒子信息共享提高模型优化效率,最后利用设置动态不敏感区提高模型精度。设计了一种井下多组分气体快速定量检测系统。该系统由CPU控制信号调制模块驱动红外光源,信号光经过滤尘除湿后的气室照射在探测器上。在压力与温度传感器补偿的基础上,由信号处理模块将探测得到的光信号量化传入CPU,最终,结合改进型PSO-SVM算法实现各组分气体浓度的定量分析。在完成井下实际样气采集、预处理的基础上,对浓度范围0~10.0%的CH4和浓度范围0~1.0%的C2H6,C3H8,SO2和CO2共5种组分的混合气体进行了测试,获得了800组红外光谱数据,其中训练集400组,验证集400组。采用SVM建立了多组分气体的定量分析模型,利用改进型PSO对SVM中的参数进行了优化,并将获得的最优参数重建了定量分析模型。对采集的红外光谱数据分别由本算法与传统BP网络算法进行各组分气体浓度反演,实验结果显示,由于变异粒子对其产生的约束,使最优值收敛范围变小,从而提高了收敛速度,该算法建模时间仅为传统方法的1/10;由于通过气体光谱特性给出不敏感区,使特征光谱计算时交叉敏感效率降低,从而提高了模型预测的准确度,平均误差约为传统方法的1/5。由此可见,该算法在全局优化及快速收敛方面得到了显著提升,改进型PSO结合SVM用于井下多组分气体定量分析是可行的。改进型PSO-SVM算法对于多组分气体混合红外光谱数据的分离具有很好的适用性,其有一定的实际应用价值。

基于VMD-SE-IPSO-BNN的超短期风电功率预测

准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立贝叶斯神经网络模型进行预测,并采用IPSO对神经网络的权值和阈值进行寻优,以求获得最佳的预测效果。实验结果表明,基于VMD-SE的预测模型较采用其他常规分解方式时预测精度明显提高,所提组合预测模型具有较高的预测精度。

基于互学习的自适应PSO算法的亚像素定位研究

针对数字图像相关方法(DIC)的亚像素精确定位运算量大、时间代价高的问题,提出了一种改进的粒子群优化方法的亚像素精确定位。依据待测物图像中特征点变形程度的差异自适应地调整粒子飞行的速度和范围并细化到x和y二维方向上,改善特征点位移解的质量;另外,引入粒子间的互相学习机制,充分利用前一粒子的历史信息,减少迭代次数,提高算法运行效率;最后,将这种互学习的自适应粒子群的亚像素定位算法与牛顿-拉夫森(Newton-Raphson)算法和牛顿拉夫森-粒子群(NR-PSO)算法作比较。实验结果表明,本文算法具有更高的精度、有效性和可行性,尤其在处理大数据量时,该算法的时间成本优势更为显著。

考虑谐振基于改进PSO算法的电容器优化配置

为了达到电容器的优化配置,避免配电网中电容器与系统、负荷阻抗发生串并联谐振,在考虑谐振的情况下,数学模型上将电容无功功率与串并联谐振频率的关系作为约束条件,采用改进的粒子群优化算法(PSO),提出时变的非线性三角函数方法来控制参数对电容器进行优化配置。最后将优化配置的电容器与优化前的经济费用、网损等进行比较,结果表明优化配置后的电容器具有明显的经济性,且有效地避免了谐振的发生。

基于IVNS-ASPSO算法激增需求下第四方物流网络设计

近年来各大电商平台的不定期优惠活动导致需求激增的现象出现,激增需求下的网络设计问题成为了第四方物流(4PL)运作模式下一个新的挑战性问题。针对这一问题,基于对激增需求的刻画,建立了激增需求下4PL网络设计的数学模型。由于该问题的NPhard特性,采用自适应策略粒子群算法进行求解。并针对粒子群算法后期局部搜索能力不足,提出了迭代变邻域搜索策略,进而提出了嵌入迭代变邻域搜索的自适应策略粒子群算法,最后采用三组不同规模的算例进行仿真实验,验证了所提算法的有效性和优越性。

基于传感器阵列多目标优化的SP-QPSO算法研究

针对高维空间中搜索算法面临“种群退化”现象,且通常涉及约束优化问题。提出了一种基于改组复合体演化量子行为粒子群优化算法(SP-QPSO)用于电子鼻传感器阵列多目标优化研究方法。其中基于改组复合体演化算法(Shuffled complex evolution with PCA,SP)用于构建复合体并监测种群维数的变化。量子行为粒子群优化算法(Quantum behaved particle swarm optimization,QPSO)用于每个复合体在搜索空间的演化。同时引入自适应惩罚函数计算搜索空间的违反度,用于指导搜索空间可行区域的求解。实验结果表明SP-QPSO算法明显优于其它对比算法,达到了90.1%。而且该算法将传感器阵列的数量降至6个以下,最优阵列的整体规模更小。

激光通信系统中的非平稳信号预测模型

提出激光通信系统中非平稳信号的预测模型,有效地预测激光通信系统的非平稳信号。通过分析激光通信系统信道的损耗因素,构建激光通信系统信道传输模型,通过经验模态分解方法分解激光通信系统中非平稳信号的时间序列,构建最小二乘支持向量机预测模型,寻找预测模型最优参数,经各预测模型的非线性组合后,实现激光通信系统中的非平稳信号的预测。实验证明:该模型能在不同天气状态下有效地预测激光通信系统中的非平稳信号,且预测精度在90%左右,均方根误差均未超过0.05,有较强的应用性。

基于PCA与PSO-SVM的谐振接地系统故障选线方法

为解决谐振接地系统单相接地故障对故障初始角为零以及接地电阻为高阻的故障线路识别效果差的问题,提出一种基于主成分分析与粒子群算法优化支持向量机(PCA-PSO-SVM)的选线方法。该方法通过Matlab/Simulink对小电流接地系统进行仿真,采集瞬时零序功率数据,将数据输入PCA-PSO-SVM模型中进行训练与测试,并将测试结果与单一的支持向量机模型以及经粒子群优化后的支持向量机模型进行对比,结果表明PCA-PSO-SVM模型有着更好的选线准确度与选线效率。

基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识

将最大似然准则应用于高速旋转弹丸的气动参数辨识问题中,提出一种新的自适应混沌变异粒子群算法求解该准则下的气动参数最优解,进而得到弹丸的气动参数。该算法通过自适应调整惯性权重、利用混沌优化的思想产生初始粒子、设定早熟判别机制来判断是否陷入局部最优解,并通过粒子变异的策略使其跳出局部最优解等方法进一步优化基本粒子群算法。通过常用的测试函数对该算法进行了测试,测试结果表明:相比于基本粒子群算法,该算法具有收敛速度快、寻优精度高、应用范围广等优点。利用系统仿真的方法模拟弹丸的自由飞行数据,并利用该数据结合所提算法对弹丸的主要气动参数进行辨识,辨识结果表明:该算法可以有效辨识弹丸的气动参数,且精度高,收敛速度快,可以应用于工程实际问题。

基于粒子群优化的动力设备主动振动控制研究

文章针对动力设备振动控制,利用比例-积分-微分(PID)和线性二次型调节器(LQR)最优控制理论,并引入粒子群优化算法,分别建立了PSO-PID和PSO-LQR主动振动控制器;分别从传递函数和状态空间方程2种角度出发,建立控制模型。数值结果表明,2种主动控制器均能有效降低动力设备传递至基础的峰值力,但PSO-LQR控制器对于体系稳定时态的控制效果明显优于PSO-PID控制器。对于实际工程,需要择优选取一种最适宜方法。针对主动振动控制中存在的时滞现象,对PSO-LQR控制器进行了含时滞研究,结果表明,随着时滞增加,传递至基础的峰值力与无时滞相比大幅增加,呈发散态势。

中距空战下战斗机使用诱饵弹协同攻击策略

以战斗机携带诱饵弹进行一对一中距空战为背景,基于粒子群算法对战斗机与诱饵弹协同攻击策略进行研究。建立战斗机及诱饵弹运动模型;在分析建立诱饵弹欺骗函数及协同函数的基础上,构建了中距协同攻击目标函数;提出了一种基于粒子群算法的战斗机及诱饵弹中距协同攻击决策方法,仿真结果表明:该方法可以利用诱饵弹对载机进行掩护,提高战斗机在攻击过程中的生存力及战斗力。

用于FCC汽油辛烷值预测的非线性数学模型

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃(PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型。由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络。支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题。计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系;BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型;增加样本数量,两种方法的预测准确性皆变好;针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.167 4。

基于Copula函数的风速相关性建模及概率最优潮流分析

分布在相近区域的风电场之间的风速往往具有相关性,采用Copula函数描述多风电场间风速的联合概率分布,进而得到具有相关性的风速分布样本空间。考虑风速的随机性与相关性,应用机会约束规划理论,在满足系统安全可靠运行的前提下,以可调机组的发电成本最小化作为优化目标,建立了含风电场电力系统概率最优潮流模型,并采用一种基于随机模拟技术的粒子群优化算法求解模型。以IEEE30节点测试系统为算例,分析风速相关性和机会约束置信水平对优化结果的影响,结果验证了所提模型与算法的合理性与可行性。

基于缸体腰形孔的柱塞腔抗空化结构的优化

为从结构上找到抑制液压元件空化的方法,从理论上分析了轴向柱塞泵缸体腰形孔结构对柱塞腔自吸力的影响,并通过Fluent软件对柱塞腔空化进行仿真分析.在Kriging插值原理基础上,建立了以缸体腰形孔结构参数为自变量及柱塞气体体积分数为目标函数值的代理模型,并通过杂交粒子群算法优化代理模型,得到缸体腰形孔优化结构,为解决柱塞泵结构参数的强耦合关系问题提供了新的方法.综合以上的分析,得到能最大限度抑制柱塞腔空化的柱塞泵缸体腰形孔及配流盘节流槽结构及其参数,通过仿真分析发现该结构具有很强的对柱塞腔空化的抑制性.

突发情景下应急物资分配决策研究

研究了多个受灾点突发灾情状况下应急物资的分配问题。首先基于对不同受灾点的供需相互转化的分析,建立了随机双层规划模型,其上层模型以极小化应急物资分配费用为目标,而下层模型则描述了不同受灾点的改善状况;然后采用贝叶斯更新来描述灾情演化过程中的突变状态;最后采用粒子群算法对该随机双层规划模型进行求解,算例求解结果表明在考虑灾情信息实时更新的情况下,所作出的动态决策使得整个救灾网络的灾情改善状况更好。

基于高斯过程回归的上市股价预测模型

在新股上市价格的科学优化预测问题的研究中,由于金融数据复杂,特别是新股价格存在极强的无序性。传统股票价格预测方法只能采用线性变化规律进行准确预测,无法对非线性股票价格进行有效建模,降低股价预测精度。为了提高股票价格预测精度,提出一种高斯过程回归的新股上市价格预测模型,通过提取影响新股上市价格形成的指标因素,用其训练纳斯达克(NASDAQ)新股上市价格的历史数据,以粒子群算法优化高斯过程的超参数来预测新股上市价格。将8家公司的上市股票作为实例进行分析,预测结果表明,高斯过程回归的方法提高股票价格预测精度,能够有效地适用于新股上市价格预测。

基于改进模糊均值聚类算法的医学图像分割

为了提高医学图像分割性能,针对传统模糊聚类算法存在的缺陷,提出了一种改进模糊均值聚类算法的医学图像分割方法。首先采用粒子群算法选择模糊均值聚类算法的聚类中心,然后利用空间邻域信息设定聚类样本空间,最后采用具体的医学图像数据进行仿真实验,测试其有效性。仿真结果表明,相对于传统模糊聚类算法,本文算法不仅提高了医学图像分割精度,而且提高了医学图像分割效率。

相控阵-MIMO雷达的相位编码信号设计方法

具有良好性能的正交编码信号是相控阵-多输入多输出(multiple-input multiple-output,MIMO)雷达获得优良性能的前提。为得到对接收端噪声容忍度更高的编码信号,利用改进的离散粒子群优化(discrete particle swarm optimization,DPSO)算法,以接收端匹配滤波之后输出信号的性能为代价函数,将编码设计转化为约束优化问题,设计了可灵活编码的正交相位编码信号。新算法得到的编码信号有较低的自相关旁瓣和互相关干扰,在匹配滤波时其对噪声的抑制要好于已有算法,且能有效分离出多个目标。仿真结果验证了算法的有效性。

改进粒子群算法在供应链库存控制中的应用

针对季节性产品,设计了拥有多个供应商和零售商的二级供应链网络,其中,每个供应商都有对应的仓库且库存量是有限的.供应商和零售商的位置是已知的,零售商从供应商处购买不同的产品拥有相应的折扣.把零售商与供应商的距离设为欧氏距离.寻找最优的供应商,使库存总成本包括运输成本,库存持有成本和采购成本最小化.通过改进的粒子群优化算法和遗传算法分别对算例进行求解.最后对结果对比分析,证明了改进粒子群算法与遗传算法相比具有更好的效果.