STCACGP算法在电能质量信号重构中的应用

为了解决大数据电能质量信号重构时稀疏度自适应耗时过长和重构性能差的问题,提出了一种无需稀疏度的分段阈值对比近似共轭梯度追踪(STCACGP)重构方法。STCACGP算法通过阈值比较进行原子筛选,用近似共轭梯度计算梯度方向代替正交投影逼近原始信号,以残差比较为终止条件实现电能质量数据重构。通过实验比较选取最优阈值,比较了SAMP、SACoSaMP、SWOMP和STCACGP的重构效果和重构时间。实验结果表明,STCACGP算法重构精度和时间均优于其它算法,在压缩比取25%时,重构时间比SACoSaMP算法快了3倍,为大数据电能质量信号重构的实时性实现提供了一种思路。

基于人工蜂群算法的温差发电阵列最优重构方法

在新能源发电技术快速发展的背景下,温差发电(TEG)技术能够很好地利用新能源发电中产生的废热.然而,温度分布的变化会使得TEG阵列的输出特性恶化、发电效率降低.提出基于人工蜂群(ABC)算法的TEG阵列重构方法,在3种不同温度分布情况下,利用ABC在对称9×9和不对称10×15两种TEG阵列进行动态重构.将所提算法与遗传算法、粒子群优化算法和秃鹰搜索优化算法3种启发式算法作对比,并给出由ABC重构后的TEG阵列温度分布图.结果表明:ABC能够提高TEG阵列的输出功率,输出功率-电压曲线均趋向呈现出单个峰值.此外,利用基于RTLAB平台上的硬件在环实验验证了硬件可行性.

配电网多目标优化重构模型及多目标烟花求解算法研究

针对配电网优化重构问题,以最小化有功网损、最小化电压偏移度以及最小化负荷平衡度作为目标函数建立配电网多目标优化重构模型。提出一种多策略混合的改进烟花算法(Improved fireworks algorithm,IMFWA)进行求解。算法采用不重复环路编码,压缩解空间,提高搜索效率;采用Sobol序列生成初始种群,增强种群的多样性和遍历性;利用优化烟花和随机烟花进行位移操作,保持种群多样性;采用高斯与柯西的混合变异方式,提高寻优效率;利用Pareto支配关系以及适应度与拥挤度函数组成的综合指标对最优解集进行排列选取,提高收敛速度。对IEEE-33节点系统进行仿真试验,验证了所提出的方法是有效和可行的,试验结果表明优化重构方案能够有效改善配电网的运行指标,并根据不同实际情况为电网人员提供重构方案。

形状基视觉传达约束下三维图像重构算法改进

由于忽略了图像以真实性为准则的视觉传达需求,导致以形状基重构为主的相关方法效果不佳。为此,从视觉约束性出发,改进三维图像重构算法。分割、筛选所采集的目标点云数据,构建数据集。利用局部空间差分算法求解各像素值,并获得形状基约束性的像素值差分系数填充像素,以赋予各点云数据视觉传达约束性。以基于改进量子粒子群的k-means聚类算法和基于数字特征的二型熵模糊C均值聚类算法为基本算法,通过聚类目标区域和背景区域的数据,转换实际目标坐标系和重构图像坐标系,完成不同尺度、不同角度的三维图像重构。结果表明,所提方法重构的图像更贴合目标建筑的实际信息,符合图像的视觉传达需求,且峰值信噪比始终高于85 dB,均方误差均低于70 pixel,重构效果优越性显著。

基于IRSO算法的含分布式电源配电网重构

在智能电网的背景下,为了减少含分布式电源(distributed generation,DG)配电网的网络损耗,同时提高电网安全性,提出“单条支路安全系数”“最小安全系数”“平均安全系数”三个安全性评价指标,并建立以网损、“平均安全系数”“最小安全系数”为目标的配电网重构数学模型,采用改进鼠群优化算法进行求解。针对传统鼠群算法随机初始种群的迭代次数较多问题,采用有序环网配合启发式规则在初始化阶段生成一个初始解;针对传统算法在运行过程中产生众多无效变异的问题,提出“映射规则”,最大化调用鼠群变异规则;为了避免最后结果未优化到最优,提出“最优个体微调策略”。采用IEEE33节点电力系统和Taipower84节点电力系统进行对比验证分析,证明了该文方法的通用性和有效性。

基于改进大猩猩算法的主动配电网动态重构

针对传统算法无法妥善应对含分布式电源(DG)和电动汽车(EV)的主动配电网重构问题,提出了一种改进的大猩猩部队优化算法。首先使用“无重复”编码策略对配电网进行编码,降低不可行性解的产生,其次对大猩猩部队优化算法使用Circle混沌映射,初始化种群,增加种群多样性,并且引入大猩猩自适应变异算子,来增强算法对搜索空间中新位置搜索能力,最后通过使用镜头对位学习和自适应β-爬坡策略,增加算法容错性,避免算法陷入局部最优。通过仿真分析可知,所提改进算法与其他智能算法相比,重构效果更为理想,具有寻优精度高和收敛迭代次数小的优势,其全局寻优率可达到100%,验证了所提模型的有效性和优越性。

基于遗传算法的三相四芯电缆相电流重构方法

目前多芯电缆电流重构方法受限于电缆规格或传感器阵列与线芯需按特定规则摆放导致其在实际工程应用中较为困难。本文提出基于遗传算法进行三相四芯电力电缆线芯分布相关量的求解,进而得到任意线芯分布半径、任意线芯与传感器阵列角度时磁传感器阵列各单元的输出量与各线芯电流之间的耦合系数矩阵的方法,用于重构四芯电缆中各线芯电流。通过仿真验证了算法的可行性。为了能有效降低由于干扰等因素造成的误差,提出了一种先验求解模型以提高解的质量。随后进行了传感单元阵列电路拓扑的设计,使用设计的原型在搭建的实验平台进行了测试,实验结果表明,在三相平衡情况下,测量的三相电流最大误差为2.42%,最大相位误差为2.77°,在三相不平衡情况下,测量的三相电流最大误差为2.52%,最大相位误差为4.17°。实验结果验证了方法的可行性与有效性。

基于改进烟花算法的含高比例新能源的交直流配电网动态重构

高比例新能源及多元负荷的不断接入使配电网呈现出动态、交直流共存的运行特性,这给配电网重构提出了新的挑战。计及高比例新能源接入带来的消纳问题建立了以新能源日消纳量最大、重构综合成本最低以及净负荷均方差最小为目标的交直流配电网动态重构多目标模型。结合配电网的拓扑结构和运行技术需求,提出了候选解集和改进烟花算法(improved fireworks algorithm,IFWA)相结合的方法对所建多目标模型进行优化求解。候选解集基于网络拓扑和运行技术约束而生成,其目的是为了消除优化过程中大量不可行解,提高搜索效率。在此基础上,通过改进烟花算法的爆炸和变异算子提高了多目标优化寻优的速度。采用改进IEEE 69节点系统进行仿真比较分析。结果表明所建模型可以有效协调新能源消纳量和重构成本,所提优化求解策略与改进前相比,运行效率得到明显提升。

中心不重合径向剪切干涉迭代波前重构算法仿真分析

径向剪切干涉测量时经常会出现扩束与缩束光波中心不重合情况,传统波前重构算法会导致较大重构误差,其应用受到挑战。推导了中心不重合径向剪切干涉迭代波前重构算法,仿真分析了组合像差、单阶Zernike像差、中心偏移量大小及其计算误差对重构算法的影响。结果表明,在剪切光波中心不重合情况下,该文算法能够准确进行波前重构,重构效果显著优于传统算法;在论文仿真条件下,随着中心偏移量的增大,本文算法重构波面均方根误差(RMS)不高于0.05λ,而传统算法重构误差RMS值达1.6λ且与偏移量近似线性相关。

基于遗传算法的太赫兹多功能可重构狄拉克半金属编码超表面

多功能可重构超表面能够满足对器件小型化、集成化、适用于多场景应用的需求,是近几年的研究热点之一.本文采用狄拉克半金属作为可控材料,提出了一种太赫兹多功能可重构编码超表面.首先设计了一种顶部由狄拉克半金属材料构成的“回”字形结构的三层太赫兹编码超表面单元,利用外加偏置电压动态调节狄拉克半金属介电常数,使超表面单元在1.95 THz处实现2 bit编码.然后基于设计的编码超表面单元结构,利用遗传算法对编码超表面的阵列排布进行逆向设计,从而实现波束赋形、涡旋波束产生及雷达散射截面缩减等功能.研究结果表明,针对波束赋形,在1.95 THz处可以实现俯仰角在40°范围内、方位角在360°范围内任意角度的单波束与多波束反射,并且多波束中的各个波束的俯仰角和方位角都可以单独调控,提高了对太赫兹波束调控的灵活性;针对涡旋波束,可以产生拓扑电荷数为l=±1,l=±2的单涡旋波束,并且可以实现俯仰角在30°范围内、方位角在360°范围内任意角度的单涡旋波束与多涡旋波束调控;此外,在1.72—2.51 THz范围内可以实现大于10 dB的雷达散射截面缩减.因此,提出的狄拉克半金属编码超表面可以实现多种功能,且性能优良,在通信网络、天线和雷达系统等领域具有一定的应用前景.

基于改进遗传算法的可重构制造系统快速配置

针对可重构制造系统的快速配置提出了一种多目标优化方法,考虑3个优化目标:设备负载均衡度、产品生产时间以及产品生产成本。在第三代多目标遗传算法(NSGA-Ⅲ)的基础上结合邻域搜索构建了多目标遗传-邻域搜索算法(NSGA-NS),以从配置解空间中寻找一系列前沿解。通过一个液压阀阀块的制造系统配置案例对算法进行验证,并与归档式多目标模拟退火算法、多目标粒子群算法以及一种改进的多目标粒子群算法进行了比较,结果表明,NSGA-NS与NSGA-Ⅲ在前沿解质量上显著优于其他算法,NSGA-NS在保持了NSGA-Ⅲ的全局寻优性能的同时显著提高了收敛速度和计算速度。

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means,IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization,IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization,HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。

基于新粒子群算法的光伏重构系统及其在纯电动汽车中的应用仿真

提出了一种新粒子群算法与光伏重构系统结合的电能补充构型,以解决纯电动汽车搭载光伏发电系统在动态工况下光伏系统的最大功率点追踪(MPPT)及功率输出不稳定问题,同时通过建立仿真模型分析其功率输出特性,探讨其搭载光伏发电系统的应用方法及功率输出方面的优势.

基于加权多新息卡尔曼滤波算法的响应重构

针对卡尔曼滤波算法容易受到噪声的影响,使得响应重构精度降低甚至发散的问题,提出一种基于加权多新息卡尔曼滤波算法的响应重构方法。首先在融合多新息理论和卡尔曼滤波算法的基础上,引入加权矩阵动态调整新息矩阵的权重以降低历史干扰数据的累积影响。随后将该方法用于响应重构中,使用有限的加速度响应对其余未知位置处的加速度、速度以及位移响应进行重构。最后分别对起重机桁架和简支梁进行数值模拟和试验验证,结果表明与卡尔曼滤波算法和多新息卡尔曼滤波算法的响应重构方法相比,所提方法的滤波稳定性和估计精度得到改善,其能在运行时间增加很小的情况下有更高的重构精度。

基于混合粒子群算法的配电网故障重构研究

为了实现含分布式电源的配电网络故障时的恢复供电,在分析粒子群算法基本原理与配电网络结构模型的基础上,提出一种基于混沌映射改进的自适应混合粒子群算法。将压缩因子与自适应权重引入粒子群算法,并借鉴遗传算法中的杂交与自然选择思想,在每次迭代中根据杂交率选取一定粒子进行两两杂交,把每次迭代结果中优秀的一半替换差的一半,并对适应度值良好的粒子进行Logistic混沌优化。接入分布式电源的IEEE 33节点算例,模拟不同算法进行故障重构。仿真测试结果体现出了改进算法具有更快的收敛速度与更好的稳定性。

基于多元宇宙融合算法的船舶电网重构研究

本文提出了一种基于改进的多元宇宙(Multi-Verses Optimization, MVO)和优劣距离法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)融合算法的船舶电力系统故障重构方法。在多元宇宙算法基础上引入变异操作,融合TOPSIS算法,对多个宇宙的适应度进行评价,选出最优个体。通过实例分析和仿真验证表明,所提出的算法不易陷入局部最优,收敛速度快,在求解船舶电力系统故障重构问题上具有较强的优越性。

融通·激活·重构:大概念统领的算法单元教学策略探索——以“排序算法”为例

本文以高中信息技术“排序算法”为例,探索大概念统领下单元教学的有效策略,通过寻找单元内容的融通点,将排序算法与学生已有知识和生活经验融通,通过问题链和活动串激活学生思维,引导学生自主探究与合作学习,通过重构知识体系,培养了学生的批判性思维和创造性思维,提高了学生解决问题的能力。

基于改进平滑L0范数的图像重构算法

针对图像重构问题,文章提出一种基于改进平滑L0范数(SL0)稀疏信号重构算法。首先,选用负指数函数作为平滑函数趋近L0范数,将图像稀疏重构问题转化为平滑函数的优化求解。通过调整控制参数,使得负指数函数趋近L0范数。再通过循环迭代与梯度投影方法,求出最优解。实验结果表明,该算法较其他传统算法对图像重构具有优势。

基于改进河马优化算法的含分布式电源配电网重构

为有效解决分布式电源并入配电网的优化重构问题,达到降低系统网络损耗的目的,构建了以有功网损最小为目标的含分布式电源配电网优化重构模型,并采用改进河马优化算法进行求解。为防止算法陷入局部最优,引入高斯映射以及改进莱维飞行策略对河马优化算法进行改进,运用IEEE 33节点系统仿真计算,检验含分布式电源配电网重构模型求解效率。通过与灰狼优化算法及粒子群优化算法的结果比对,改进河马优化算法以最少迭代次数求得最优解,能够有效提升节点电压,并显著降低网损。

人工智能算法时代的电影理论——从电影的“主体”重构与“主体论”理论扩容谈起

人工智能算法时代,作为电影“生产-消费”端的主体即导演与受众之主体身份、主体生存都发现了变化,这也相应地冲击了与主体相关的“作者论”“受众中心论”等电影理论,需对主体进行重申,且对其理论进行扩容与创新。由此,本文试图探索人工智能算法时代的电影主体性问题,以发现主体身份之变为起点,深入思考其身份之变背后的观念之变与审美之变,以期为人工智能算法时代的电影主体论及主体研究提供参考。