基于TDOA和TS-PSO的变压器特高频局部放电空间定位方法

局部放电(partialdischarge,PD)诊断与定位有助于在老化早期发现高压电力设备故障位置,对制定检修方案具有重要参考价值。目前常利用多个特高频(ultra high frequency,UHF)传感器组成传感器阵列,并定义三维坐标系对变压器进行局部放电空间定位。该文研究基于能量积累法捕捉信号起始脉冲和基于到达时间差(timedifferenceofarrival,TDOA)算法实现定位的原理,构建以局部放电位置点坐标为未知数的非线性规划问题,并利用禁忌搜索-粒子群优化(tabu search particle swarm optimization,TS-PSO)算法进行最优解求解。该算法可以避免非线性方程组求解时不收敛、解不唯一以及最小二乘法对初值要求高等问题,既保证了求解的速度,又能保证解的唯一性与准确性。实验室测试和现场测试验证了定位结果的有效性。

基于MEM和TS-PSO的输电线路单点电晕放电定位方法研究

随着输电线路电压等级的提高,其电晕放电造成的电磁环境问题尤为突出。为了获得输电线路电晕放电点的位置,本研究利用4个特高频传感器组成阵列,通过时差定位原理进行定位。研究了基于能量最小值法(Minimum Energy Method, MEM)对检测信号到达时刻的准确计算,构建了将定位方程组转换为求解放电坐标的非线性规划问题,提出了利用禁忌搜索—粒子群优化(Tabu Search Particle Swarm Optimization, TS-PSO)算法进行求解,解决了传统时差定位非线性方程组求解算法不收敛、不唯一和要求初值的问题。试验结果表明:本研究算法定位结果准确,算法求解速度提高45.7%,定位精度相比传统算法提高67%。

主动配电网局部自治区域置信供蓄能力计算

主动配电网局部自治区域供蓄能力是局部自治区域向外部提供和吸收功率的最大限额。置信供蓄能力作为供蓄能力的随机变量,对于配电网的运行状态有重要影响。本文提出一种计算主动配电网局部自治区域置信供蓄能力的算法。首先通过两点估计法表示出置信供蓄能力的概率密度函数,然后对主动配电网进行规划,在一定置信水平下,利用禁忌搜索-粒子群优化(TS-PSO)算法求出储能系统的额定功率和容量,得到置信供蓄能力的区间。最后通过算例分析,证明了所提算法的有效性。

动态不确定性-药品物流多中心选址优化研究

本文以国家药品带量集中采购为背景。为提高药品配送安全和时效,降低药品配送成本。基于大数据思想,根据备选药品物流中心所在地近20年遭受自然灾害的数据,构建备选药品物流中心未来遭受自然灾害的预测模型,在综合考虑药品配送安全性、配送成本、环保成本、时间满意度和实时路况下,构建动态不确定性-药品物流多中心选址-路径优化模型。根据所研究问题的特点,为提高算法的效能,本文充分利用模糊C均值聚类算法(FCM),粒子群算法(PSO)和禁忌搜索算法(TS)等各自优点,设计了PSO-FCM-TS混合算法。最后,根据国家药品集中带量采购招标结果数据,对模型和算法进行了验证、对比和分析,研究结论为药品物流企业决策提供了科学依据。

改进粒子群算法在三维航路规划中的应用

为确保无人机安全地飞到任务执行地,对无人机航路规划在三维空间中的航路规划问题进行研究,并提出了基于禁忌搜索的自适应粒子群算法来解决此问题。粒子群算法有其快速性、随机性和收敛性。首先利用粒子群算法全空间地搜索最优解可能存在的区域,当算法接近最优解且粒子群算法过变慢时,采用禁忌搜索,利用其较强的"爬山"能力,克服PSO可能出现的早熟现象和局部收敛现象。

基于禁忌搜索的混合粒子群优化算法

针对粒子群优化算法(PSO)易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的"爬山"能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索(TS)的混合粒子群优化算法(TS-PSO),并选用两个函数进行测试.结果表明,TS-PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解.

云计算环境下基于微粒群的虚拟机任务调度算法

为提高云计算环境中虚拟机任务调度的执行效率和充分发挥云计算技术优势，提出一种基于微粒群的虚拟机任务调度算法——PSOTS算法；PSOTS算法以完成任务最短时间为目标，首先通过设计一种新型的编码方式使得连续的微粒群算法适用于离散的虚拟机任务调度问题；然后引入禁忌搜索算法增强种群的多样性以避免微粒因早熟而陷于局部最优的问题；实验证明，在50～500个任务的情况下，PSOTS算法调度效率优于Min—min算法和遗传算法（GA），有效缩短任务执行时间和解决云环境下虚拟机任务调度问题。

改进粒子群优化算法在TDOA定位中的应用

针对TDOA定位估计中的非线性最优化问题,提出了一种基于改进粒子群优化的TDOA定位算法。该算法在自适应粒子群优化算法的基础上,引入禁忌搜索策略,有效地解决了粒子群优化算法容易陷入局部最优的问题,使算法快速收敛到全局最优解。仿真结果表明:该算法性能稳定,定位精度高。

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。

基于禁忌搜索与微粒群优化算法的混合优化策略算法在目标分配问题上的应用

目标分配是地面防空作战指挥的关键环节。给出问题模型,并提出一种禁忌搜索与改进微粒群算法的混合优化策略用于解决该问题。仿真结果表明,与其它几种智能优化算法相比,该混合优化策略在解决目标分配问题时具有优良的优化性能和时间性能,在问题规模较大时表现更为突出。

基于自适应改进粒子群优化的数据离散化算法

针对经典粗糙集只能处理离散型属性的问题,提出一种基于自适应混合粒子群优化（AHPSO）的离散化算法。首先,引入自适应调整策略,以克服粒子群易陷入局部解的缺点,提高了粒子群全局寻优能力;然后对每一代全局最优粒子进行禁忌搜索（TS）,得到当代最佳全局最优粒子,增强了粒子群局部搜索能力;最后,在保持决策表分类能力不变的情况下,将属性离散化分割点初始化为粒子群体,通过粒子间的相互作用得到最佳的离散化分割点。使用WEKA平台上的J48决策树分类方法,与基于属性重要度、信息熵的离散化算法相比,该算法的分类精度提升了10%-20%;与基于小生境离散粒子群优化（NDPSO）、参数线性递减粒子群的离散化算法相比,该算法的分类精度提升了2%-5%。实验结果表明,该算法显著地提高了J48决策树的分类学习精度,在对数据离散化时也有较好的性能。

蛋白质折叠预测的禁忌搜索粒子群算法

针对PSO算法晚期收敛速度慢、求解精度差的缺点,提出了一种改进优化算法——将粒子群算法(Particle Swarm Optimization,PSO)与禁忌搜索算法(Tabu Search,TS)结合起来解决基于三维AB非晶格模型的蛋白质折叠预测问题。TS算法的引入提高了粒子群收敛后期的精度,粒子变异机制增强了粒子跳出局部极小值的能力。真实数据实验表明,该算法计算出的蛋白质序列能量值相比其他算法有更高的精确度,能够更好地模拟蛋白质构象,是分析蛋白质结构的一种有效方法。

结合禁忌搜索的改进粒子群优化算法

为提高粒子群优化算法的全局搜索和局部开采能力,提出一种结合禁忌搜索(TS)的改进粒子群优化算法。在搜索过程中,以线性递增的概率对最优粒子实施随机扰动,在全局搜索收敛到一定程度后,引入TS算法进行局部搜索,使算法快速收敛到全局最优解。分析结果表明,该算法收敛精度较高,能有效克服早熟收敛问题。

基于改进回声状态神经网络的个股股价预测

当今社会股价预测是研究的热门问题,人们越来越关注对股价预测模型的建立,提高股价预测的精度对股票投资者有实际的应用价值.目前股价的预测方法层出不穷,其中较为典型的有传统的技术分析和ARMA模型等.为了提升预测的精度,同时考虑到股市的非线性,本文提出一种改进的回声状态神经网络的个股股价预测模型,针对回声状态神经网络(ESN)泛化能力不强的特点,应用改进的粒子群算法(GTPSO)对回声状态神经网络(ESN)的输出连接权进行搜索,最终得到最优解,即ESN的最优输出连接权,GTPSO算法概括来说就是在传统粒子群算法(PSO)的基础上引入禁忌搜索算法(TS)中禁忌的思想和遗传算法(GA)中变异的思想,从而降低PSO在学习过程中陷入局部最小值的状况,同时提高PSO搜寻全局的能力.将预测模型用于个股每日收盘价预测中,使用每10天的收盘价预测第11天的收盘价.通过实验验证了模型的正确性,实验证实,该模型拥有较好的预测效果.

集中式无线传感器网络TDMA优化调度方案

针对无线传感器网络周期性全局快速数据收集应用场合,提出了一种新的基于粒子群优化和禁忌搜索的混合算法,以对这类网络进行多指标TDMA优化调度。该算法采用基于熵权的逼近理想解的排序法对算法结果进行客观评价和择优。当网络数据收集任务量一定时,应用该算法,只需要较少的时隙数和能耗便可完成任务。仿真结果证实,算法搜索效率高,能改善网络TDMA调度效果,且比已经提出的一些TDMA调度算法性能优越。

基于禁忌粒子群的多能源热电联供优化方法研究

为了对混合能源热电联供系统的多目标优化进行求解,采用模糊几何加权将多目标问题转化为单目标问题,充分考虑到混合能源热电联供系统优化算法存在的计算冗余量大、时间长等问题,提出将禁忌粒子群算法应用于混合能源热电联供系统优化求解。通过构造优化过程的禁忌表,阻止搜索过程中出现循环和避免陷入局部最优,进而提高算法的收敛速度和收敛精度。最后以运行费用、环境惩罚费用为子目标函数进行仿真计算,仿真结果表明该算法不仅能够获得最优解,而且大大降低优化求解时间,提高搜索速度。

变化环境下汽轮机总装逆调度技术研究

汽轮机总装有严格的交货期,但装配过程中存在物料配送延迟和返工作业等干扰因素,导致原有装配计划无法执行。若频繁地调整装配作业顺序,则会加剧装配作业混乱,降低效率。针对汽轮机总装过程异常干扰影响装配作业计划问题,分析了工人和行车等约束,在满足交货期前提下,以最小化工人成本为目标,以装配工人分配和加班计划作为调整参数,建立多项目汽轮机总装逆调度模型。在此基础上,提出基于粒子群的装配工人动态分配和基于禁忌搜索的加班动态配置相融合的逆调度算法。通过案例测试,同时考虑工人分配与加班计划能够最大程度避免项目延期,同时降低装配成本。

基于PSO和MSR的微弱信号检测方法研究

针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法。首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输出信噪比作为适应度函数,使用粒子群算法(PSO)优化了多稳态系统结构参数;采用全局最优点距离的方案,对惯性权重进行了自适应调整,将粒子群算法改善为自适应权重粒子群算法;最后,设置了混有高强度高斯噪声的正弦小信号仿真试验,在此基础上,使用该方法完成了对机械系统微弱故障诊断实验。研究结果表明:该方法可以准确地突显出161.1 Hz故障频率成分,同时能够得到描述实际机械系统运转状态的倍频成分,具有准确的微弱信号检测能力。

MPPT Design Using PSO Technique for Photovoltaic System Control Comparing to Fuzzy Logic and P&O Controllers

The Maximum Power Point Tracker (MPPT) is the optimum operating point of a photovoltaic module. It plays a very important role to obtain the maximum power of a solar panel as it allows an optimal use of a photovoltaic system, regardless of irradiation and temperature variations. In this research, we present a novel technique to improve the control’s performances optimization of the system consisting of a photovoltaic panel, a buck converter and a load. Simulations of different parts of the system are developed under Matlab/Simulink, thus allowing a comparison between the performances of the three studied controllers: “Fuzzy TS”, “P&O” and “PSO”. The three algorithms of MPPT associated with these techniques are tested in different meteorological conditions. The obtained results, in different operating conditions, reveal a clear improvement of controlling performances of MPPT of a photovoltaic system when the PSO tracking technique is used.

结合禁忌搜索思想的粒子群算法在乌江渡水电站厂内经济运行中的应用研究

本文针对水电站厂内经济运行中机组组合优化问题的特点,提出了一种结合禁忌搜索思想的粒子群算法(Particle Swarm Optimization,PSO)。该方法采用离散二进制粒子群算法解决机组运行状态组合问题,用标准粒子群算法解决既定运行机组间负荷优化分配问题,并将两个问题结合在一起并行优化,引入禁忌搜索算法(tabular Search,TS)的记忆功能和藐视准则以提高粒子多样性,扩大搜索空间,克服PSO算法可能出现的早熟现象。以乌江渡水电站为例进行优化计算,并与PSO算法的计算结果比较,表明该方法可以有效避免早熟现象,具有较高的全局收敛能力,同时也具有较高的全局寻优能力。