基于改进蚁群算法的自动落布车路径规划

针对自动落布车在使用蚁群算法(ant colony algorithm,ACA)进行路径规划过程中出现的收敛次数多、收敛速度较慢且容易陷入局部最优的问题,提出一种改进蚁群算法(improved ant colony algorithm,IACA)。首先对信息素挥发系数ρ进行自适应调整,令其做动态变化,克服算法的收敛次数过多,加快算法收敛速度,减少算法的收敛时间;其次引入细菌觅食算法中趋化操作的趋化步长因子对信息素更新公式进行改进,削减算法迭代的后期信息素浓度值,使算法在后期跳出局部最优值,提高算法全局搜索能力。利用MATLAB将改进后的算法在3种不同的栅格环境中进行仿真验证。结果表明:相比传统蚁群算法,改进后的算法收敛次数减少81.1%,最小路径长度减少6.3%,收敛时间减少20.7%。最后搭建ROS小车实验平台,利用ROS机器人系统对改进蚁群算法在模拟的织布车间环境中进行实验验证。结果表明:对比传统蚁群算法,改进蚁群算法在寻优时间上减少了8.6%。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

求解路径规划问题的细菌觅食——蚁群算法

随着科技的迅速发展,蚁群算法的应用范围越来越广泛,其路径规划的速度以及路线准确度对算法要求越来越高。目前已有的蚁群算法所拥有的收敛性慢容易陷入局部最优问题,为了提高算法的准确度与速度,通过引用细菌觅食算法中的复制与趋向对其进行改进,提高此算法以期提高蚁群算法的效率及其准确率,优化全局搜索能力,并满足多种约束条件下的需求。实验结果表明:细菌觅食算法能够有效地解决一些蚁群算法上的缺陷,提高了蚁群算法的路径规划及其寻优能力且优于其他算法对蚁群算法的改进,证实了改进后的蚁群算法适应多种条件,路径求解的精度明显优于之前未改进的算法。

基于暂态波形相似度的特高压输电线路故障定位技术

为提升输电线路故障定位精度,提出基于暂态波形相似度的特高压输电线路故障定位技术。根据输电线路正反向差电流与故障点电流的关联关系,采用Pearson关联系数分析故障数据正反向差电流波形细节处的相似度,构建故障测距函数,结合细菌觅食优化算法及改进蚁群算法优化故障测距函数,求解行波流经故障位置两侧的时间差,通过计算输电线路端点到故障点的距离,实现特高压输电线路故障定位。实验结果表明:该技术可实现对输电线路各位置、各类型故障的精准定位,且受过渡电阻、噪声的影响较小。

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。

基于改进细菌群体趋药性算法的无功优化

基于细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法提出变速菌群趋药性(Gear Bacterial Colony Chemotaxis,GBCC)算法,将其应用于电力系统无功优化。GBCC算法引入带有权重系数的变速公式,使得GBCC算法前期能够较快地收敛于几个最优解的周围,后期能够在最优解周围进行细致搜索,克服了BCC算法易于收敛于局部最优解的缺点。建立基于GBCC算法的无功优化数学模型,给出GBCC算法的具体步骤。通过对IEEE30节点算例的测试,得到GBCC算法在无功优化问题上的收敛速度和优化效果。

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性(BCC——bacterial colcony chemotaxis)优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE30,IEEE57,IEEE118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略。在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机制加快算法收敛,通过网络拓扑搜索判断负荷节点信息并计算适应值。算例分析表明,所述方法可以显著提高算法性能,快速有效地得到抢修和恢复策略解集。

考虑环境成本和需求侧管理项目的电源规划模型

作为电力行业污染气体排放的源头,合理的电源结构对环境的影响至关重要。为减少污染气体的排放,将环境成本和需求侧管理(demand side management,DSM)项目引入目标函数中,提出了考虑环境成本和DSM项目的电源规划模型。此外,还将电力系统可靠性约束引入该规划模型中。采用离散细菌群体趋药性(discrete bacterial colony chemotaxis,DBCC)算法对所建模型进行求解,得到了不同可靠性约束条件下系统的投建成本、缺电成本以及DSM项目成本,算例结果验证了所建模型及算法的可行性。

细菌菌落优化算法

根据细菌菌落生长演化的基本规律,提出一种新的细菌菌落优化算法.首先,依据细菌生长繁殖规律,制定符合算法需要的个体进化机制.其次根据细菌在培养液中的觅食行为,建立算法中个体泳动、翻滚、停留等运动方式.最后,借鉴菌落中细菌信息交互方式,建立个体信息共享机制.另外,该算法提供了一种新的结束方式,即在没有任何迭代次数或精度条件的前提下,算法会随着菌落的消失而自然结束,并且可以保持一定的精度.通过与两类PSO算法比较的仿真实验验证了细菌菌落优化算法的效果,通过仿真实验验证了细菌菌落优化算法自然结束过程.

基于微分进化和混沌迁移的细菌群体趋药性算法

细菌群体趋药性(BCC)算法是一种新的群体智能优化算法.本文研究了BCC算法中群体控制参数对算法性能的影响,并提出算法应用的参数控制策略.标准的BCC算法存在易于陷入局部极值的缺点,因此新算法中采用了以下改进措施,自适应调整感知范围、当细菌确定下一步位置时增加微分进化的待选个体和采用混沌迁移机制,改进后的算法增强了跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高。

可再生能源激励制度下的低碳经济电源规划

可再生能源发电技术的应用会对CO2减排产生积极作用,然而由于其不够成熟,因此出现高投资成本和低投资回报率的问题。为鼓励可再生能源发电技术的发展,电力行业提出了多种激励措施。将绿色证书交易机制和碳交易机制引入到电源规划模型中,考虑规划期内系统收益、投资成本以及运行成本,建立了以规划期内系统净收益最大为目标的低碳经济电源规划模型,在传统约束条件的基础上,增加了可再生能源配额、出售或购买绿色证书数量和碳交易量等约束条件。利用离散细菌群体趋药性算法(discrete bacterial colony chemotaxis algorithm,DBCC)进行优化求解,对低碳经济电源规划与传统电源规划优化结果进行了对比分析,并在不同碳税水平、不同碳排放限额、不同可再生能源配额比例3种情况下进行了灵敏度分析。算例结果验证了上述模型和算法的合理性。

RBF神经网络的混合结构优化算法

本文改进了递归正交最小二乘(ROLS)算法的停止条件,并用改进的ROLS算法优选RBF神经网络中隐单元的个数;借用细菌群体趋药性(bacterial colony chemotaxis,BCC)算法的思想来确定RBF神经网络隐层神经元的控制参数;把改进的ROLS算法和BCC算法相结合(ROLS-BCC算法),来全结构优化RBF神经网络,使RBF网络不但可以得到合适的结构,同时也可以得到合适的控制参数。实验结果表明,本文算法的优化效率高,优化后RBFNN的结构小,并且提高了RBFNN的泛化能力。

考虑需求响应虚拟机组和碳交易的含风电电力系统优化调度

在智能电网和低碳电力的背景下,提出一种考虑需求响应虚拟机组和碳交易的含风电电力系统优化调度模型。首先,将需求侧资源分为可调度资源和不可调度资源,在可调度资源中分别建立了价格需求响应虚拟机组和激励需求响应虚拟机组模型,并分析了两种虚拟机组的运行特点;其次,在优化调度模型中引入碳交易,并提出系统碳减排目标的概念及阶梯型碳排放权价格,分析其对碳排放量的制约情况。在此基础上,引入功率平衡约束、机组出力及爬坡约束、虚拟机组运行约束等,建立了以碳交易成本、火电机组发电成本和虚拟机组运行成本为目标的新型低碳经济调度模型,采用细菌群体趋药性(BCC)算法对模型进行求解。通过仿真算例对不同场景下系统的风电消纳情况和系统的综合运行成本进行了分析。算例结果验证了模型及求解方法的可行性及优越性。

群智能算法的理论及应用综述

群智能是由自然或人造的分散自组织系统所表现出来的集体智能.群智能包含一组简单的个体,其中个体与个体、个体与环境之间存在局部交互行为.虽然个体遵循非常简单的规则,但是微观的交互最终还是导致了宏观的智能行为.在本文中,我们对典型群智能方法的起源、发展、理论、技术、应用等做了深入的研究,包括了蚁群优化、粒子群优化、人工蜂群、细菌觅食优化、萤火虫共五类算法.文末提出群智能发展的六个方向.

基于碳交易的含燃气机组的低碳电源规划

在低碳经济背景下,引入碳交易和发展低碳能源发电成为实现电力系统低碳化发展的重要手段。由于燃气发电具有效率高、碳排放量低、调峰能力强等优点,因此将燃气机组加入到规划方案中,建立基于碳交易的低碳电源规划模型。模型以系统综合成本最小为目标,成本中包含投资运行成本和碳交易成本,同时考虑天然气供应约束、碳交易量约束等约束条件。采用离散细菌群体趋药性算法对模型进行求解,通过模型对比和灵敏性分析得出燃气机组和碳交易机制的加入可优化电源结构,促进低碳机组的投建,实现电力系统低碳减排的结论,验证了模型的有效性。

考虑柔性负荷响应的含风电场电力系统多目标经济调度

根据模糊随机理论对风电场功率预测误差和负荷预测误差进行模糊处理,并建立旋转备用模糊机会条件,将其转化为清晰等价类。在碳交易机制下考虑柔性负荷响应对电力系统经济调度的影响,在目标函数中引入柔性负荷响应的非线性成本和碳排放补偿成本,建立了碳交易收益最大和综合发电成本最低的多目标模型,并增加了柔性负荷约束条件。采用离散细菌群体趋药性算法对模型进行处理,以基于偏小型满意度的折中策略求解多目标函数最优解,并通过4种调度模型的对比验证了该模型的可行性。

求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.

考虑大用户直购电的动态环境经济调度

动态环境经济调度在环境经济调度的基础上考虑发电机组的爬坡约束,增强了调度时段内各时段间机组出力的强耦合约束,如何有效地解决此类问题至关重要。另外,大用户直购电如何影响电网动态环境经济运行调度也具有一定研究价值。为此,对考虑大用户直购电的动态环境经济调度问题进行建模,并采用内点法多约束处理策略改进多目标细菌群体趋药性(MOBCC)优化算法进行求解,旨在从系统发电成本的角度研究大用户直购电对经济调度的影响。最后,通过仿真验证明所提方法的有效性,并对仿真结果进行分析总结,说明所采用方法对大用户直购电策略、电网调度影响分析具有一定指导意义。

计及用户侧响应的含风电电力系统清洁经济调度

由于风电功率波动性大,直接接入电网会给电网安全运行带来很大的风险。为了提高风电并网后系统运行的灵活性,将用户侧响应和系统的旋转备用融入到含风电的电力系统调度计划中。基于准实时电价建立了负荷模型,将柔性负荷作为系统的备用调峰,并考虑了火电机组的排污特性,建立了相应的模型。首先用优先顺序法确定各个时段机组的状态组合,再采用改进的细菌群体趋药性算法对模型进行优化求解。最后,通过一个含风电场的10机系统对模型进行仿真,结果表明所建立的模型具有一定的合理性。