基于天牛须种群算法的整周模糊度解算算法

如何快速、准确地固定整周模糊度是载波相位测量中的一个关键问题。为了提高整周模糊度搜索速率,提出了一种基于天牛须种群算法(beetle antennae colony search, BACS)的整周模糊度解算算法。通过与BAS算法、BAS-Nadam算法、LAMBDA算法以及MLAMBDA算法进行解算速率、稳定性的对比实验,在三维模糊度解算时,BACS算法在与LAMBDA和MLAMBDA算法解算成功率相当的情况下,能利用更少的时间搜索到模糊度最优解。为了验证BACS算法在高维模糊度解算以及工程解算情况下是否适用,进行了高维模糊度解算的实验以及单频单GPS系统下BACS算法的应用实验。分析及实验表明,BACS算法能很好保证高维模糊度解算的实时性和鲁棒性,对于12维模糊度解算,平均解算时间0.068 s,解算成功率为92%,对于低维模糊度解算,解算速率更快,解算成功率更高。在单频单GPS系统工程解算中,x、y、z方向定位精度分别为±0.008、±0.01、±0.01 m,能达到厘米级精度定位。

基于天牛群搜索算法的配电网故障定位研究

随着不断扩大的配电网规模,其拓扑结构日趋繁杂,使得配电网故障定位的问题越来越复杂,同时也对故障定位技术有了更高的要求。对于传统人工智能算法的不足,引入一种基于天牛群搜索算法(BCAS)的配电网故障定位方案,使得故障定位的容错能力和稳定性得以提高,并通过仿真算例验证了该方案的有效性与可行性。结果表明该算法精度高,收敛速度快,能够准确定位配电网中的故障点,同时在故障信息出现畸变时,仍然可以正确定位,容错能力强。

基于天牛须蜂群PID算法的闪蒸罐压力控制

针对加氢裂化等工业环节中闪蒸压力过程具有的大滞后、非线性等特点,提出一种基于天牛须蜂群算法优化比例-积分-微分(PID)参数的策略对闪蒸罐压力进行控制。采用天牛须搜索算法对人工蜂群(ABC)算法进行改进,通过模拟天牛的搜索和检测行为来确定解的进化方向,避免搜索的随机性,提高常规人工蜂群算法的收敛速度和寻优精度。在天牛须蜂群算法研究基础上,设计天牛须人工蜂群(BABC)-PID控制器对闪蒸罐模型进行控制实验。仿真结果和实验数据表明:天牛须蜂群算法的寻优能力比传统智能算法更强,BABC-PID压力控制器的调整时间和稳定性都有明显提高。

基于改进蜂群算法的微电网优化调度

为提高微电网经济运行水平,首先针对蜂群算法全局搜索能力差的问题,提出将天牛须搜索算法改进蜂群个体的更新规则,增强个体全局搜索能力。然后以微电网发电成本最少与污染治理最好为目标,考虑微电网实际运行约束条件,建立包含风机、光伏、燃料电池、蓄电池及燃气轮机的并网型微电网日优化运行模型。最后,将改进蜂群算法与标准蜂群算法对比,求解微电网日运行优化模型。结果表明,改进蜂群算法能有效降低综合成本。

融合双重策略粒子群算法的分布式电源配网无功优化

大规模、高密度的可再生能源分布式接入配网不仅导致原有系统网络系统结构复杂化,其随机性和波动性等特点也对网络潮流和系统电压带来诸多不利的影响。针对以上情况,以含分布式能源的配电网有功网络损耗与系统电压偏差为控制目标,以引入的静止无功补偿器为基础展开研究。融合天牛须搜索算法,结合吸引排斥和双向学习,提出一种改进式粒子群优化算法,自适应调整惯性权重与学习因子实现高效全局寻优。据此,结合上述研究内容和增强型IEEE 33节点配电系统模型,对所提配电网的无功电压控制效果与改进粒子群优化算法进行了验证。结果对比表明,所提融合天牛须搜索的双向学习粒子群优化算法在保障系统电压稳定性的前提下能够优化系统损耗。同时,与传统粒子群算法相比,计算所用时长、算法收敛速度和最优解寻求方面有较大提升。。