基于POA-GWO-CSO 算法的新能源电力系统精准切负荷控制多目标优化方法

为解决新能源电力系统因功率缺额引发系统频率、电压偏移等一系列安全问题,文章提出了一种基于POA-GWO-CSO算法的电力系统精准切负荷控制多目标优化方法。首先,从电力系统的安全性和经济性两个方面综合考虑电力系统稳定运行和分布式电源出力特性等各项约束条件,提出一种基于负荷分类的精准切负荷控制多目标优化模型;然后,为了增强传统鹈鹕优化算法(POA)全局与局部搜索能力之间的协调关系,克服优化算法在处理复杂问题时出现收敛过早、寻优范围不够、求解精度不高等问题,引入非线性惯性权重因子、灰狼优化算法(GWO)中狼群领导者策略以及纵横交叉法(CSO),对鹈鹕新的个体的位置进行更新;最后,基于改进后的IEEE33节点进行实证分析。分析结果表明,利用改进的POA-GWO算法对紧急切负荷模型进行求解,实现了系统经济性及稳定性的协调控制。

基于CSO-AUKF的锂电池SOC估算方法

电池荷电状态(SOC)估算是电池管理系统(BMS)的关键技术之一。针对锂电池提出了一种基于猫群(CSO)算法和自适应无迹卡尔曼滤波(AUKF)算法相结合的电池SOC估算方法;建立了基于二阶RC等效电路模型的锂电池状态方程,采用CSO算法提高电池辨识精度,联合AUKF算法对SOC进行估算;基于混合脉冲功率测试工况(HPPC)和间歇恒流放电工况下的数据对该方法有效性进行了验证。研究结果表明:基于CSO-AUKF估算,SOC最大误差小于1.64%,估算精度及稳定性均好于遗传算法。

基于ACO与CSO算法的配电网储能系统优化策略

为了提高分布式配电网中储能系统的高效性和经济性,针对基于蚁群算法(Ant Colony Optimization,ACO)与纵横交叉算法(CrisscrossOptimization,CSO)的配电网储能系统优化策略展开了一系列的研究。首先,针对储能系统成本支出、接入电网后对系统网损和电压偏差造成的影响进行分析,并建立储能系统优化模型;然后根据ACO基本算法结合CSO搜索机制建立ACO-CSO复合算法;最后建立相关仿真模型进行验证分析。结果表明,储能系统接入对网损和电压偏差指标均会造成影响,且接入点不同,其影响程度也不同。通过所提ACO-CSO复合算法得到的储能系统最佳配置方案能大大改善电网损耗,提高电网稳定性。所得结果优于PSO算法和NSGA-Ⅱ算法的最优解。该方案的综合成本分别比其他两种低了23.7%和30.8%,同时迭代次数分别缩短了38次和66次。因此,所提的复合算法在储能优化解析上具有良好的经济性和高效性,其结果具有一定的工程实际意义。

基于成本感知的边缘服务器部署方法

针对移动边缘计算(mobile edge computing,MEC)中边缘服务器(edge server,ES)供应商的成本预算问题,建立一种以最小化时延和部署成本为目标的数学模型。通过归一化方法将其转化为单目标优化问题,提出一种基于交叉算法的鲸鱼优化算法的边缘服务器部署方法;采用精英反向学习策略构造新种群,提高种群的多样性和全局收敛速度;采用改进的非线性收敛因子平衡算法的整体开发能力和局部探索能力;利用纵横交叉策略提高算法跳出局部最优的能力。使用上海电信基站的真实数据集进行仿真,其结果表明,与其它4种算法相比,该算法在时延和部署成本方面的表现均优于其它算法,系统成本下降了42.1%。

基于相似日理论和CSO-WGPR的短期光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。

基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测

针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测模型。首先使用WGAN-GP学习原始真实光伏数据的样本分布规律,然后生成与原始数据相似的高质量新样本,从而实现训练集数据增强;其次,采用纵横交叉算法(crisscross optimization algorithm,CSO)对长短时记忆网络(longshort-termmemory,LSTM)的全连接层参数进行优化,构建LSTM-CSO组合模型对光伏功率进行预测。以澳洲某光伏发电站数据进行仿真建模,实验结果表明:使用数据增强后的样本训练预测模型能够有效提高模型的预测精度,且对原始训练集数据扩充数据量的比例越大,预测模型对于光伏功率预测的精度越高。同时LSTM-CSO相对于LSTM在各个季节类型的不同气象日中均具有更高的预测准确率,以春季测试集为例,LSTM-CSO模型在春季的晴天、多云、雨天下的均方根误差相比于LSTM模型分别降低5.62%、3.44%、10.44%。

基于纵横交叉算法的新型电力系统惯量延迟优化控制策略

以同步发电机为主导的电力系统正在演变为以虚拟同步机(virtual synchronous generator,VSG)为主导的新型电力系统,电力系统的动态特性发生了重大变化。现阶段,绝大多数文献的研究场景是在无穷大电源的基础下,分析单机或多机并网系统的动态特性,对全部虚拟同步机为主导的电力系统动态特性研究较少。因此,先建立了全部虚拟同步机为主导的三机九节点系统的模型,通过微分方程仿真得到系统的动态特性曲线。然后,利用纵横交叉算法(crisscross optimization,CSO),延迟优化新型电力系统惯量,并与无优化控制系统作对比,在系统发生扰动后,优化后的系统振荡幅值变小,调节时间变小。最后,通过仿真验证了上述结论的正确性。

基于CSO-SVR的低压架空线路谐波损耗评估

针对低压架空线路物理解析模型谐波损耗计算精度不高的问题,文中提出采用基于纵横交叉优化(CSO)算法的支持向量回归(SVR)模型对架空线路谐波损耗进行评估。首先,采用结构风险最小化设计的SVR模型,拟合线路特征与谐波损耗之间的关系。然后,利用CSO算法对SVR超参数进行全局搜索,以动态优化获取最优超参数组,建立CSO-SVR谐波损耗评估模型。文中依托国内某大型电能质量综合试验平台进行低压架空线路谐波试验,获得线路谐波损耗实测数据,并基于该数据对所提模型进行验证。结果表明,采用CSO算法对SVR超参数进行优化,可有效提升SVR模型的谐波损耗评估性能。与其他模型相比,所提模型的评估精度更高。

基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测

高精度的风电功率预测对风电的并网运营至关重要。为提取风电功率输入序列隐含的时间信息,建立以门控循环单元为基础的预测模型;并在模型输入侧引入时序注意力机制,通过与输入进行加权的方式提高模型对关键历史时间节点的敏感性。为加速模型收敛,在训练的早期利用动态混沌纵横交叉算法优化预测模型的权值和阈值;同时,通过构造多指标共同作用并联合待优化参数的正则项作为目标适应度函数,以避免优化过程中模型泛化性问题的出现。以某风电场采集间隔为1h和10min的实测数据进行实验,结果表明所提组合预测方法性能优于其他对比模型,并对其有效性进行了验证。

双种群纵横交叉正弦余弦算法

针对基本正弦余弦算法在求解复杂优化问题时求解精度偏低,收敛速度慢及不能跳出局部最优等问题,提出了一种双种群纵横交叉正弦余弦算法。在初始化种群阶段引入Logistic混沌映射,使初始种群均匀分布;非线性调整转换参数并改进正弦余弦位置更新公式,以平衡算法全局搜索和局部开发的能力,加快算法的求解速度;采用双种群和择优选择策略,实现正弦余弦种群和纵横交叉种群优势互补、协同进化,提高算法跳出局部最优解的能力和算法收敛速度。采用23个基准测试函数对改进算法进行仿真实验,并与其它智能优化算法进行比较分析,结果表明改进算法有更好的优化性能。

基于纵横交叉算法的储能系统自适应控制策略

大量储能设备通过虚拟同步机(VSG)并入电网时,传统固定惯量和阻尼控制策略中,控制参数选取不当会造成调节时间长或超调量大,且无法充分发挥VSG控制灵活的优势。为此,提出了基于纵横交叉(CSO)算法的储能系统自适应控制策略,首先,建立了储能系统VSG系统,将储能VSG系统频率的误差与电压总谐波畸变率之和的最小值作为CSO的目标函数,并引入电池的荷电状态(SOE)约束求解最佳惯量以及阻尼,该算法收敛速度更快且有效地规避了参数局部解。在此基础上,设计一种改进的惯量阻尼自适应控制策略,有效地改善了VSG的动态性能。最后,通过Matlab/Simulink搭建仿真模型,验证了所提策略的有效性。

基于鞅方法的鸡群优化算法收敛性分析

针对鸡群优化(chicken swarm optimization, CSO)算法已有的收敛性分析结果属于弱收敛,不能保证算法能在有限步内收敛到问题的全局最优这一不足,提出了运用鞅方法来研究CSO算法的全局收敛性.首先,基于CSO算法的相关定义,建立CSO算法的马尔可夫(Markov)链模型,分析其Markov性质;其次,将具有最小适应度值的鸡群状态序列转化成上鞅,利用上鞅收敛定理和Egoroff定理证明了CSO算法的几乎处处强收敛性和一致收敛性,进而得出了当鸡群状态空间有限时,CSO算法能确保在有限步内收敛到问题的全局最优这一结论;最后,在仿真实验中成功验证了理论证明的正确性,并发现CSO算法比其他算法具有更强的寻优能力和更高的收敛精度.

基于改进纵横交叉算法的高速铁路牵引供电动态潮流计算

传统高速铁路牵引供电动态潮流计算方法标准差值偏移较大。本文提出基于改进纵横交叉算法的高速铁路牵引供电动态潮流计算。首先对牵引供电装置输出特性进行提取,随后对高速铁路牵引供电进行建模,基于高速铁路牵引供电建模,以列车牵引计算结果及行车计划为输入。最后基于改进纵横交叉算法对高速铁路牵引供电系统求解,实现高速铁路牵引供电动态潮流计算,实验结果表明该研究方法计算结果标准差值偏移量更小。

CSO-PID算法在空压机控制系统中的应用

针对普通空压机普遍存在的耗能过高且控制效果不佳的问题,在研究比例-积分-微分(PID)算法和鸡群算法的基础上,对空压机的控制算法进行了改进,利用鸡群算法对PID的三个参数进行整定,并将这种智能算法应用到PLC控制器中。仿真实验和实际测试表明:该智能算法不仅实现了对空压机系统的有效控制,而且增强了系统的抗干扰能力,节能效果更佳。

基于双种群CSO算法重构的含DG配网故障恢复

为兼顾配网故障恢复的快速性和最优性,提出一种基于重构的分级响应故障恢复方法,并应用双种群纵横交叉(crisscross optimization algorithm,CSO)算法寻求重构方案。首先在故障隔离后利用启发式规则进行局部重构,以较少的开关动作次数快速恢复配网连通性。然后在局部重构后有安全指标越限时,利用改进的双种群二进制纵横交叉算法在可行域内搜索最优解进行全局重构。若全局重构后安全指标依然越限,按负荷重要性指标切除部分非关键负荷,恢复配电网安全运行。最后,改进的PG&E配电系统仿真结果验证了该方法的可行性和有效性。

基于CSO-ABC算法的系杆拱桥吊杆内力优化

为改善传统系杆拱桥吊杆内力优化方法耗时长、精度低、计算烦琐的缺点,本研究提出改进的CSO-ABC混合算法优化钢箱拱肋系杆拱桥吊杆内力。先建立CSO-ABC混合算法,改进侦察蜂阶段算法;再对3个测试函数进行数值试验,验证算法的精度和有效性。以某钢箱拱肋系杆拱桥为工程背景,通过ABAQUS-Python脚本进行CSOABC算法的吊杆内力自动优化计算。研究结果表明:改进的CSO-ABC算法与CSO算法和ABC算法相比,具有收敛速度快、精度高的优点;基于脚本的自动迭代,提高了吊杆内力优化的效率,该算法的吊杆内力最大优化幅度为2.17%,在钢拱肋及混凝土主梁的应力峰值分别增大4.9、0.8 MPa的情况下,拱肋、主梁峰值位移分别减小12.7、12.1 mm,优化后的成桥状态与原始设计非常接近。该算法可为相关施工、监控、设计提供参考和借鉴。

基于改进CSO-LSTM的两相流空隙率预测研究

空隙率是石油化工企业中非常重要的参数之一。空隙率在线测量过程中存在较大的随机性和不确定性,很难预知空隙率的变化。为了实现对空隙率的预测,提前对两相流系统进行控制和优化,提出了基于改进猫群优化(CSO)算法长短期记忆(LSTM)网络的空隙率预测算法。利用LSTM善于处理时间序列型数据的特点对空隙率进行预测,在CSO中引入模拟退火(SA)算法和平均惯性权重,改善了在预测中易陷入局部最优和全局搜索能力较弱的缺点,保证了位置的收敛性。结果表明,该算法模型具有较高的预测精度和收敛速度,可以更快更精确预测空隙率的变化,克服了数据不确定且随机的难点,对提前控制和优化两相流系统具有较高的工业应用价值。

基于CEEMD-CSO-ELM的短期风速预测

风电在电网系统中的成功整合与应用需要风电机组或风电场产生的风电信息,又因为风速具有不可预测性、间歇性和非线性等特性,所以准确预测非常具有挑战性。因此,本文提出了一种基于互补经验模态分解(CEEMD)与CSO优化神经网络预测模型相结合的短期风速预测的新方法,来达到更优的预测效果。在本文中,CEEMD用于将风速数据分解为多个固有模态函数(IMFs)来进行预测;然后对所有分量建立纵横交叉算法优化极限学习机(CSO-ELM)的预测模型;最后叠加所有序列的预测值作为最终的预测结果。本文对荷兰某风电场的实测小时风速数据集进行大量实验得出结果,来验证所提方法的有效性。

融合黄金正弦算法和纵横交叉策略的秃鹰搜索算法

针对传统秃鹰搜索算法(BES)存在容易陷入局部最优、收敛速度慢等缺点,提出一种融合黄金正弦算法(Gold-SA)和纵横交叉策略的秃鹰搜索算法(GSCBES)。首先,在传统BES的搜索阶段设置基于惯性权重的位置更新公式;然后,在捕食猎物阶段引入Gold-SA;最后,引入纵横交叉策略对全局最优和种群进行修正。对11个Benchmark函数和CEC2014函数进行仿真实验并使用Wilcoxon秩和检验的方式评估所提算法的寻优能力,结果表明,所提算法收敛更快;同时,使用所提算法对反向传播(BP)神经网络模型的权值和阈值进行赋值,并将优化的BP神经网络模型用于空气质量的预测中,平均绝对误差(MAE)、均方根误差(RMSE)、均方误差(MSE)、平均绝对百分比误差(MAPE)值均小于BP神经网络模型以及基于粒子群优化(PSO)的BP神经网络模型,预测精确度有所提高。

基于纵横交叉算法的直流微电网趋优稳定性分析

在直流微电网稳定性分析中,为解决多指标趋优化运行提高系统稳定性问题,提出了一种纵横交叉算法(crisscross optimization algorithm,CSO)求解参数趋优解方法,该算法能够实现全局并行搜索,有效地规避参数局部解对稳定性分析的影响。首先建立多源多负荷直流微电网的小信号模型,利用特征根分析方法计算出系统主导模态,通过参与因子法解耦状态变量对主导模态的影响程度,将主导模态实部作为CSO的目标函数并引入条件约束的惩罚函数进行稳定性分析。通过CSO的搜索优化能力找寻到电源下垂系数趋优解,以此增大阻尼、提高系统稳定性,并利用CSO发现源侧线路采用两长一短输电也可提高系统稳定性。最后,通过仿真分析和实验验证所提控制策略的正确性与有效性。