基于RF-PSO-BP的电能质量稳态指标预测

电能质量问题日益严重,实现稳态电能指标的预测对于保障供电质量有重大意义。以某低电压台区监测点为研究对象,提出一种基于随机森林(Random Forest,RF)特征优选和粒子群优化(Particle Swarm Optimization,PSO)反向传播(Back Propagation,BP)神经网络的电能质量稳态指标预测方法。根据监测点的环境因素、动态电能数据以及电能质量指标的历史数据等多维度特征进行标准化处理,通过RF算法实现特征选择后,进一步将优选特征输入到神经网络,并结合PSO算法优化BP神经网络的权值和阈值,构建神经网络预测模型。将该方法结合实例与传统神经网络进行对比试验,结果表明,所提预测方法的MAPE均低于3%,预测效果较传统神经网络更佳。

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。

基于计算几何方法的电动汽车充电站规划

综合分析了影响电动汽车充电站规划的若干因素,建立了电动汽车充电站规划的最大收益模型。根据电动汽车充电特性和出行特征,计算电动汽车充电功率需求期望值,从而得出规划区充电站的容量需求。根据电动汽车的分布特点,通过调节加权伏罗诺伊图的权重,使得服务区域划分更合理,同时保持各充电站负载率的均衡。利用粒子群优化算法的全局寻优能力,结合加权伏罗诺伊图,对充电站进行选址定容和服务区域划分的优化规划。算例分别针对不同电动汽车数量和不同分布方式的情况进行计算,结果验证了所述模型和方法的有效性和可行性。

粒子群优化的KFCM及SVM诊断模型在断路器故障诊断中的应用

为了利用相对较少的故障数据样本对断路器主要故障类型进行较为准确的在线判断,提出了一种基于融合粒子群的模糊核聚类(particle swarm fused kernel fuzzy C-means,P-KFCM)与支持向量机(support vector machine,SVM)的故障诊断方法。通过对断路器分合闸电流信号的分析,找出与断路器主要故障类型相对应的特征量;据此对采样信号进行处理,建立故障特征样本空间;利用P-KFCM算法对故障训练样本进行预分类,并以此为基础建立多SVM故障预测模型。P-KFCM算法将粒子群(particle swarm optimization,PSO)的全局搜索能力融入KFCM中,有效的解决了局部最优问题,在一定程度上提升了诊断结果的可靠性。实验结果表明,该方法在诊断断路器主要机械故障方面能够取得较好的效果。

基于自学习迁移粒子群算法及高斯罚函数的无功优化方法

针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO)。该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力。针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作。以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性。

纯电动汽车用磷酸铁锂电池的模型参数分析

鉴于纯电动汽车用磷酸铁锂电池在不同荷电状态下的电池特性差异较大,传统参数辨识方法得到的电池模型参数拟合精度较低。本文采用电化学阻抗谱来分析等效电路模型参数,以研究电池的电压特性和动态功率特性,通过综合分析实际充放电条件的主要特征来提取电池典型的参数辨识工况,并利用粒子群优化算法分析模型参数。在不同温度和使用区间的验证表明该方法的精度较高,为磷酸铁锂电池的进一步研究提供依据。

基于智能算法优化支持向量机模型的滑坡稳定性预测

影响滑坡稳定性的因素较多,利用滑坡稳定性影响因素快速预测滑坡稳定状态是当前滑坡研究的重要内容。利用相关系数、支持向量机、交叉验证法、遗传算法、粒子群优化算法等理论建立支持向量机模型对滑坡稳定性进行了研究。以湖北竹溪县197个滑坡为例,研究结果表明:遗传算法优化的支持向量机滑坡稳定性预测模型预测效果最好,与实际情况吻合得最好。最佳参数c为3.001 6、g为0.041 008,训练集滑坡稳定性预测的正确率为84%,测试集滑坡稳定性预测的正确率为79.32%。因此所提遗传算法优化的支持向量机滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。

基于粒子群小波神经网络的公交到站时间预测

公交到站时间的实时预测是公交出行信息发布、公交出行诱导、公交动态调度的关键技术.基于公交车辆运行特性分析,将公交到站时间分为路段运行时间和站点停靠时间两部分,并考虑工作日与周末的运行特性差异,最后结合迭代思想提出利用粒子群小波神经网络模型预测公交到站时间.实例分析表明:粒子群算法能有效降低小波神经网络模型的训练误差;结合迭代法使用公交车上一站运行时间作为预测输入能够有效提高预测精度;该预测模型对于公交车在工作日和周末到站时间的预测均能达到较高的精度,平均绝对百分比误差分别为10.82%和9.85%.

基于机会约束规划的主动配电网能量优化调度研究

主动配电网(Active Distribution Network)的产生对于加大可再生能源的消纳能力、提高用电互动化水平、实现配电网的灵活智能管理发挥着重要的作用,逐渐成为未来智能电网发展的重要方向。其中主动配电网能量管理系统(DMSs)作为主动配电网的最高决策中心,通过对各分布式电源的有效控制和调度,保障配电网的全局优化运行。为提高主动配电网运行的经济性和可靠性,通过对主动配电网能量优化调度技术进行分析,考虑到风力发电和光伏发电的不确定性,结合随机模拟技术和惩罚函数方法,基于机会约束规划建立了含有风力发电机、光伏发电单元以及储能装置的主动配电网能量调度随机数学模型。在满足各种约束条件的基础上,使用改进的粒子群算法求解该模型。并以某地区实际系统为算例,通过与标准粒子群算法进行比较,验证所提模型的正确性与有效性。

基于旅客buy-up行为的铁路客运专线收益管理模型

基于旅客buy-up行为,探讨铁路客运专线收益管理问题。假定客运专线每个OD有一等票和二等票两种等级车票,在旅客buy-up概率已知条件下,以各OD两种车票的嵌套式预订限制为决策变量,建立一个带约束的非线性整数规划模型,并利用粒子群算法进行求解。算例结果表明:随着旅客buy-up概率的增大,二等票的预订限制逐渐减小,而客运专线总期望收益逐渐增加。

基于QPSO算法的电力变压器优化设计

首先研究以穷举法求解变压器优化设计(Transformer Design Optimization,TDO)问题。为解决穷举法计算效率低下的问题,应用一种全局优化算法——量子粒子群算法(QuantumBehaved Particle Swarm Optimization,QPSO)来求解TDO,并提出一种目标函数比较原则以处理多约束问题。变压器优化设计中,优化参数、约束和目标函数均有非连续和非线性的特性,本文验证了QPSO擅于求解该类型问题。针对算法中唯一的控制参数,以穷举法的计算结果为参照标准,研究了两种不同控制策略下QPSO的求解特性,并给出求解TDO问题的最佳参数控制策略。通过实例计算验证了QPSO的高计算效率和优良的寻优能力。

基于量子粒子群搜索策略的混合蛙跳算法

混合蛙跳算法(SFLA)是一种全新的群体智能优化算法。针对基本混合蛙跳算法局部搜索能力差,因而优化精度低、收敛速度慢的缺点,引入量子粒子群算法的搜索策略,提出了一种基于量子粒子群搜索策略的混合蛙跳算法(QPSO-SFLA)。通过对基准函数进行测试,实验结果表明改进的算法大大提高了算法的收敛速度,增强了算法的寻优能力。

实时电价机制下交直流混合微网优化运行方法

为了提高交直流混合微网经济效益,提出实时电价机制下的交直流混合微网优化运行方法。首先针对交直流混合微网的结构和电气特性建立其优化运行模型;其次针对微网中负荷构成建立了基于负荷分类的负荷水平对实时电价的响应模型。所提出的日前调度模型将交直流混合微网制定的网内实时电价作为控制变量,给出实时电价制定策略和交直流混合微网日前调度方案。对所建立的模型采用混沌粒子群算法求解。最后通过一个算例验证了所提出方法可以提高风光消纳率,增加交直流混合微网收益并且减小用户平均电费支出。

基于匹配滤波法的超高频局部放电信号检测

在强电磁干扰环境下准确获取局部放电信号是目前研究的难点。超高频局部放电过程的频散现象会影响波形匹配法消除干扰的效果,因此文中基于频谱最优匹配原则构造滤波器,以使超高频局部放电信号的能量得到增强,从而获得最大的信噪比。文中还采用改进的粒子群算法提高了优化计算的速度和可靠性。实验和分析结果均表明,在强干扰背景下,频谱最优匹配滤波法对白噪干扰和周期性窄带干扰均有较好的消噪效果,并可保持超高频局部放电脉冲的波形、幅值和极性信息。

双馈风电机组附加阻尼控制器与同步发电机PSS协调设计

针对大规模双馈风电机组接入电力系统后的区间低频振荡问题,提出了一种协调双馈风电机组附加阻尼控制器和同步发电机电力系统稳定器(PSS)的设计策略。首先,考虑风电机组的机械部分、电气部分和控制结构,建立了双馈风电机组的机电暂态模型和附加阻尼控制器模型。在闭环电力系统线性化模型的基础上,提出利用动态指标值的优化模型来协调整定双馈风电机组附加阻尼控制器和同步发电机PSS的控制参数,并使用粒子群算法求解优化模型的全局最优解。最后,通过2个标准仿真系统算例,对比传统的阻尼控制器设计策略,验证了所设计策略的有效性和实用性。

基于满意度原理的光柴储微网系统优化运行研究

围绕微网系统环保经济运行优化问题,在并网和孤岛运行状态下,建立了以分布式发电单元的发电费用、折旧费用和环境治理费用为目标,考虑微网运行约束条件的经济优化运行模型,形成多目标有约束优化问题。基于满意度原理的模糊综合判断将多目标转化为单目标问题。再应用全面学习粒子群算法,对微网内分布式电源的输出功率和储能装置充/放电优化求解。以包含光伏、柴油发电机、锂电池、电动汽车充电桩和负载的交直流混合微电网为具体研究对象,优化结果验证了所提模型、算法和方法的有效性。

基于二进制混沌粒子群算法的认知决策引擎

为了解决不同通信模式下认知无线电发射机参数合理优化的问题,提出了一种基于二进制混沌粒子群算法(BCPSO)的认知决策引擎,该引擎利用粒子群优化算法收敛速度快和混沌运动全局遍历性的特点,使认知决策在多目标优化过程中有效地摆脱了局部极值点,提高了参数优化的精度和稳定性.基于认知正交频分复用(OFDM)系统的仿真结果表明,相对于现有认知引擎,该引擎具有平均适应度值高、对不同通信模式鲁棒性强的特点,实现了有效优化发射机参数的目的.

基于群体智能的农产品供应链网络多目标优化设计

针对产出单一产品的多级农产品供应链网络优化设计问题,同时考虑最小化总成本和最大化客户需求满足率两个目标,建立了集成生产设施选址、产能决策和物流网络运输模式选择的农产品供应链网络优化设计的多目标混合整数规划数学模型。基于一种新型的改进二元粒子群算法并融合拥挤距离计算和外部Pareto档案构建等技术,提出一种Pareto多目标粒子群优化算法求解农产品供应链网络设计问题。通过将该算法与基础二元粒子群优化扩展而来的多目标粒子群优化,以及非支配排序遗传算法应用于三个案例的计算对比,验证了算法的有效性和优越性。

基于混沌模拟退火粒子群优化算法的电动汽车充电站选址与定容

针对城市电动汽车充电站的选址与定容问题,建立了考虑充电站运营商、电动汽车用户以及电网企业综合利益的充电站选址定容规划模型。采用Voronoi图思想和需求点栅格化理论,结合Floyd最短路径算法划分充电站的服务范围。提出采用一种混沌模拟退火粒子群优化算法对问题进行求解,通过引入混沌理论使粒子更高效地遍历搜寻空间,并结合模拟退火算法的概率突跳特性使算法在迭代后期仍具有较高的全局寻优能力。通过算例分析表明,采用所提算法对城市电动汽车充电站选址定容进行优化规划的可行性和有效性。

考虑地理因素的改进量子粒子群算法在多目标电网规划中的应用

针对电网规划的多目标权衡优化问题,建立以可靠性和经济性为目标的电网规划模型,提出改进的量子粒子群算法,采用Pareto支配关系来更新粒子的个体和局部最优值,定义粒子紊流极大极小间距,并采用紊流间距方法裁剪非支配解,引入收敛因子K加快粒子跳出局部最优后的收敛速度。同时考虑电网规划存在的地理环境不确定因素的影响,在规划目标函数中引入地理障碍罚因子。通过18节点电网规划算例仿真结果表明,提出的改进算法与基于非支配遗传算法和基于多目标进化算法相比,所得的Pareto解数目,解的优劣情况以及分布效果都有明显提升。