Adaptive stochastic resonance method for weak signal detection based on particle swarm optimization

In order to solve the parameter adjustment problems of adaptive stochastic resonance system in the areas of weak signal detection,this article presents a new method to enhance the detection efficiency and availability in the system of two-dimensional Duffing based on particle swarm optimization.First,the influence of different parameters on the detection performance is analyzed respectively.The correlation between parameter adjustment and stochastic resonance effect is also discussed and converted to the problem of multi-parameter optimization.Second,the experiments including typical system and sea clutter data are conducted to verify the effect of the proposed method.Results show that the proposed method is highly effective to detect weak signal from chaotic background,and enhance the output SNR greatly.

Novel Adaptive Neural Controller Design Based on HVDC Transmission System to Damp Low Frequency Oscillations and Sub Synchronous Resonance

This paper presents the effect of the high voltage direct current (HVDC) transmission system based on voltage source converter (VSC) on the sub synchronous resonance (SSR) and low frequency oscillations (LFO) in power system. Also, a novel adaptive neural controller based on neural identifier is proposed for the HVDC which is capable of damping out LFO and sub synchronous oscillations (SSO). For comparison purposes, results of system based damping neural controller are compared with a lead-lag controller based on quantum particle swarm optimization (QPSO). It is shown that implementing adaptive damping controller not only improves the stability of power system but also can overcome drawbacks of conventional compensators with fixed parameters. In order to determine the most effective input of HVDC system to apply supplementary controller signal, analysis based on singular value decomposition is performed. To evaluate the performance of the proposed controller, transient simulations of detailed nonlinear system are considered.

基于PSO的模态原子法在低频振荡模式时变特性追踪的应用

为克服传统方法不能自适应反映振荡模式时变特性的缺点,提出一种分析低频振荡模式的新方法。该方法将粒子群优化算法应用于原子分解的迭代优化过程中,通过比较粒子的最佳适应值,选取最能反映振荡模式特性的模态原子,从而实现将模态原子的选取过程转化为利用粒子群优化算法求解函数最优化问题。每1个模态原子对应于1个振荡模式,最终完成低频振荡模态参数辨识过程。该方法具有较强的抗噪性能,鲁棒性强,并能有效追踪振荡模式的时变特性,时频分辨率强。算例分析表明了该方法的有效性与实用性,优于希尔伯特–黄变换方法。

基于阻尼正弦原子分解的次同步振荡模态辨识

现有的线性化方法难以有效辨识电力系统次同步振荡模态。提出一种处理非线性、非平稳信号的阻尼正弦原子分解方法。该方法在过完备阻尼正弦原子库基础上,采用匹配追踪(matching pursuit,MP)算法对次同步振荡信号进行原子分解,并通过改进粒子群算法(improved particle swarmoptimization,IPSO)降低MP搜索过程的时间复杂度,得到表征次同步振荡信号的阻尼正弦原子参变量,完成整个次同步振荡模态参数辨识,并与改进Prony算法及快速傅里叶变换的辨识结果进行对比分析。结果表明,基于阻尼正弦原子分解的次同步振荡模态辨识方法能快速准确地辨识次同步振荡模态,且具有良好的时频特性。

二阶微粒群算法

为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.

采用振荡参数策略的粒子群优化算法

提出了一种新的振荡参数策略(OPS),用以提高粒子群优化算法在指定代数后的收敛性能。为了有效控制局部搜索并收敛于全局最优解,OPS在整个搜索过程中通过振荡惯性权重和加速度系数值来交替进行全局搜索和局部挖掘。惯性权重和加速度系数振荡变化既能提高早期的全局搜索能力,又不会早熟收敛,并使粒子最终趋于全局最优。实验仿真显示,对于大多测试函数,OPS优于时变惯性权重、随机惯性权重、时变加速度系数等策略。

二阶振荡微粒群算法

从控制角度分析了微粒群算法的进化方程,在此基础上,为了增加微粒群体的多样性和进一步改善算法性能,引入二阶振荡进化方程来调节微粒群算法的全局和局部搜索能力,避免算法陷入局部最优。实验结果表明,该方法能够显著地加强算法的全局最优性,同时加快算法的收敛速度。

改进的二阶振荡粒子群算法

针对粒子群算法易陷入局部最优等问题,分析了粒子群算法的进化方程,提出了一种改进的粒子群优化算法。算法在振荡环节采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力,并通过对测试函数和机器人路径规划问题仿真模拟,与标准PSO、标准二阶PSO、二阶振荡PSO算法的实验结果进行对比分析,验证了所提出算法的有效性和可行性。

基于直流频率限制控制器的超低频振荡抑制方案

随着鲁西背靠背以及渝鄂背靠背工程的相继推进,异步联网后送端电网出现的超低频振荡威胁着系统的稳定运行。针对异步联网后的多直流送出系统,分析了超低频振荡产生原因及直流频率限制器(FLC)抑制超低频振荡的机理。结合直流FLC影响因子和直流控制敏感度提出了一种考虑送端电网水电分布的直流排序方法。并据此提出了一种的超低频振荡抑制方案,该方案利用最小二乘法–旋转不变技术的信号参数估计算法和改进粒子群优化算法,将多直流优化问题转化为多个单直流顺序循环优化问题,以实现对超低频振荡较好的抑制。最后以渝鄂异步联网后的川渝电网为算例,仿真验证了所提方案的有效性。

基于数据的SecRPSO-SVM短期电力负荷预测

针对支持向量机在建模中的参数选取问题,提出一种二阶振荡和带斥力因子的粒子群优化算法优化支持向量机参数。采用非线性递减权重平衡算法的全局和局部搜索能力,二阶振荡因子保持种群多样性,提高全局搜索能力。斥力因子使粒子在搜索空间均匀分布,避免陷入局部最优。针对电力负荷的非线性、时变性、受多因素影响的复杂特点,提出一种基于数据的支持向量机预测模型,综合考虑天气、时间因素、历史负荷对预测结果的影响。仿真表明该方法可以建立短期电力负荷的有效高精度预测模型。

BFO-PSO混合算法的PSS参数优化设计

针对传统PSS参数设计问题,文中基于细菌觅食-微粒群混合优化算法,提出一种协调优化PSS参数的新方法。为了提高电力系统机电振荡模式的阻尼和增加系统的鲁棒性,将阻尼控制器参数设计问题归结为带有不等式约束的目标优化问题,并在目标函数中考虑了多种运行方式,采用细菌觅食-微粒群混合优化算法求解优化问题设计PSS参数。最后通过算例验证了该方法的合理性,是一种对多种运行方式具有良好鲁棒性的阻尼控制器参数优化方法,有效地抑制了低频振荡。

基于自适应混沌粒子群优化算法的多馈入直流输电系统优化协调直流调制

为了提高交直流互联系统的整体动态稳定性,提出了一种新的基于混沌优化思想的自适应混沌粒子群优化算法,并将其应用于多馈入直流输电系统中各直流调制的优化协调。该算法利用混沌运动的遍历性来初始化粒子群以增强群体的多样性,在粒子群的每次迭代更新计算中,按适应值大小选取部分粒子对其进行混沌优化以帮助惰性粒子跳出局部极值区域,根据每个粒子的适应值自适应地调整其惯性权重系数以提高整个群体的全局与局部搜索能力。以一三区域双馈入交直流并联输电系统为例,选取与直流线路并联运行的交流联络线上的有功功率偏差和各发电机的功角偏差构成目标函数,应用自适应混沌粒子群优化算法对各双侧频差直流调制控制器的参数进行了全局优化协调整定,并与传统粒子群优化算法、遗传算法的优化结果进行了比较,结果表明该算法能更好地实现各直流系统调制间的优化协调,增强了整个系统对低频振荡的阻尼能力,可作为多馈入直流输电系统中直流调制优化协调的一种有效方法。

基于粒子群算法的量子谐振子模型

对目前人工智能界研究热点粒子群算法进行了探讨,将量子谐振子势能场引入了粒子群系统,建立了基于粒子群算法的量子谐振子模型,有效地提高了运算速度。通过测试函数的仿真实验证明了量子谐振子粒子群算法的全局收敛能力优于一般粒子群算法。

一种带正弦函数因子的粒子群优化算法

粒子群优化算法(particle swarm optimization,PSO)具有实现简单、在演化前期收敛速度快等优点,但在演化后期具有收敛速度慢、容易陷入局部最优以及精度低等不足.针对PSO算法容易陷入局部最优及精度低的不足提出一种带正弦函数因子的粒子群优化算法(TFPSO).该算法在PSO算法的位置更新方程中引入具有周期振荡性的正弦函数因子,使每个粒子位置获得周期振荡性,扩大搜索空间,更容易跳出局部最优,避免算法过早的收敛,找到最优值.实验研究表明,该算法不但实现简单、稳定而且提高了解的精度.

基于二阶振荡微粒群最小二乘支持向量机的物流需求预测

为了提高物流需求的预测精度,在分析物流需求影响因素基础上,建立了物流需求的二阶振荡微粒群最小二乘支持向量机预测模型。利用最小二乘支持向量机(LSSVM)描述物流需求与其影响因素间的复杂非线性关系,并通过二阶振荡微粒群(TOOPSO)算法优化选择LSSVM参数。实例分析表明,模型具有较高的预测精度,TOOPSO算法搜索LSSVM最优参数时间明显少于传统交叉验证法,是一种有效的物流需求预测方法。

基于适应度反馈作用的PSO算法改进

粒子群优化算法的收敛速度较慢、精度较低、稳定性欠佳。为此,提出一种基于适应度反馈作用的改进粒子群优化算法。在运行过程中,根据粒子相邻2次迭代的适应度变化,对适应度变化值归一化处理后,将其反馈给惯性权重,以削弱粒子寻优过程中的适应度振荡幅度,增强粒子群跳出局部最优的能力。测试结果表明,该算法的全局搜索能力得到提高,具有较高的收敛速度和稳定性。

基于粒子群优化算法的多交叉口信号配时

以城市道路多个单点信号控制交叉口组成的绿波系统为研究对象,对绿波系统的交叉口信号配时优化进行研究。通过对路段和干线机动车流进行协调控制设计,以西安市某两相邻交叉口晚高峰时段各进口道的交通量、通行能力、饱和流量以及各交叉口进口道的实际车均延误时间为约束,确定各交叉口的信号周期及各相位有效绿灯时长,使得干线延误量最小。设计了PSO算法的编码方式,分别采用PSO算法、灾变PSO算法和二阶振荡PSO算法对多交叉口交通信号配时进行优化计算。仿真实验表明,二阶振荡PSO算法在该实例中表现最优。

多机系统中飞轮储能系统稳定器与PSS的协调优化

为消除飞轮储能系统(flywheel energy storage system,FESS)稳定器与电力系统稳定器(power system stabilizer,PSS)间可能存在的相互负影响,提出将加入混沌算法和模拟退火思想的改进粒子群优化算法(improved particle swarmoptimization,IPSO)用于协调优化FESS稳定器与PSS参数。该算法通过混沌初始化和迭代中加入模拟退火思想来提高算法的效率和全局搜索能力。将多种运行方式下的所有特征值作为考察对象,在目标函数中同时考虑机电振荡模式和非机电振荡模式的性能,并通过IPSO算法协调优化各稳定器参数。在新英格兰10机系统算例中,应用IPSO算法协调优化的稳定器在不同运行方式下都能有效抑制系统振荡,表明了该方法的有效性和鲁棒性。在4机系统算例中,通过与逐个设计稳定器方法的比较可知,经IPSO协调优化的稳定器具有更好的阻尼效果,从而验证了该方法的优越性。

应用于低频振荡在线监测的并行时频原子复带通滤波方法

利用广域测量系统实测数据,提出基于并行时频原子复带通滤波的低频振荡在线监测新方法。在振荡频率区间内并行设置多个时频原子复带通滤波单元,通过并行滤波计算,能获取各模式幅值、瞬时频率和衰减系数,再利用粒子群优化算法估计相位参数。每个滤波单元时频域带宽柔性可调,能根据测量要求自适应取得较高的模式分辨率和较短的观测时窗长度。该方法对噪声鲁棒性好,能准确辨识各复合振荡模式,有助于电力系统强非线性模式分析,便于在线监测应用。仿真算例及实例分析结果均表明所提方法的正确性和有效性。

基于约束EKF的低频振荡模态参数辨识

低频振荡已成为限制电力系统区域间功率传输能力的突出问题,严重影响了电力系统的安全稳定运行。为了准确有效地提取低频振荡信号所包含的特征信息,分析低频振荡信号模态构成的特点,在扩展卡尔曼滤波(extended Kalman filter,EKF)算法的基础上,结合信号自身的物理约束,提出一种低频振荡模态参数辨识方法,实现了约束条件下的低频振荡模态参数实时在线辨识。所提方法能有效避免运用EKF算法进行低频振荡模态参数辨识时收敛性差和参数越界的问题,提高低频振荡模态参数辨识的精度。最后,对不同的低频振荡信号进行仿真测试分析,结果表明该约束EKF方法不但能够实现低频振荡模态参数的约束辨识,而且较EKF算法具有更好的收敛性和更高的辨识精度。