基于免疫二进制粒子群优化算法的配电网故障 定位方法研究

针对二进制粒子群算法在复杂规模化配电网故障定位时收敛速度慢、易陷入局部最优解的缺陷,提出一种基于免疫二进制粒子群优化算法的配电网故障定位方法。首先,应用免疫系统信息处理机制对粒子群算法进行改进,在算法进化过程中建立记忆细胞单元存储优质抗体,避免抗体种群更新后的群体退化。其次,引入抗体浓度调节机制与免疫选择操作保持抗体种群多样性,强化算法全局搜索能力,防止算法早熟。在此基础上,构建亲和度评价函数将改进后的算法应用于配电网故障定位。仿真结果表明,基于免疫二进制粒子群优化算法的配电网故障定位方法能够有效提升算法收敛速度与故障定位准确率,且在故障信息畸变情况下具有良好的容错性能。     

基于IBQPSO的含DG配电网故障区段定位

为适应含分布式电源(DG)智能配网的建设和发展对其故障区段定位高效性和准确性的要求,构建了可自适应多DG投切的开关函数模型,并结合网络分区处理解决方案,提出一种基于改进二进制量子粒子群算法(IBQPSO)的含DG配电网故障区段定位方法,有效克服了二进制粒子群算法(BPSO)固有的全局和局部搜索能力不平衡问题。通过含DG的IEEE33节点系统仿真分析,验证了该方法的容错性、快速性和准确性。     

基于改进灰狼优化算法的射频识别室内定位算法

为了解决当前射频识别室内定位算法中存在的定位误差较大问题，把智能算法应用到室内定位算法中，提出了一种基于改进灰狼优化算法的射频识别室内定位算法。针对传统的灰狼优化算法中存在的收敛精度低、收敛速度慢和容易得到全局最优解问题，在算法中引入基于幂函数的非线性收敛因子提高算法的寻优能力；采用基于指数因子的位置更新策略提高算法的收敛精度；加入多次位置更新策略使得算法容易跳出局部最优解。实验结果表明：三边定位算法的定位误差为0887 m，基于改进的灰狼优化算法的室内定位算法能够有效实现目标定位，定位平均误差为0276 m，定位精度明显提高。     

引入改进迭代局部搜索的灰狼算法及应用

针对标准灰狼算法(GWO)收敛速度慢,易陷入局部最优等缺点,提出一种引入改进迭代局部搜索的灰狼算法(IGWO)。首先,通过佳点集策略增强初始种群的均匀性与多样性;其次,采用双收敛因子,收敛因子基于种群位置非线性自适应更新,在种群寻优全期平衡全局勘探与局部开发能力;再次,在种群位置更新公式引入欧氏动态权重与莱维飞行策略,提升寻优精度,并帮助种群跳出局部最优值;最后,引入改进迭代局部搜索,使算法的搜索能力更加灵活,帮助算法加速收敛。通过10个基准测试函数的仿真分析及种群寻优平衡性对比,证明了IGWO具有更优的寻优精度、稳定性及收敛速度,随后将IGWO应用于工程优化问题中,相比GWO、GJO、WOA、HSSAHHO、SCHOA、NCPGWO、DSFGWO 7种算法,适应度分别优化了3.25%、27.2%、28.9%、3.15%、3.04%、0.23%、0.07%,证实了在工程应用中的可行性和有效性。     

基于改进灰狼优化算法的光伏MPPT方法

在局部阴影情况下,光伏阵列输出的功率-电压曲线会出现多个峰值,需要具有全局寻优能力的群体智能优化算法来进行最大功率追踪(Maximum Power Point Tracking, MPPT)。针对传统群体智能优化算法普遍存在的收敛速度慢、振荡幅度大和易陷入局部最优等问题,提出了一种基于改进灰狼优化算法的控制方法。该算法采用区间收缩策略,通过不断减小搜索区间范围,提高算法的收敛速度和求解精度;同时,采用反向优化策略,增加对当前最优位置反向解的搜索,提高了搜索过程的多样性,帮助算法跳出局部最优。仿真统计结果表明,相较于传统算法,改进算法具有更高的追踪成功率、追踪准确性和更短的追踪时间。     

多策略灰狼算法在WSN上的覆盖优化研究

针对随机部署无线传感网络出现的覆盖率低的问题，提出了一种多策略灰狼(MSGWO)算法的无线传感网络覆盖优化方法。首先，为平衡全局与局部搜索，提出双曲正切的非线性收敛因子；其次，采用差分变异重构包围步长来降低算法陷入局部最优的概率；然后，为加快算法的收敛速度与精度，利用瞬态搜索优化方程更新灰狼位置；接着融合莱维飞行策略增加空间搜索多样性；最后，引入边界越位策略避免灰狼个体越界重定位问题。仿真结果表明，MSGWO算法相比SSA、LGWO、PSO和PSOGWO算法的平均覆盖率增量分别为12.52%、6.054%、7.53%和3.45%,该算法具有较高的平均覆盖率和更优的节点分布状态。     

改进自适应蜂群优化算法在变压器故障诊断中的应用

为增强神经网络对变压器故障诊断的能力,同时避免蜂群算法出现局部最优和易早熟,提出一种改进自适应搜索策略蜂群优化算法。该方法通过自适应调整种群更新步长来协调蜂群算法的全局和局部搜索能力,避免出现局部最优状况,同时引入Levy变异因子提高局部搜索的性能。利用改进的蜂群算法优化BP神经网络权值和阈值,通过反复迭代算法,直到达到目标精度要求。该方法以变压器数据为依据进行测试。仿真结果表明,改进后的方法收敛速度更快、判别故障准确率更高。     

基于双态二进制粒子群优化算法的配电网故障定位

针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。     

基于新型灰狼优化算法的无人机航迹规划

为解决灰狼优化算法存在寻优性能差、收敛性差等问题,提出了一种新型灰狼优化算法。该算法在初始化部分使用反向学习策略生成了有序的个体,有效改善了算法的收敛速度;设计新型的非线性收敛因子和优化个体位置更新策略来协调算法的搜索能力,降低陷入局部最优的概率;引进精英选择保留策略,促使种群进化加速,提高算法收敛速度。基本函数测试和航迹规划仿真实验两者的结果表明新型灰狼优化算法具有较强的收敛性和寻优能力,并且该算法规划航迹所花费的平均航迹代价值比灰狼优化算法少19.9%。     

基于改进多元宇宙算法的主动配电网故障定位方法研究

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题,提出一种改进的多元宇宙优化算法(improved multi-verses optimization, IMVO)。首先构建具有容错能力的主动配电网模型,根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中,以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability, WEP)与旅行距离率(travel distance rate, TDR)的更新机制,以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力,进而提高全局寻优能力。仿真实验结果表明,改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著,相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

热电联产经济环保调度优化

为解决复杂的热电联产经济环保调度问题,提出了一种改进的多目标灰狼优化算法。标准灰狼算法只适用于处理单目标优化问题,而改进的算法也适用于多目标优化,并通过融入方向修正操作以修正狼群前进方向,并改善算法的全局搜索能力。其次,结合快速非劣解排序、拥挤距离计算等,在更新狼群位置时,采用"精英保留策略"淘汰弱势狼个体,进一步提高算法的收敛速度,并通过模糊决策理论获得最优折中解。最后,通过对某典型7机组热电联产系统的仿真,验证了所提出方法不仅能够有效地求取热电联产发电计划在经济性与环保性之间的最优折中,同时克服了标准灰狼算法的缺陷,且较其他群智能优化算法在求解质量、收敛性等方面具有明显优势。     

基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法。该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的。以IEEE33节点配电网模型为例,分别针对单重故障、多重故障以及信息畸变情况进行仿真。仿真结果表明,提出的优化算法定位准确率为100%,且收敛速度快、容错性好。