河道一维污染源识别反问题

在污染源下游布设水质在线监测断面并对监测数据进行分析,通过求解河流污染源反问题可以实时反演识别上游污染源信息,从而为污染源的控制和取水口的水质安全保障及预警提供基础信息。针对一维河流,在非恒定水流条件下,提出了以有限差分法作为正问题求解器、Nelder-Mead单纯形算法为优化模型求解器的污染源识别算法(FDM-SIM法);在此基础上,进行了污染源和参数的联合反演尝试。结合两个算例对FDM-SIM法进行了验证,计算结果表明:该方法不仅能够对污染源进行识别,还可实现污染源与水质参数的联合反演。     

一维河流水质模型多参数识别的反演优化通用算法

为了克服传统参数识别方法在进行河流水质模型多参数识别时的不足,以一维纵向离散方程为基础,构建了同时确定河流水质模型水力和水质参数的反演优化通用算法。利用反演优化法重点探讨了初值选取、观测噪声、测量精度等因素对参数计算结果的影响,比较了变尺度法和单纯形法两种优化算法的反演效果。算例计算结果表明,单纯形法在可靠性与精度方面均要优于变尺度法。结合瞬时源和连续源两个算例验证了该方法的可靠性。两个算例的计算结果表明,采用反演优化算法对瞬时源河流水质模型和连续源水质模型都能给出较好的反演结果。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础。针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解。理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础.针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解.理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度.     

基于改进的混合遗传算法的负荷建模参数辨识

针对传统遗传算法存在早熟及收敛速度慢等问题,采用了改进的遗传算法和局部搜索能力很强的单纯形法相结合的方法进行负荷模型的参数辨识.具体研究了算法的软件实现,包括编码、初始种群形成、适应度函数确定、自适应交叉变异、移民策略、排序选择、单纯形优化及终止条件的实现方法.算例表明了经改进后的混合遗传算法具有辨识精度高、速度快和参数分散性小等优点.     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题，提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新，以便增加群的多样性，避免陷入局部最优；然后采用牛顿下山法加快模拟退火部分的求解过程，并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试，结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

一种混合遗传算法在HVDC定电流控制器参数优化中的应用

为了改进遗传算法的局部收敛能力,提出了一种新的融合遗传算法和单纯形法的混合遗传算法。该算法兼具遗传算法的全局收敛性和单纯形法良好的局部收敛能力,当遗传算法陷入停滞后,由单纯形法引导进化方向。针对直流输电定电流控制器参数优化的具体问题,设计了一套系统化混合遗传算法寻优方案,并详尽叙述了该方案的流程及具体实现步骤。该方案选取ITAE为目标函数,直流输电准稳态模型为目标函数的计算模型;PI参数的可行域由基于直流输电PSCAD/EMTDC模型仿真的直流电压稳定性计算确定。最后通过CIGRE HVDC Benchmark模型的PSCAD/EMTDC仿真验证所设计参数优化方案的有效性。     

改进的人工鱼群算法在水质参数识别中的应用

水质参数是建立河流水质数学模型、预报河流水质状态变化的基本数据.因此,准确估计模型参数具有重要意义.通过构造目标函数使模拟结果与已知值之间误差达到最小,从而将此参数估计问题转化为一个参数优化问题进行求解.结合水质模型参数优化的特点,将具有收敛速度快、全局优化能力强的新型智能算法-改进的人工鱼群算法应用于该优化问题求解.通过进行多组参数组合实验,结果表明:当参数变化范围较小时,改进的人工鱼群算法在求解上述问题上具有较好的适用性和有效性,可以获得较为精确的结果;但随着参数变化范围的不断扩大,该算法的搜索效率和精度有所下降.关于算法参数的设置,如何解决算法受参数变化范围的影响问题都是需要进一步研究的问题.     

用于土壤分层电阻率模型反演的人工蜂群结合混沌搜索算子及混沌算法

土壤结构参数的测量与反演是接地设计中的重要环节。为此基于求解土壤分层模型电位分布的高阶复镜像法以及土壤模型结构反演的原理,开发了基于直接搜索法的土壤分层结构反演算法。进而在人工蜂群算法的基础上,加入混沌搜索算子和混沌池,提出了1种用于土壤分层结构反演的混沌池人工蜂群算法,增强了反演算法的局部搜索能力和全局搜索能力。计算表明,较用于反演土壤分层结构的遗传算法,提出的算法拥有更小的反演误差,最大可以将反演的均方根误差缩小到遗传算法的1/10。通过对比几种基于直接搜索的算法,证明了该算法在收敛速度以及寻优能力上的优势,比遗传算法更加适合作为土壤结构反演的算法。     

基于混合遗传算法在印染车间生产调度研究与应用

针对遗传算法在印染车间生产调度时收敛性与全局搜索能力不能兼顾等问题,提出了一种基于混合遗传算法的初始种群生成方法。通过对生产车间调度进行数学建模、对遗传算法的初始种群进行改进,以海明距离的方式均匀展开,再将模拟退火算法的思想融入到遗传算法变异操作中,提高遗传算法在印染车间调度问题的性能。最后,将传统遗传算法与改进的混合遗传算法进行仿真实验对比。通过仿真实验证实了此算法拥有更好的收敛性,且在车间生产调度问题上具有高效性和精确性。     

基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨。针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识。该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算法全局搜索能力,从而提高J-A磁滞模型关键参数辨识的准确度。文中对比分析了所提改进算法(GSS-PSO)与其他智能算法对J-A磁滞模型的关键参数辨识速度与准确度。结果表明,改进的算法得到的磁滞回线与实测磁滞回线的误差最小,且识别效率较高,证明了该算法在J-A磁滞模型参数辨识中的准确性和有效性。     

A new genetic-based tabu search algorithm for unit commitment problem

This paper presents a new algorithm based on integrating the use of genetic algorithms and tabu search methods to solve the unit commitment problem. The proposed algorithm, which is mainly based on genetic algorithms incorporates tabu search method to generate new population members in the reproduction phase of the genetic algorithm. In the proposed algorithm, genetic algorithm solution is coded as a mix between binary and decimal representation. A fitness function is constructed from the total operating cost of the generating units without penalty terms. In the tabu search part of the algorithm, a simple short term memory procedure is used to counter the danger of entrapment at a local optimum by preventing cycling of solutions, and the premature convergence of the genetic algorithm. A significant improvement of the proposed algorithm results, over those obtained by either genetic algorithm or tabu search, has been achieved. Numerical examples also showed the superiority of the proposed algorithm compared with two classical methods in the literature.     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

利用混沌优化算法确定河流水质模型参数

应用混沌序列优化算法求解分析一维河流水团示踪试验数据 ,确定水质参数的函数优化问题。就算法控制参数对细搜索次数的影响进行了数值实验。结果表明 :( 1)该算法可以有效地应用 ;( 2 )过大的序列长度不能有效地缩短计算时间 ;( 3 )粗搜索次数对算法的收敛性影响不大 ;( 4 )水质参数的初始取值范围对算法收敛性基本没有影响     

基于混合采样与 IHBA-SVM 的变压器故障辨识方法

针对变压器故障数据的不平衡性弱化故障分类能力的问题,提出混合采样与改进蜜獾算法( IHBA)优化支持向量机 (SVM)的变压器故障诊断方法。 首先采用 K 近邻去噪、K 均值聚类(K-means)与合成少数类过采样(SMOTE)对数据进行混合 采样处理,以缓解诊断结果向多数类的偏移;然后使用 Tent 映射、轮盘赌随机搜索机制和最优个体扰动策略对传统蜜獾算法 (HBA)进行改进,并使用 IHBA 优化 SVM 参数,以进一步提升变压器故障辨识能力;最后对所提方法进行算例仿真,结果显示, 相较于传统的变压器故障辨识方法,采用 K 近邻去噪、K-means、SMOTE 混合采样与 IHBA-SVM 相结合的故障诊断模型获得了 最高的宏 F1 和微 F1 值,分别达到 0. 877 和 0. 886,表明提出模型不仅具有更高的整体分类能力,且更能兼顾对少数类故障的 辨识。     

基于改进萤火虫算法的水电站群优化调度

为探讨水电站群优化调度新方法,在标准萤火虫算法原理的基础上,引入了隔代大步长纯随机游走、优势保留和变异机制等寻优机制,提出了改进的萤火虫算法。以黑河梯级水电站群为应用实例,建立和求解了梯级发电量最大的中长期优化调度模型,获得了如下结论：（1）梯级发电量最大时,龙头水库水位呈丰水期快速蓄满、维持高水头运行、枯水期缓慢下降至死水位的变化规律;（2）由参数敏感性分析得到了扰动因子、荧光吸收因子和随机搜索间隔代数的最优值;（3）不同算法的对比分析说明IFA的准确性、稳定性、寻优能力均最优。研究成果对于指导黑河梯级水电站经济运行具有重要的实际意义。     

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。     

Hybrid evolutionary techniques for the maintenance schedulingproblem

The incorporation of local search operators into a genetic algorithm has provided very good results in certain scheduling problems. The resulting algorithm from this hybrid approach has been termed a memetic algorithm. This paper investigates the use of a memetic algorithm for the thermal generator maintenance scheduling problem. The local search operators alone have been found (in earlier work by the authors and others) to produce good quality results. The main purpose of this paper is to discover whether a memetic approach can produce better results. We describe the approach taken and highlight the variety of local search algorithms that were employed. We compare the memetic algorithms with a variety of algorithms that include the local search operators on their own and a range of algorithms that apply the local search operator to randomly generated solutions. We see that, for the problems tested, the memetic algorithms produce better quality solutions (although they do take more time about it). Of course, in practice, for a problem like this, the time taken to produce a solution is not a major issue. What is far more important is the quality of the solution. We conclude that the most effective method (of the ones tested here) is a memetic approach that employs a tabu-search operator     

基于ABC-RFEKF算法的锂电池SOC估计

准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障。针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计。在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最优阻抗参数值,实现模型参数的精确辨识。在获得精确的模型参数基础上,使用随机森林(RF)对SOC后验估计误差进行在线补偿,达到弥补传统EKF算法高阶项误差的目的,进而实现SOC高精度估计。联合半实物仿真系统和电池测试平台,在EPA城市动力工况下对SOC估计算法实现快速控制原型验证。结果表明:基于ABC-RFEKF的锂电池SOC估计算法各项误差指标均低于传统SOC估计算法,平均误差在1%左右,满足实际工程需求。