量子遗传算法优化RBF神经网络及其在热工辨识中的应用

量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络进行非线性系统辨识。其特点是通过这种新的量子遗传算法,实现对RBF神经网络权值、宽度和中心位置等有关参数的估计。其速度快、精度高。通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法,编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨识算法。     

基于遗传算法的火电厂热工过程模型辨识

针对热工对象的特点及基本遗传算法存在的问题，提出了一种用于热工对象模型辨识的改进遗传算法，有效抑制了算法早熟，提高了算法的全局搜索能力和局部搜索能力。采用MATLAB语言编制了专用的模型辨识软件，对典型热工过程进行了辨识，给出了各种输入下的辨识结果，仿真研究表明，不管对象输入是阶跃信号，还是模拟现场操作的任意信号，都能得到准确的辨识结果，即使输入中含有较大的噪声信号，也可得到准确的传递函数。     

基于遗传算法的热工过程辨识

针对热工过程对象的特点和模型辨识的需要,对热工过程对象模型进行了分类,并将遗传算法应用于热工过程模型的辨识,介绍了基于遗传算法的热工过程辨识的方法。同时利用Matlab的图形用户界面设计功能,编制了专用的模型辨识软件,并对典型的热工过程进行了辨识仿真研究。结果表明,基于遗传算法的热工过程辨识方法可以得到准确的辨识结果。     

基于量子遗传算法的大规模配电网实时重构研究

针对大规模配电网的实时重构很难在很短时间内找到最优解的问题,在分析传统的解决方法存在计算时间长、结果精度不足等基础上,提出采用量子遗传算法(quantum genetic algorithm,QGA)来解决配电网的实时重构,并给出一种新的基于QGA的重构算法--QGA-PR.算例分析表明,该算法能有效进行配电网重构,在...     

基于改进微分进化算法的过程模型参数辨识

参数辨识是过程建模的基础,对于参数辨识问题提出了许多不同的方法.针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于改进微分进化(DE)算法的模型参数辨识方法,有效提高了参数辨识的精度和效率.对火电厂热工过程参数辨识的仿真研究验证了本文算法的有效性.结果表明,利用改进DE算法辨识过程模型参数,无论...     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

基于模糊规则的热工过程非线性模型的研究

建立精确的热工过程整体模型是对热工过程进行全局优化控制的基础，而热工过程往往具有非线性和不确定性，传统的描述热工过程动态数学模型的方法（如传递函数等）难以建立非线性模型，从而难于精确表达热工过程及实施整体优化控制，该文提出了一类实用的基于模糊规则的热工过程非线性建模方法，具体为：首先通过聚类和竞争学习算法，对热工过程的输入数据空间进行分区，然后在每个局部的数据子空间上，利用递推的最小二乘辨识算法（RLS）建立一个基于模糊规则的局部线性动态模型，这样，一个典型的非线性热工过程可以通过一组基于模糊规则的线性模型来表示。计算结果表明：基于模糊规则的非线性模糊模型，不仅能精确地描述过程的非线性，而且算法简单，实用。     

基于最差子空间分解聚类的热工过程模糊辨识

以较少的模糊规则在全局范围内获得满意的辨识精度,是模糊辨识追求的重要目标。该文提出了一种基于最差子空间分解聚类的非线性系统模糊辨识方法。根据各子空间的“可线性化”程度,对聚类的有效性进行评判,进一步对有效性最差的子集进行重新分解聚类,并辨识新增子空间的模型参数,以此逐步完成整个样本空间的模糊划分和模型辨识过程,直至模型满足既定要求。文中给出了所提出的模糊辨识方法与其他相关模糊辨识方法的对比结果,并利用该方法对2个典型热工对象进行了模糊辨识。     

基于量子遗传算法的电网碳排放优化模型

针对电网企业在碳排放评估时忽略电能产生和传输过程的问题,引用比例分享碳排放模型对电网进行碳排放评估。在考虑经济性和安全性的前提下,引入网损的总碳排放率指标,建立了基于量子遗传算法(quantum genetic algorithm,QGA)的电网碳排放优化模型。该模型将目标函数值作为个体适应度值的评估依据,并通过量子旋转门对动作进行调整,最终选出最优个体和其相应的目标值。IEEE 39节点仿真实例表明QGA可更好地解决电网碳排放评估和优化等问题,且与传统遗传算法相比,QGA具有更好的适应性。     

PSO算法在过程模型参数辨识中的应用

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化（PSO）算法的模型参数辨识方法,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率,对火电厂热工过程进行参数辨识的仿真结果验证了本文所提出算法的有效性。     

改进的遗传算法在CFB锅炉热工过程建模中的应用

针对循环流化床(CFB)锅炉热工被控对象的特点及遗传算法存在的问题,提出一种用于热工过程建模的改进遗传算法,此算法引入模糊集理论,实现交叉概率和变异概率的模糊自整定,有效抑制了算法早熟,提高了算法的全局搜索能力.利用阶跃响应法获得现场特性曲线,基于模糊遗传算法得到典型负荷处的传递函数,将建模结果用于现场控制器的设计.对主汽温系统现场控制器进行内模控制整定,并进行了仿真研究和实际应用,结果表明该方案有较好的鲁棒性和抗干扰能力.     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。     

基于遗传算法的循环流化床锅炉床温模糊控制系统

模糊控制系统设计的核心问题是建立控制规则库,遗传算法是模仿自然界生物进化思想而得出的一种全局优化算法,可以用于获取模糊控制规则。然而用标准遗传算法来获取MIMO系统的控制规则库时,由于搜索空间庞大往往导致收敛速度很慢,为了克服这一缺点,该文定义了染色体中的优良模式,以此来控制遗传操作的方式和速度,加快了搜索和收敛的过程,床温是决定循环流化床锅炉安全,连续运行的重要参数,文中结合循环流化床锅炉的运行特性提出一种新的床温调节策略,采用改进后的遗传算法设计床温模糊控制器,将人工操作经验表示为染色体中的优良模式,依据经验和启发性信息来控制遗传操作的方式和速度,提高了生成模糊控制规则的效率,仿真结果表明该系统在满足负荷要求的同时,能够保证主汽压力和床温的稳定。     

基于量子遗传算法优化的无线电能传输模型

传统方法设计电磁谐振式无线电能传输系统时,参数一直靠人工设定,实际应用中很难达到最优的传输效率。文章使用量子遗传算法对无线电能传输模型的参数进行优化,该算法以量子理论和量子计算为基础,采用量子比特实现个体编码,然后对每次迭代中的个体通过量子旋转门操作进行最优解搜索;最后,通过对一个谐振式无线电能传输系统进行仿真分析,对算法的有效性进行了验证;事实证明,该算法能够较快地搜索到局部最优解,验证了量子遗传算法对参数优化问题的有效性,为无线电能传输模型的制作优化奠定基础。     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

分布式电源并网动态无功优化调度的研究

根据分布式电源并网的控制特性,将分布式电源设计为电压控制型和无功补偿型,考虑其与地区电网的电压无功控制手段相结合,参与地区电网动态无功优化调度。建立以降低地区电网网损、抑制电压波动为综合目标的地区电网模糊动态无功优化调度模型。在该模型中,通过构造模糊评价函数,将目标函数转化为对优化结果的满意度,并利用自适应权重法将综合目标进行归一化处理。最后采用改进遗传算法有效求解含分布式电源的地区电网动态无功优化调度策略。算例表明,提出的模型和方法是合理的,具有一定参考价值。     

模糊神经网络在噪声消除中的应用

提出了一种基于改进模糊聚类算法的训练模糊神经网络的算法,该方法采用遗传算法改进传统的模糊聚类算法,并给出了一个衡量聚类有效性的函数以确定聚类算法中的聚类总数,从而确定模糊神经网络结构,仿结果表明神经网络可成功的应用于噪声消除。     

一种基于径向基神经网络的短期风电功率直接预测方法

提出了一种基于RBF神经网络的未来24 h风电功率直接预测方法。为克服传统聚类算法局部寻优的缺陷,基于模糊C-均值聚类算法,提出了一种将遗传算法、模拟退火算法和模式识别技术相结合的模糊聚类算法。基于某风电场的实测数据,采用所提出的模糊聚类算法和几种常用方法分别确定径向基函数的中心,并采用最小二乘法解决权值学习问题。预测结果表明了基于RBF神经网络的风电功率预测方法能够有效提高预测精度,且证明了所提出的模糊聚类算法的优越性。     

基于遗传算法的火电单元机组模糊控制系统

火电单元机组是一个多变量、强耦合、大时滞复杂的非线性系统，难以建立精确的数学模型，其控制系统的设计面临着严峻的挑战。文章提出了基于遗传算法的火电单元机组模糊控制系统。遗传算法用全局优化模糊控制器隶属度函数的比例因子，优化后的模糊控制器较好地补偿了负荷扰动所引起的单元机组的实际值与设定值的偏差。仿真结果表明，该系统有良好的动态特性，能适应于火电单元机组大范围运行时的负荷跟踪。