基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

基于改进差分进化算法的VSG控制策略

新能源发电系统的并网稳定性成为了微电网技术研究的热点。虚拟同步发电机（VSG）控制技术通过并网逆变器模拟同步发电机（SG）的运行特性,使之具备惯性和阻尼特性。VSG控制器参数设计困难,使用传统的计算方法得到的并网效果并不理想。针对此问题,建立VSG控制系统,应用改进的差分进化算法（DE）寻优参数。对比电网在频率和电压扰动下的仿真结果,验证了改进差分进化算法相比较传统算法更适用于VSG并网稳定研究。     

基于差分进化小波神经网络的多维非线性系统辨识

提出一种基于差分进化小波神经网络(DE-WNN)的多维非线性系统辨识方法。利用差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高小波神经网络的学习精度和收敛速度。将该方法应用于多维非线性系统的辨识,并与RBF神经网络和遗传小波神经网络的辨识结果进行了比较,实验结果表明,差分进化算法优化的小波神经网络隐层节点为6,迭代次数为30,网络训练时间为0.58s,辨识均方误差达到1.02×10?4,所提出的方法具有更高的辨识精度和收敛速度,能够更好的辨识出多维非线性系统。     

基于差分进化算法的水电站短期经济运行研究

以水电站运行成本最小为目标,提出了一种用差分进化算法（differential evolution, DE）实现大型水电站最优运行的方法。差分进化算法是一种基于群体的多目标进化算法,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。将改进的方法应用于水电站经济运行,模型考虑了机组能量特性差异,并能在旋转备用、启停成本、气蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。计算表明,该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了进化算法的精度。     

基于混沌差分进化算法的车联网计算卸载研究

随着车联网(internet of vehicles, IoV)的不断发展,有限的车载终端已无法支持延迟敏感和计算密集型的车联网计算服务。移动边缘计算(mobile edge computing, MEC)通过在用户侧提供计算卸载服务,可实现车载任务的实时化处理并降低车载终端能耗。为了提高车联网计算中对有限资源的利用率,提出一种联合时间延迟与计算耗能的计算卸载模型,并采用差分进化算法(differential evolution, DE)进行计算。应用混沌映射与自适应参数对DE进一步优化,从而提高计算效率以应对IoV高延迟敏感度的要求。最后进行实验仿真,仿真结果验证所提计算卸载策略的有效性。     

基于自适应差分进化算法的电力系统动态状态估计

提出一种基于自适应差分进化算法的电力系统状态动态估计方法。动态估计包括预测和滤波2个阶段。在预测阶段,利用布朗双指数平滑方法预测下一个时间间隔的状态;在滤波阶段,利用预测阶段获得的预测状态,基于自适应差分进化算法对目标函数进行寻优,通过优化算法提高预测精度,从而减小状态预测的误差。仿真结果表明：所提方法具有较小的估计误差,对坏数据具有较好的抑制能力。     

基于差分进化算法的动态可用输电能力计算研究

基于考虑暂态稳定约束的最优潮流(TSCOPF)建立了动态可用输电能力问题的数学模型.提出了采用差分进化算法(DE)求解考虑暂态稳定约束的可用输电能力(ATC)问题.利用不需要任何惩罚系数的合成适应度函数法处理约束问题.该算法原理简单,受控参数少,实施随机、并行、直接的全局搜索,易于理解和实现,且收敛性好,计算速度快,是一种求解非线性、不可微、多极值和高维的复杂函数的一种有效和鲁棒的方法.以WSCC9节点系统的计算结果为例验证了该方法的有效性和合理性.     

基于差分进化算法的动态可用输电能力计算研究

基于考虑暂态稳定约束的最优潮流（TSCOPF）建立了动态可用输电能力问题的数学模型。提出了采用差分进化算法（DE）求解考虑暂态稳定约束的可用输电能力（ATC）问题。利用不需要任何惩罚系数的合成适应度函数法处理约束问题。该算法原理简单,受控参数少,实施随机、并行、直接的全局搜索,易于理解和实现,且收敛性好,计算速度快,是一种求解非线性、不可微、多极值和高维的复杂函数的一种有效和鲁棒的方法。以WSCC9节点系统的计算结果为例验证了该方法的有效性和合理性。     

基于区域聚焦特性的多聚焦图像融合算法

针对现有多聚焦图像融合算法存在的伪影和信息残留问题,提出了一种依据图像聚焦特性,最大程度保留各区域信息和清晰度的算法。首先,通过区域检测得到聚焦区域决策图,利用该决策图进行初始融合和边界提取,得到边界区域决策图;其次,利用ACS网络学习多聚焦图像的融合规则,生成网络融合图;最后,根据边界区域决策图对初始融合图和网络融合图进行加权求和,得到最终的融合图像。实验结果表明：该算法在聚焦区域和边界区域都优于其它比较算法,各项评估指标分别提高4.8%和1.5%以上;同时主观效果更符合HVS。实验证明了在保留源图像的细节信息和避免各个区域的视觉伪影上,该算法都能取得很好的效果。     

基于差分进化算法的测试序贯优化技术

针对大型复杂系统的测试序贯设计问题,首次提出利用基于混合策略的差分进化算法（DE）进行测试序贯设计。通过LOV规则,将实数空间映射到表示测试序贯的离散空间;利用随机变异策略和小概率扰动操作,进一步加强了算法的探索能力和开发能力;局部动态搜索算子的引入,提高了算法的收敛速度。通过实例和其他常用算法进行了对比,验证了该算法的有效性。     

基于微分进化算法的电路模型匹配技术

根据电路模型单元库实现装备数学模型和物理模型的映射匹配,是基于模型的装备快速测试中的一项关键技术.电路模型匹配技术是进行基于装备物理模型进行故障诊断的基础.对模拟电路中的基本数学模型单元和物理模型单元进行了总结,建立了相应的模型库,针对装备中最基本的单元——可观测的模拟电路系统,提出了利用微分进化算法进行模拟电路模型匹...     

W变换和NSCT相结合的多聚焦图像融合方法

图像的多尺度分解技术和融合规则是决定多聚焦图像融合效果的关键因素。k次W系是一类以k次多项式和k次分段多项式为基函数的新的混合正交函数系统,对应的W变换是一种具有正交性和精确重构性的有效多分辨分析工具。结合W变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于W变换和非子采样方向滤波器组(NSDFB)的多尺度多方向变换。该变换利用W变换对图像进行多尺度分解,利用二维NSDFB对W分解的高频子带系数进行方向分解,得到不同尺度不同方向的子带图像。在此基础上,提出了一种新的多聚焦图像融合算法。该算法针对多聚焦图像高频系数的特点,改进了常用简化脉冲耦合神经网络算法,并将其用于高频系数的融合规则中。实验结果表明,提出的融合方法能够有效地选择源图像中的聚焦良好区域,抑制伪影信息,产生视觉效果更好的融合图像,且在标准差、信息熵、平均梯度和空间频率等客观评价指标上都优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。     

区域清晰度的小波变换图像融合算法研究

针对图像传感器景深限制而产生的多聚焦图像融合问题,提出了一种基于区域清晰度的小波变换图像融合算法,通过比较不同原图像小波变换子图各像素邻域间的清晰度指标,提取不同尺度的细节信息构建全景聚焦图像,以消除传统空域融合方法因采用单一融合尺度而产生的块效应现象。该算法首先对多个原图像采用小波变换进行多尺度分解;然后针对低频子图,以像素邻域内的点锐度和作为融合度量来获得低频融合系数,对于高频子图,根据像素邻域内的拉普拉斯算子之和进行融合,以减少局部噪声对于清晰度运算结果的影响;最后通过小波逆变换获得融合图像。实验结果表明,这种基于区域清晰度的融合方法要优于其他常用算法,减少了人工融合痕迹,融合效果好。     

基于改进DE算法的负荷建模参数辨识

负荷建模对电力系统运行及其控制起着重要的影响,主要有基于元件和基于量测两种建模方法.基于量测的负荷建模已广泛用于实践中,当考虑负荷的时变性后,基于量测的负荷建模即成为数学优化问题.因此,寻找到有效可靠的优化方法用于负荷建模参数辨识具有重要的现实意义.微分进化(DE)算法具有全局寻优能力,对初值不敏感,经改进后还可以加快收敛速度并防止出现早熟现象,因此可用于负荷建模参数辨识实践中.将DE算法用于负荷建模参数辨识实践中,在现有改进算法的基础上,借鉴遗传算法引入移民策略以防止早熟现象,通过对两个实测建模参数辨识实例的分析,表明经改进后的DE算法具有比改进遗传算法、蚁群算法和粒子群算法更好的性能.     

基于十进制编码的差分进化算法在配电网重构中的应用

提出了一种基于差分进化的配电网重构方法。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异、交叉和选择策略;提出了一种在计算的同时调整支路节点顺序的算法,解决了配电网重构后部分支路电流流向颠倒的问题。应用差分进化算法对IEEE 33节点网络进行配电网重构仿真,结果表明该方法能有效降低配电网损耗。     

基于差分进化算法的模糊核聚类算法及其 在故障诊断中的应用

针对模糊核聚类方法中,核函数参数的确定问题以及聚类结果的有效评价问题,提出采用差分进化算法进行核函数参数和聚类中心的同时寻优策略。并将Xie-Beni指标推广至核空间,设计了有效的适应度函数以实现聚类效果的提升。对所提出的方法进行数值试验,同时应用在电机轴承的故障诊断中,取得了不错的效果,验证了方法的可行性。