考虑可平移负荷的综合能源系统动态优化调度策略

综合能源系统因多能互补、协调优化等特性受到了广泛关注,但该系统的热电机组在运行时的调峰能力具有一定局限性。为降低综合能源系统的用能成本,提升系统的用能效率,改善其调峰能力,文中提出了一种考虑可平移负荷的综合能源系统动态优化调度策略。该策略以系统的整体运维成本最小化为目标,结合可平移负荷和相关算例构建仿真模型,并采用自适应混沌粒子群算法进行求解。结果表明在引入可平移负荷时,多能源微网能够较好地达到削峰填谷目的,并降低系统综合运行成本,实现节能减排效果。同时,文中将传统粒子群算法与自适应混沌粒子群算法作比较,证明了自适应混沌粒子群算法在精度与效率上都优于传统的粒子群算法。     

海岛智能微电网多源协调优化运行研究

海岛微电网是解决离岸岛屿自主供电的重要途径,海岛微电网的优化运行是提高海岛供电能力的重要保障。基于海岛的实际情况,分析海岛微电网可再生能源分布式发电系统的运行特性,综合考虑海岛微电网运行的经济成本、环境折算成本等多个系统运行指标,区别于传统的海岛微电网构成,构建基于光伏发电、柴油机发电和潮流能发电的海岛智能微电网优化模型。由于粒子群优化算法的局限性,提出一种改进的粒子群优化算法对提出的微电网多目标多约束问题进行优化计算,形成海岛微电网系统的协调优化调度策略,从而提高系统资源的优化配置。最后,通过实验验证方案的可靠性和合理性,为海岛微电网的建设提供了重要的技术支撑。     

基于粒子群优化算法的可再生能源功率预测模型设计

为了降低可再生能源机组波动性对电网运行的影响,基于模型预测的思想对当前应用于功率预测的自适应小波网络（AWNN）参数迭代求解方法进行了优化。使用与差分进化相融合的改进粒子群算法PSO-DE来替代传统梯度下降算法,优化了AWNN网络的迭代方式。PSO-DE算法一方面借助差分进化算法中的遗传、变异及交叉机制提升了粒子种群间的信息流通效率;另一方面则通过惯性权重因子和束缚机制将粒子束缚在指定区间内波动,从而避免了算法在优化求解时陷入局部最优解的情况。基于广东某地区的光伏发电数据集进行了算法仿真,结果表明在引入PSO-DE算法后模型的主要性能指标显著提升,有效提高了可再生能源的功率预测精度。     

基于神经网络和粒子群算法的MC-CDMA多用户检测

MC-CDMA系统是干扰受限系统,存在多址干扰。本文提出一种基于神经网络和粒子群算法的MC-CDMA多用户检测方法。在粒子位置更新中,随机选择部分粒子作为Hopfield神经网络的神经元组成的个体,进行神经网络的更新;其他粒子仍采用原粒子群算法的位置更新策略,从而能加快粒子群算法的收敛速度以及降低计算复杂度。仿真表明在算法参数相同时,该多用户检测方法在误码率、收敛速度、系统容量、抗远近能力等方面都优于基于粒子群算法的多用户检测和基于神经网络的多用户检测,更加逼近于最佳多用户检测的性能。     

基于改进粒子群算法的多载波NOMA功率分配策略

相较于传统正交多址接入,非正交多址接入技术由于在系统吞吐量、频谱效率和能量效率等方面的优势,使其成为5G多址技术研究热点.针对NOMA下行链路的系统能量效率优化问题,提出一种基于改进粒子群算法的功率分配策略.建立了基于能量效率最大化的优化模型,在标准粒子群算法的基础上提出三点改进,并将改进后的粒子群算法用于求解最大化系统能效的目标函数.研究结果表明,在最佳功率分配点处,改进后的粒子群算法使系统能量效率显著提高.     

求解多输入多输出检测新算法——遗传粒子群优化

设计两种基于粒子群优化算法(PSO)和基于遗传算法(GA)的多输入多输出(MIMO)系统检测算法.提出一种新的融合GA和PSO进化机制的遗传粒子群进化(GPSO)算法,并将其应用于MIMO系统检测问题求解.新算法改善了初始化种群,并将每一代粒子划为精英粒子、次优粒子和糟糕粒子三部分,对这三种粒子分别采用极值扰动、PSO...     

基于改进协同量子粒子群的小波去噪分析研究

小波阈值函数中,因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因,图像无法得到最优还原.为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法.该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子,用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值.仿真图像和数...     

基于粒子群优化的电气自动节能控制器设计

针对目前电气自动控制器自动进行数据调试的能源消耗量大、待机状态控制效果差等问题,提出基于粒子群优化的电气自动节能控制器。该设计选用SYU-213型号的节能控制器,硬件上对自动控制器进行了优化设计,保证各种状态的有效切换。在软件设计中引入粒子群优化下的卡尔曼算法,能够在不同状态下进行快速的能源降耗。实验结果表明,所设计的基于粒子群优化的电气自动节能控制器可以有效降低电气自动控制的能耗,且在待机状态下仍可进行节能控制。     

基于遗传粒子群算法的海上风电系统参数优化

为提升海上风电系统的运行能力,使其阻尼比指标始终保持相对较高的数值水平,提出基于遗传粒子群算法的海上风电系统参数优化方法。根据遗传算法优化电信号参数,采用粒子群算法判别电信号能力,通过设置电量频谱参数完成基于遗传粒子群算法的电量频谱分配。建立风电系统传递函数,利用发电机建模原则计算DFIG-PSS优化参量的具体数值,实现对海上风电系统参数的按需优化。实验结果表明,随着遗传粒子群算法优化手段的应用,电信号阻尼比指标能够长期保持较高的数值水平,与基于PSO算法的调度模型相比,更能提升海上风电系统的稳定运行能力,符合实际应用需求。     

改进DPSO算法求解仿真任务调度问题

针对离散粒子群算法在求解雷达分布式仿真系统中的仿真任务调度时,由于其易陷入局部最优的缺陷导致算法受初始种群的影响较大且结果稳定低的问题,提出基于信息素变异策略的改进离散粒子群算法。文中分析了离散粒子群算法容易陷入局部最优的原因,引入基于信息素的变异策略,充分利用种群中所有粒子的寻优经验信息来累计信息素,以信息素的分布和效率矩阵为依据对基本离散粒子群算法每次迭代后得到的粒子进行变异操作。仿真结果表明,改进算法有效地避免了算法陷于局部最优的问题,且结果的稳定性比基本离散粒子群算法更好,调度跨度和负载平衡度相比离散粒子群算法,蚁群算法,Max-Min算法和Min-Min算法都有明显的改善。      

CDMA系统粒子群多用户检测算法

Kennedy和Eberhart提出的粒子群优化算法(PSO),作为一种新的并行优化算法,在解决多维和非线性的复杂问题中,性能优良且算法简单易于实现。本文对二进制粒子群优化算法进行改进,并将其应用于DS-CDMA通信系统的多用户检测中,提出了基于矢量的二进制粒子群多用户检测器(V-BPSO-MUD),同时提出了两种高效实用的多用户检测器:基于矢量的串行二进制多用户检测器(VS-BPSO-MUD)及基于矩阵的二进制多用户检测器(M-BPSO-MUD)。仿真结果表明,PSO多用户检测器充分利用了粒子群优化算法的优良特性,性能明显优于传统的CDMA检测器,接近无多址干扰情况。     

The Analysis of Continuous Particle Swarm Optimization Algorithm's Mean Square Convergence

粒子群优化算法是基于生物群体内个体间的合作与竞争等复杂行为产生的群体智能优化算法,已有的理论分析多在确定性的情况下进行算法收敛性分析.本文基于随机系统的矩方程法分析了连续型粒子群优化算法的均方收敛性,并给出了能够保证算法均方收敛域,最后通过仿真实验分析验证了相关结论.     

连续型粒子群优化算法的均方收敛性分析

粒子群优化算法是基于生物群体内个体间的合作与竞争等复杂行为产生的群体智能优化算法,已有的理论分析多在确定性的情况下进行算法收敛性分析.本文基于随机系统的矩方程法分析了连续型粒子群优化算法的均方收敛性,并给出了能够保证算法均方收敛域,最后通过仿真实验分析验证了相关结论.     

基于人工智能的网络运维优化算法研究

基于人工智能的网络运维优化安全优化算法,分析了互联网数据安全优化算法,得出以下结论:在网络安全情况预测中,预测模型基于粒子群优化神经网络径向基函数(Radial Basis Function,RBF),粒子群神经网络算法在信息量较低时运行速度快,高精度有利于粒子群RBF神经网络的快速准确预测。结果表明,通过对粒子群优化前后RBF神经网络的比较,粒子群优化后预测误差的波动可以大大降低。     

储能发展未来预测:是新能源变革重要因素

正"储能是能源变革的重要因素,特别是大规模可再生能源进入能源系统后,由于其供给不稳定,给原有的传统能源消费带来很大冲击。在能源变革的新时代,如何把不稳定的能源供给和能源消费融合在一起,除了借助智能电网、物联网、大数据分析管理等信息技术手段外,储能可以更好地适应人类不同需求。"中国可再生能源学会理事长石定寰在日前举行的储能国际峰会上表示。     

采用粒子群优化粒子滤波的红外目标提取算法

提出了一种新的基于粒子群优化粒子滤波(PSOPF)的红外目标提取算法,将红外目标提取阈值的计算问题看作系统状态估计问题.在粒子滤波的框架下,建立了关于灰度—方差加权信息熵和像素点灰度值的阈值状态空间,建立了基于粒子群优化算法思想的系统状态转移模型,建立了基于红外目标提取效果评价函数的系统观测模型,它有效综合了红外图像中灰度、信息熵、梯度、像素点的空间位置等信息.最后,以粒子的加权平均估计目标提取的阈值.实验结果表明,该方法是有效且稳健的.     

基于混沌粒子群优化的图像相关匹配算法研究

该文将混沌优化搜索技术应用于粒子群优化算法(PSO),提出了一种基于混沌搜索的粒子群优化算法(CPSO),该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置。几种典型函数的测试结果表明:CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象。将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法。实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效。     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

基于余弦距离的多目标粒子群优化算法

针对粒子群优化算法具有的个体分布不均匀以及重复个体较多等缺陷,提出了一种基于余弦距离的多目标粒子群优化算法,该算法根据外部精英存储策略,利用余弦距离排挤机制来选取最分散的粒子,扩大 Pareto最优解集的收敛性和多样性,增强算法的全局寻优能力。通过采用标准多目标优化问题ZDTl～ZDT3进行仿真实验与粒子群算法、混沌粒子群算法、基于拥挤距离的多目标优化算法对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于基于拥挤距离排挤机制,并具有较高的效率     

混沌粒子群优化粒子滤波算法

针对基于粒子群优化算法的粒子滤波计算复杂度大,并且容易陷入局部最优,提出了一种新的基于混沌的粒子群优化粒子滤波算法。该算法在粒子群优化的基础上,引入混沌序列,利用混沌运动的遍历性、随机性等特点改善了初始样本的质量,同时利用混沌扰动避免搜索过程陷入局部最优,使算法具有更快的收敛速度和更好的全局搜索能力。最后利用UNGM模型将该算法与标准粒子滤波和粒子群粒子滤波进行仿真对比,并利用纯角度目标跟踪模型验证了算法的有效性。实验结果表明,该算法改善了粒子群优化算法的粒子滤波易陷入局部最优的现象,提高了粒子滤波的精度和速度,具有较高的应用价值。