基于改进果蝇算法优化BP神经网络的接地网腐蚀速率预测模型

为进一步提高接地网腐蚀速率的预测精度,解决传统模型易陷入局部最优且随机初始化模型参数影响预测准确性和稳定性的问题。文中首先将混沌映射、动态搜索半径策略和优化气味浓度判定公式引入果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)得到改进后的果蝇优化算法(Update Fruit Fly Optimization Algorithm,UFOA);然后利用UFOA优化BP神经网络的初始权值和阈值,建立基于UFOA优化的BP神经网络接地网腐蚀速率预测模型(UFOA-BP);最后以重庆24座变电站的接地网数据进行实验验证。结果表明相对FOA优化的BP神经网络模型、BP神经网络模型、人工蜂群算法优化的支持向量机模型和广义回归神经网络模型,文中提出的UFOA-BP模型在预测精度和模型稳定性方面均优于其他四种模型,验证了该模型的有效性和可行性,为运维人员提前发现接地网安全隐患,并安排检修,进而保障电网安全稳定运行提供帮助。     

基于KPCA-ISHO-LSSVM的接地网腐蚀速率预测

为了提高接地网腐蚀速率预测精度,利用核主成分分析法对接地网腐蚀速率的主元进行提取,依据KPCA分析结果进行了指标重构,减少了接地网腐蚀预测模型建模工作量。通过收敛因子非线性调整及莱维飞行策略对斑点鬣狗算法进行改进,基于改进后的斑点鬣狗算法对最小二乘支持向量机的惩罚参数和核函数参数进行优化,建立了基于KPCA-ISHO-LSSVM的接地网腐蚀速率预测模型。仿真结果表明,经ISHO优化LSSVM接地网腐蚀速率预测模型的平均相对误差、均方根误差、全局最大相对误差均定系数分别为2.79%、0.139、3.53%和0.995,均优于其他接地网腐蚀预测模型,验证了模型的正确性和优越性。     

基于人工蜂群支持向量机的模拟电路故障诊断

支持向量机因其良好分类能力被广泛应用于故障诊断中,但是它的核参数对其分类性能有较大影响,因此针对支持向量机参数选择问题,人工蜂群算法被用于搜索最优的支持向量机参数。首先对核参数进行浮点数编码,之后利用人工蜂群的全局优化特性实现核参数的最优化。利用UCI数据库中的数据对提出的方法进行了仿真验证,证明了其可行性,最终将其应用于模拟电路故障诊断中,利用ITC97中的标准电路进行仿真验证,表明方法的有效性。     

基于智能优化算法的牵引变电所接地网腐蚀诊断

牵引变电所接地网为所内电气设备提供可靠接地.气候、温度等外界因素可能会导致接地导体出现严重腐 蚀,对人身安全与设备运行造成威胁.针对上述问题,以电网络理论为基础,推导了接地网的腐蚀诊断方程组,采用 MATLAB/Simulink软件建立仿真模型,利用仿真模型与实际模型互相验证.然后,采用L-M 算法和粒子群算法结合 的智能优化算法进行多次迭代计算,得到腐蚀支路位置和腐蚀倍数.最后,针对６１支路接地网案例,分别进行单支 路和三支路腐蚀诊断,设置腐蚀支路,电阻增大为标称值的２倍,根据上述算法得到腐蚀诊断结果,诊断结果与模型 设置相符,验证了所推荐算法的有效性,为牵引供电系统的安全运维提供了一定参考.     

基于混合蜂群算法特征参数同步优化支持向量机的水电机组轴心轨迹识别方法研究

在水电机组轴心轨迹识别研究中,为解决传统支持向量机方法中特征参数无法自适应选择而导致分类性能不高、计算时间过长等问题,提出混合人工蜜蜂群算法特征参数同步优化支持向量机（HABC-SVM）的轴心轨迹识别方法。将人工蜜蜂群算法引入到支持向量机识别优化模型的求解中,对人工蜜蜂群从搜索策略、蜜源编码、更新策略等方面进行了改进。通过仿真试验获取水电机组的四类典型轴心轨迹样本,对轴心轨迹中提取的19种特征参数和支持向量机参数进行了同步优化,将改进HABC算法与PSO-SVM算法和GA-SVM算法进行了对比。研究结果表     

基于PSOEM优化LSSVM的接地网腐蚀预测研究

1. 三峡大学 电气与新能源学院, 湖北 宜昌　443002; 2. 国网荆门供电公司,湖北 荆门　448000     

基于改进人工鱼群优化支持向量机的短期风电功率预测

针对人工鱼群算法中固定的视野和步长导致算法寻优速度变慢、易陷入局部最优等问题,引入了一个变系数因子来自适应调节人工鱼在聚群、追尾和觅食行为中的视野和步长;此外,为了降低算法后期运算复杂度以获得更多有效的人工鱼,加入一种人工鱼群最大迭代次数淘汰机制。将改进后的人工鱼群算法用来优化支持向量机中的核函数参数和惩罚参数,并应用到风电场短期风电功率预测中。通过实验仿真对比得出改进的人工鱼群优化支持向量机在短期风电功率预测中有较好的效果。     

基于改进CL-ML方法的接地网不开挖腐蚀速率预测模型

接地网是保障电网完全运行的重要部件,但接地网材料易被腐蚀,甚至发生断裂.鉴于接地网腐蚀存在样本数目少、非线性强的特点,在引入对比学习(contrastive learning,CL)和度量学习(metric learning,ML)的基础上,将对比学习和度量学习进行了组合优化,使输出结果变为参与拟合锚点的腐蚀速率系数,...     

基于最小二乘支持向量机的锅炉氮氧化物排放量预测模型

为了降低氮氧化物排放量,建立了基于最小二成支持向量机的氮氧化物排放量预测模型,并用差分算法优化最小二成支持向量机的参数。为了表明所提算法的有效性,利用BP神经网络、多层感知器(MLP)和偏最小二乘法(PLS)进行对比,试验结果表明该算法具有很好的预测能力和稳定性。     

基于支持向量机的网损分摊新算法

针对电力市场联营模式,提出了一种在Z-bus法网损分摊基础上基于支持向量机的网损分摊新算法。该算法将Z-bus法对网络不同运行情况下的分摊结果作为样本,然后利用支持向量机进行训练,得到网损分摊模型,进而可以直接利用该模型计算在不同负荷水平下各节点需要分摊的网损。通过对5节点系统进行的仿真分析,验证了该方法的正确性和合理性。     

基于IABC优化SVM的变压器故障诊断

针对故障信息较少时无法准确诊断变压器故障的问题,提出一种改进的人工蜂群算法优化支持向量机的故障诊断方法。首先采用主成分分析(PCA)对输入变量进行特征提取,降低特征向量的维数,避免了变量信息之间的相互重叠。其次,通过基于二维均匀的种群初始化和基于欧氏距离的食物源更新来对传统的人工蜂群算法(ABC)进行改进,并将改进蜂群算法(IABC)与ABC和粒子群算法(PSO)进行性能测试,证明了搜索速率和收敛性都有显著提高。最后用IABC优化支持向量机(SVM)的参数,将PCA提取的新特征值分别输入IABC-SVM、GA-SVM、PSO-SVM模型并对比诊断效果。最终表明所提方法具有诊断准确率高、模型简单、泛化能力强的特点。     

Wind speed prediction using the hybrid model of wavelet decomposition and artificial bee colony algorithm-based relevance vector machine

In this paper, the hybrid model of wavelet decomposition and artificial bee colony algorithm-based relevance vector machine (WABCRVM) is presented for wind speed prediction. Here, wind speed can be regarded as a signal and decomposed into four decomposed signals with different frequency range, which can be obtained by 2-layer wavelet decomposition for wind speed data, and the prediction models of the four decomposed signals can be established by RVM with their each appropriate embedding dimension. Artificial bee colony algorithm (ABC) is used to select the appropriate kernel parameters of their RVM models. Thus, each decomposed signal’s RVM model of wind speed has appropriate embedding dimension and kernel parameter. Finally, the experimental results show that it is feasible for the proposed combination scheme to improve the prediction ability of RVM for wind speed.     

基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型

提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器进行了故障诊断。故障诊断结果表明,所提方法的平均测试准确率优于标准支持向量机和粒子群优化算法优化支持向量机(准确率分别为77.08%、57.97%和61.96%),验证了所提模型的有效性。采用UCI基准数据集对所提模型进行分类测试,结果表明所提模型在解决分类问题上具有较好的泛化性。     

基于蜂群算法的低压电力线高频RLCG 模型参数辨识

电力线是通用的电力网络间的连接载体,同时也是传导电磁干扰和载波通信信号的主要传播介质.建立准确的电力线电参数模型是研究传导电磁干扰和载波信号传输特性的基础.采用一种考虑集肤效应和介质损耗的高频信号传输的RLCG模型对普通的三线低压电力线进行建模,并利用人工蜂群算法对模型参数进行辨识,该模型考虑了高频条件下电力线的趋肤效应以及电介损耗对信号传输特性的影响.利用网络分析仪测量实际电力线的阻抗特性作为标准数据,与传统的基于遗传算法的辨识方法的仿真结果进行对比,证明了所提出的电力线高频RLCG模型可以准确地反映电力线的高频传输特性,为低压电力线载波通信和电磁兼容分析奠定基础.     

基于人工蜂群优化极限学习机的短期负荷预测*

针对极限学习机(Extreme Learning Machine,ELM)在训练前随机产生输入层权值和隐含层阈值导致输出结果不稳定,影响短期负荷预测精度的缺陷,提出基于人工蜂群(Artificial Bee Colony,ABC)算法改进ELM(ABC-ELM)的短期负荷预测新方法。首先,选用历史负荷、外界气象因素和待预测日星期类型等属性构成ELM输入向量,以负荷值为输出,构建ELM模型;其次,采用ABC对ELM输入层权值和隐含层阈值进行优化;最后,根据优化参数,建立基于ABC-ELM的负荷预测模型,并以该模型开展负荷预测。根据国内某大型城市实测负荷数据开展实验,验证方法有效性。实验结果证明ABC-ELM较ELM和BP神经网络具有更高的稳定性和预测精度。     

基于ISSA优化SVM的变压器故障诊断研究

针对传统的变压器故障诊断方法准确率较低的问题,提出了改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(SVM)的变压器故障诊断方法。首先引入动态反向学习因子对种群进行优化选择以提高麻雀搜索算法(SSA)全局寻优能力,其次用ISSA优化SVM的核函数参数和惩罚系数,建立基于油中溶解气体分析(DGA)的ISSA算法优化SVM的故障诊断模型。然后采用核主成分分析法(KPCA)对故障数据进行非线性降维。将经过KPCA处理后的数据输入ISSA-SVM进行故障诊断。并与灰狼算法-支持向量机(GWO-SVM),粒子群算法-支持向量机(PSO-SVM)诊断结果进行对比。结果表明,ISSA-SVM故障诊断率为92%,比GWO-SVM, PSO-SVM,SSA-SVM分别提高了10.67%、8%、5.33%,可以更精准的预测变压器运行状态。     

基于改进人工蜂群算法的家庭储能容量优化配置*

家庭能源系统中的储能设备初始投资成本高,限制其实际应用。针对此问题,文章对混合储能的容量配置进行了研究。分别构建了刚性负荷、柔性负荷和储能类设备负荷模型;在此基础上搭建以用户每天用电费用最低为目标的家庭能源管理系统模型;提出一种改进的人工蜂群算法对模型求解。实验结果表明,通过和单储能的系统相比,在满足用户用电需求的同时,配置混合储能的家庭能源系统能有效减小用户每天用电费用。对文中算法与人工蜂群算法和粒子群算法优化结果进行比对,证实所提算法优化时长短、收敛速度快且不易于陷入局部最优。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。