共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
为解决现有方法对1 000 MW机组给水系统建模复杂、算法收敛速度慢、精度低等问题,提出一种改进遗传算法融合混沌粒子群算法(Genetic Algorithm-Chaotic Particle Swarm Optimization, GA-CPSO)。首先,粒子群算法(Particle Swarm Optimization, PSO)中引入了自适应权重和收缩因子,提升粒子寻优能力;在一维Logistic的基础上提出二维Logistic混沌映射,避免寻优过程中陷入局部最优解;采用轮盘赌选择方法,选取粒子进行下一步的遗传算法优化,提升了全局寻优能力。其次,通过实验仿真数据和现场实际数据验证了改进GA-CPSO算法的精度。将该算法用于1 000 MW机组给水系统,建模精度提高了88.65%,仅需要迭代7次左右即完成收敛。然后,利用数据中加干扰实验进一步挖掘改进GA-CPSO算法的抗干扰能力。实验表明:加入外部大扰动建模误差仅有0.385,算法抗干扰能力强。最后,用皮尔逊相关系数方法验证了机组直流阶段模型间的相关性,相关系数达到了0.9以上,可用一个模型代表。 相似文献
5.
针对粒子群(PSO)优化算法辨识发电机模型参数时存在局部最优和后期收敛速度慢很难准确获取具有强泛化能力的模型参数的问题,提出了一种基于多粒子全局信息共享和变权重的全局信息融合PSO算法(GPSO),并通过IEEE3机9节点系统算例验证了该算法的有效性。结果表明,与常规PSO算法相比,该算法具有泛化能力强、辨识精度高和后期收敛速度快的优点。 相似文献
6.
7.
8.
以聚类系数大且平均路径短的NW(Newman-Watts)型小世界网络作为粒子群的拓扑结构,提出NW型小世界邻域粒子群优化算法(SW-PSO)。典型高维基准测试函数表明,该算法能有效避免基本PSO算法因群体间信息交互过快而陷入局部最优解的问题。将新算法应用于含风电场电力系统经济调度问题的优化求解,并根据优化调度的实际需求采用相应的调整策略以修正粒子,保证粒子在可行域中飞行寻优,使新算法的寻优精度显著提高。仿真实例表明,SW-PSO算法比传统PSO算法寻优效果好,是一种求解复杂大规模非线性规划问题的新方法。 相似文献
9.
黄文稻 《电网与水力发电进展》2007,23(2):23-26
鉴于以往水库优化调度的求解精度受制于离散的密度的不足,引入可连续域寻优的粒子群算法,建立基于PSO水库优化调度模型,并针对粒子群算法易出现的收敛性差和处理约束问题困难等问题,提出了改进措施,并应用到水电站的发电量分析中。 相似文献
10.
11.
12.
针对主蒸汽温度系统现场数据的模型辨识问题,提出了结合粒子群优化算法的改进和声搜索算法.采用经验模态分解法对带噪声污染的现场数据进行滤波处理,采用离散相似法进行模型辨识的计算机仿真实现和数值计算.应用该改进算法对循环流化床主蒸汽温度系统模型进行了现场数据辨识.结果表明:所辨识的模型具有较高的精度,能够反映实际主蒸汽温度系统的动静态特性;改进和声搜索算法比粒子群优化算法具有更好的稳定性和全局寻优能力,以及更快的收敛速度. 相似文献
13.
分析与处理大坝变形监测资料在大坝安全监测中意义重大。支持向量机(SVM)在大坝安全监测建模中应用广泛,但采用标准粒子群(PSO)算法对SVM参数寻优过程中,易陷入局部最优,且残差也会影响模型的预测精度。为提高大坝监测模型的泛化能力和预测精度,采用改进后的自适应位置PSO(APPSO)算法,对SVM模型的参数进行寻优,并利用马尔科夫链(MC)模型修正PSO-SVM模型的残差。工程实例分析表明,PSO-SVM-MC模型可提高模型预测的泛化能力和精度。 相似文献
14.
为了提高光伏发电系统建模过程中光伏电池的参数辨识精度,在基本的教与学优化算法(teaching-learning-based optimization, TLBO)的基础上,针对其存在易于出现精度不高且陷入局部最优等问题,提出了一种基于分组的教与学优化算法(grouping teaching-learning-based optimization, GTLBO)。GTLBO算法在教学阶段采用了分组教学的方式,并对教学因子进行了改进,将GTLBO算法应用于单二极管模型、双二极管模型和3个光伏组件模型的参数提取。实验结果表明,与其他优化算法相比,GTLBO算法在光伏模型参数提取方面更加准确可靠。其次,相对于基础的TLBO算法,GTLBO算法的收敛速度和辨识精度都得到了提高,具有一定的可行性和实用性。 相似文献
15.
针对当前大部分智能算法在求解质子交换膜燃料电池模型参数辨识问题时易陷入局部最优,导致参数辨识精度低、模型泛化能力差等问题,提出一种基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识方法。首先,引入Tent映射策略初始化种群,提高种群的均匀性和遍历性;其次,设计基于个体进食速度的自适应惯性权重,改善母鸡个体寻优效率,平衡算法的开发与探索能力;然后,利用Levy飞行策略的长短跳跃特点对小鸡位置进行随机更新,增强算法的全局最优搜索能力。最后,通过4组测试函数验证了该算法的优越性,并将算法应用于H-12电堆的参数辨识问题中。结果表明:相比于鲸鱼优化算法、花卉授粉算法等算法,该算法具有更高的参数辨识精度,所辨识出的模型具有更强的泛化能力。 相似文献
16.
光伏阵列局部处于阴影时,其功率输出会呈现多峰值特征,将造成传统的MPPT算法跟踪失效。文章针对标准粒子群算法(PSO)在实现多峰值MPPT控制时,存在容易进入局部最优、收敛速度较慢和跟踪精度较低等问题,提出了一种基于改进PSO算法的多峰值MPPT控制算法。该方法把非线性变化的变异策略引入到PSO算法中,在显著提高跟踪速度的前提下,扩大了粒子的搜索范围,从而增强了全局寻优能力。仿真与实验结果表明,与传统的PSO方法相比,文章所提出的方法在均匀光照、静态阴影和动态阴影下,均能快速精准地实现对全局最大功率点的跟踪和控制,在一定程度上提高了光伏阵列的发电效率。 相似文献
17.
18.
基于改进AWNN的风电功率超短期多步预测 总被引:2,自引:0,他引:2
为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。 相似文献
19.
20.
针对由支持向量机(SVM)参数难以确定而导致的变压器故障诊断精度低及海鸥优化算法(SOA)易陷入局部寻优的问题,提出一种多策略改进海鸥优化算法(ISOA)优化SVM的变压器故障诊断方法。首先,提出一种多策略的改进方法来全方面提升SOA的寻优性能;然后,利用ISOA对SVM内部参数进行优化,构建基于ISOASVM的变压器故障诊断模型;最后,将油中气体溶解分析(DGA)数据的特征提取结果输入到ISOA-SVM模型中进行变压器故障诊断。实例分析表明,所提ISOA-SVM模型诊断精度更优。 相似文献