适用于核动力设备故障诊断的改进粒子群优化算法

提出一种基于改进粒子群优化(IPSO)算法的核动力设备故障诊断方法.利用已知核动力设备故障征兆集合,选用概率因果模型求解具有最大后验概率的故障集合;在传统粒子群优化(PSO)算法的基础上,利用佳点集原理对PSO算法进行初始化,优化了粒子群的初始化范围;借助自适应调整的惯性权重法,避免PSO算法未成熟收敛,加快了收敛速度.最后通过算例证明该方法的有效性.结果表明:基于改进粒子群优化算法的概率因果模型不受故障样本的限制,具有较好的通用性,且模型故障诊断精度较高、寻优速度快.     

基于改进秃鹰算法的微电网群经济优化调度研究

传统优化算法相较于智能优化算法在求解微电网群优化调度问题中较难寻出可行解或最优解,对此提出一种基于融合反向学习和柯西变异改进的秃鹰算法（IBES）,在秃鹰搜索空间猎物阶段采用融合反向学习和柯西变异策略,使得秃鹰算法有效跳出局部最优,解决算法求解精度低等问题。通过与粒子群算法（PSO）、麻雀算法（SSA）、鲸鱼算法（WOA）进行对比,仿真结果表明IBES寻优精度更高,可有效减少微电网群系统的经济成本。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于改进粒子群优化算法与风速分布回归函数法的复杂地形风电场优化布置方法

为了研究在复杂地形下的风力机优化排布方法,提出一种改进粒子群（PSO）优化方法,并借助风速回归函数解决一部分复杂地形所致的问题,对实际尾流效应设置约束条件,判断风能利用的最优方案,从而快速确定风力机具体安放坐标,通过Matlab建模仿真,并借助WAsP软件对改进PSO优化算法和传统方法进行对比验证。结果表明,改进粒子群（PSO）优化方法与传统方法相比,年发电量提高了近5.2%,且对复杂地形下的风电场优化布局效果较好。     

基于改进动态自适应粒子群优化算法的汽轮机组给水回热分配优化方法

为了便捷、准确地实现给水在回热加热器中的焓升分配优化,构建了基于粒子群优化(PSO)算法的汽轮机组给水回热分配通用计算模型,对基于进化状态的自适应粒子群算法中的聚集度描述进行了改进,并应用改进算法对某1 000MW汽轮机组给水回热分配进行优化计算.结果表明:改进算法具有良好的收敛能力和求解精度,优化后的机组循环热效率比原设计值相对提高了0.23%;该方法简捷、易实现且通用性强.     

粒子群算法在水位流量关系拟合中的应用

针对传统水位流量关系曲线拟合过程中精度不高的问题,将粒子群优化算法(PSO)应用于水位流量关系拟合,通过实例应用将该法与传统优化法及遗传算法的拟合结果进行了比较.结果表明,PSO简便、快速、实用性强,是一种较优的全局优化方法,适应于非线性关系的参数率定.     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。     

基于粒子群优化算法的人工地震波反应谱拟合技术

为避免复杂的人工地震波反应谱修正过程,且使合成的人工地震波反应谱较好地收敛于目标谱,提出在传统人工地震波反应谱拟合技术的基础上引入二次修正因子,并以二次修正因子作为优化因子,以合成的人工地震波反应谱与目标谱的标准误差最小为优化目标建立谱拟合优化模型。并基于Matlab软件编程,应用粒子群优化算法(PSO算法)对模型进行分析。算例分析表明,基于PSO算法的人工地震波反应谱拟合方法与传统的在频域内调整傅里叶幅值谱的方法相比,所生成的人工地震波反应谱与目标谱曲线整体吻合较好,收敛精度显著提高。     

混合算法优化投影寻踪模型的需水量预测研究

针对传统遗传算法(GA)和粒子群算法(PSO)在优化计算过程中存在的优缺点,研究了二者结合的混合算法(GA-PSO),用其优化基于Hermite多项式的投影寻踪回归模型,解决了模型中最佳投影方向的优化计算问题,并运用该模型进行需水量预测.实例研究表明,基于混合算法优化的投影寻踪回归模型可靠,且预测精度较高,能有效地解决需水预测中存在的数据非线性、高维数等实际难点,在需水预测中有一定的适用性.     

基于IWO-PSO混合算法的三电平逆变器SHEPWM仿真研究

针对传统粒子群优化(PSO)算法在求解三电平逆变器选择谐波消除脉宽调制(SHEPWM)技术的非线性超越方程组时存在局部收敛、收敛速度慢且计算精度不高的问题,提出了一种基于入侵杂草优化和粒子群优化混合算法(IWO-PSO)的SHEPWM方程组计算方法,该混合算法结合IWO算法的广度和PSO算法的深度,通过合理选择算法参数,有效地解决了计算结果局部收敛和收敛速度慢的问题,并以三电平中点箝位型(NPC)逆变器为例,利用Matlab/Simulink进行仿真试验。结果表明,IWO-PSO算法可行、有效,实现了三电平NPC逆变器在线SHEPWM控制。     

基于PSO算法与协同进化算法的地区电网无功优化模型

电力系统无功优化属于非线性优化范畴,传统的数学规划算法处理时存在较大的局限性,针对大规模电网全局无功电压优化控制困难,提出了基于协同进化框架的合作协同进化粒子群优化算法(PSO)的电力系统无功优化方法,构建了数学模型。实际大电网计算结果表明,该算法寻优质量高、收敛性好、计算复杂度低,适合求解大规模系统无功优化问题。     

基于AFSA-AHP的大坝安全指标权重研究

针对传统AHP的一致性检验采用特征向量法计算大坝安全指标权重时缺乏可靠的理论依据问题,提出了一种基于人工鱼群优化—层次分析法的大坝指标权重计算方法,将判断矩阵下的权值计算问题转化为约束求解问题,利用人工鱼群的智能优化搜索求得具有满意一致性的最佳权重。将该计算模型用于某大坝的安全指标分析中,与传统特征向量法相比,该计算模型结果更精确、更稳定,为大坝安全指标权重的确定提供了一种行之有效的方法。     

增强输电能力的TCSC选址与定容研究

提出了一种新的TCSC选址方法,采用简易粒子群算法求出系统中较为敏感的支路群,用改进的粒子群算法在较敏感支路群中确定TCSC的最佳安装位置,并求出TCSC的最佳安装个数和安装容量,来达到系统输电能力最大的目的。针对PSO易陷入局部最优的缺陷,把种群熵的概念引入粒子群算法对其进行了改进．IEEE30节点系统的仿真计算结果验证了所提方法的有效性。     

基于灰色关联度分析的山西省PSO-SVR需水量预测模型

为准确进行需水预测,提出一种基于灰色关联度分析的PSO-SVR需水预测模型,该模型运用灰色关联度分析方法筛选出需水的主要影响因子,在此基础上应用粒子群算法优化支持向量回归机(SVR)模型中的参数,并利用此模型预测2015?2017年山西省需水量.结果表明,总需水量相对误差的绝对值分别为0.02％、0.08％、0.03％...     

基于BP神经网络的燃料电池电特性建模

采用基于改进粒子群算法的BP神经网（Improved—PSOBPNN）,建立质子交换膜燃料电池（PEMFC）电特性模型。PEMFC系统仿真结果表明该方法简单、有效、精度高,与采用传统BP神经网络的模型相比具有明显的优越性,为PEMFC系统建模,电池性能优化以及控制系统设计提供了新的思路。     

基于改进粒子群优化支持向量机的汽轮机组故障诊断

基于支持向量机（SVM）在核函数参数和惩罚因子人为选取的盲目性以及传统粒子群算法（PSO）后期易陷于局部最小值的不足,提出了一种改进的粒子群算法（MPSO）,建立了汽轮机组振动故障诊断模型并且利用故障数据进行了模式识别.结果表明：模型能够对SVM相关参数自动寻优,并且能达到较为理想的全局最优解;与PSO-SVM和GA-SVM算法相比,MPSO-SVM算法在收敛速度和准确率方面都有所提高.