基于粒子群算法的互联电网AGC随机最优控制系统

电信号输出量变化会影响有功功率与电量总功率之间的平衡关系,从而使电网频率发生偏移。针对此问题,设计基于粒子群算法的互联电网AGC随机最优控制系统。以AGC架构为基础对预测控制器实施滚动优化与反馈校正处理,完成控制系统的功能结构分析。在此基础上建立粒子群算法模型,根据自然频率特性系数求解结果,确定区域频率偏差指标的取值范围,完善互联电网控制策略,实现互联电网AGC随机最优控制。对比实验结果显示,随着电信号输出量的增大,所设计系统的有功功率与电量总功率之间的配比始终不会小于75%,不会造成电网频率偏移情况。     

基于改进粒子群算法的微电网运行优化调度

针对目前配电网中能量利用效率低下和运行成本高的问题,提出一种包含火电和抽水蓄能的联合优化调度模型,并使用改进粒子群算法进行求解的优化调度方法。首先,通过对火电机组出力和抽水蓄能机组的数据进行分析,使用更加高效的改进粒子群算法,加入自适应惯性因子策略来优化机组出力;然后,基于分析运行成本和电功率平衡等指标进行仿真实验。实验结果表明,使用所提出的基于改进粒子群算法的联合日运行优化调度方法,能达到减少系统运行成本的要求,与此同时提升了电力系统的稳定性。     

基于量子粒子群优化广义回归神经网络的语音转换方法

针对粒子群算法优化神经网络进行语音转换时容易产生收敛速度慢、早熟的问题,本文采用一种新的量子粒子群算法优化广义回归神经网络的语音转换模型。该量子粒子群通过改变量子比特相位进而改变位置矢量,并利用量子非门进行变异操作。因此首先利用量子粒子群对网络进行优化得到最佳的光滑因子参数,从而建立频谱映射规则。接着,利用频谱参数和基频参数的相关性,对韵律特征基频也进行转换。然后,联立转换后的频谱参数和基频参数,利用STRAIGHT模型合成目标语音。最后,采用主观和客观测评方式进行评价。实验结果表明,与传统粒子群算法优化广义回归神经网络相比,该方法转换后的语音自然度和相似度得到提升,谱失真率下降2.1%。本文方法具有比径向基神经网络、广义回归神经网络、粒子群算法优化广义回归神经网络更好的语音转换性能。     

基于鲶鱼粒子群优化算法的认知无线电频谱分配

目前亟待解决如何获得认知无线电系统效益最大化问题,而求解最优频谱分配方法是一项关键技术,针对传统粒子群(PSO)算法收敛速度慢、易陷入局部最优解等缺陷,提出一种基于鲶鱼粒子群算法(CE-PSO)的认知无线电频谱分配方法。首先建立认知无线电频谱分配优化的数学模型,然后以用户取得的效益最大化为优化目标,引入"鲶鱼效应",保持粒子群的多样性,通过粒子间信息交流找到空闲频谱最优分配方案,最后采用仿真实验测试CE-PSO算法的有效性。结果表明,CE-PSO算法克服了PSO算法的缺陷,可以快速、准确地寻找到最优频谱分配方案,更好地实现系统效益的最大化,可以满足认知无线电系统的应用需求。     

基于量子粒子群算法的PID参数自整定方法

PID控制在工业生产中应用非常广泛.以直流电机模型为被控对象,提出了基于量子粒子群算法的PID参数自动整定方法.应用经典的Ziegler-Nichols方法整定PID参数,被控对象性超调大往往难以满足要求.粒子群算法是通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法.将量子粒子群算法用于优化PID参数,并与Z-N法整定的PID控制器性能进行对比.仿真结果发现,与Z-N法相比,基于粒子群算法优化的PID控制器,系统超调明显减小.除QPSO-PID(ITSE)对应的系统具有较长调节时间外,虽然应用不同优化目标优化后的PID参数不同,控制对象的响应性能却非常相似.     

基于重心法的粒子群优化算法

针对函数优化问题,提出了一种基于重心法的粒子群优化算法。该算法利用混沌序列产生粒子的位置和速度,并通过重心法和分类方式更新粒子的速度。最后将算法应用到函数优化问题中,并与其它改进的粒子群算法进行比较。数值结果表明,提高了算法局域搜索能力,全局最优解的精度。     

基于果蝇算法优化LSTM的用户异常用电行为预测

在用户用电负荷量较为集中的情况下,为解决因电信号堆积而造成的异常用电行为问题,设计基于果蝇算法优化LSTM的用户异常用电行为预测模型。通过初始化果蝇算法的方式,获取用户的用电数据预处理结果,将其与LSTM超参数指标相结合,完成基于果蝇算法优化LSTM的用电量数值记忆。在此基础上,选取既定评价指标,根据缺失值计算表达式,确定决策参数的具体数值,实现基于果蝇算法优化LSTM的用户异常用电行为预测模型的搭建与应用。实例分析结果表明,随着果蝇算法优化LSTM理论的应用,电信号在用户用电集中负荷时所需消耗的训练时间更短,可有效解决电信号的堆积问题,实现对用户异常用电行为的有效预测。     

基于自适应粒子群优化算法的限速标志识别

针对经典的粒子群优化算法收敛性能不足的问题,提出了一种自适应粒子群优化算法。该算法对进化过程中的收敛方向进行动态调整,通过学习因子对参数选取过程进行调节,使收敛的初期趋向全局最优,后期趋向局部最优。采用自适应粒子群优化算法对支持向量机模型参数进行优化,并应用于限速标志的识别,实验结果表明,文中基于自适应粒子群优化算法的方法拥有较高的识别率,同时算法收敛性显著高于经典的粒子群优化算法。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

基于GIS和差分进化粒子群的变电站选址方法

文中提出了一种基于地理信息系统(GIS)和差分进化改进粒子群的配电网变电站优化选址方法。该方法利用GIS确定变电站数量,基于变电站投资运行费用建立有约束条件的目标函数,采用粒子群算法进行变电站选址优化。针对粒子群算法易陷入局部最优且收敛速度慢的问题,借助差分进化引入两个变异因子,在提升粒子群算法收敛速度的同时,避免其陷入局部最优。算例分析结果表明,该方法具有较好的寻优能力和收敛特性,能够有效实现变电站选址优化。     

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。     

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。     

含风电的多区域互联电力系统负荷频率控制

针对含风电的互联电力系统运用粒子群优化的滑模变控制(PSOSMC)算法进行负荷频率控制,风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。PSOSMC控制火电和水电状态变量,维持各项参数的稳定。对常规粒子群算法进行改进,并用改进的粒子群算法优化滑模变结构控制算法中不确定参数的设计。同时,考虑电力系统的非线性问题,以四区域互联电力系统为例,在系统存在阶跃负荷扰动的情况下,验证了滑模变结构方法和改进的粒子群算法的有效性。     

风力发电机转速控制系统的建模与仿真

针对风力发电机非线性、随机性、扰动大等特点,设计基于带动量项的粒子群优化的支持向量机的风力发电机转速控制建模的新方法。利用支持向量机对小样本、高维度、非线性特性的映射能力,将风电系统的采样数据映射到高维的特征空间进行建模。支持向量机惩罚因子C和核参数σ的选择对建模效果影响较大,经验试凑的方法难以获得较好的参数,引入粒子群算法进行参数寻优。为了克服传统粒子群算法易陷入局部最优且收敛速度慢的缺陷,提出带动量项的改进粒子群算法寻优。以采集的风速、风力发电机转矩、桨距角作为输入信号,发电机转速数据作为输出信号,在Matlab环境中进行建模。实验结果表明,与传统算法相比,采用该方法的模型在准确性和收敛速度方面得到较大改善。     

自适应分解式多目标粒子群优化算法

为了提高多目标粒子群优化算法解的分布性,文中提出了一种自适应分解式多目标粒子群优化算法（Adaptive Multiobjective Particle Swarm Optimization based on Decomposed Archive,AMOPSO-DA）.首先,设计了一种基于优化解空间分布信息的外部档案更新策略,有效提升了AMOPSO-DA的空间搜索能力;其次,提出了一种基于粒子进化方向信息的飞行参数调整方法,有效平衡了AMOPSO-DA的探索和开发能力.最后,将提出的AMOPSO-DA应用于多目标优化问题,实验结果表明,文中提出的AMOPSO-DA能够获得分布性较好的优化解.     

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.     

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。     

遗传粒子群算法在频率分配中的应用

首先建立了基于干扰最小化的频率分配模型,接下来研究了遗传算法在频率分配中的应用。针对遗传算法的不足,基于粒子群算法思想提出遗传粒子群算法,并将算法应用到频率分配之中。通过仿真得到使用遗传算法和遗传粒子群算法进行频率分配的情况,仿真结果表明遗传粒子群算法在运算的后期具有更高的效率。     

基于粒子群算法的UWB脉冲优化设计

从提高脉冲的频谱利用率和数据传输距离的角度出发,分析了高斯脉冲性能参数(脉冲形成因子和微分阶数)对其频谱产生的影响,提出了一种基于粒子群优化(PSO)算法的高斯导函数线性组合的超宽带(UWB)脉冲波形设计。仿真结果表明,基于粒子群优化算法组合的脉冲能够很好地满足FCC制定的室内辐射掩蔽标准,同时改善了系统链路性能。