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

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。     

基于IEHO算法的太阳电池模型参数辨识

针对传统太阳电池模型参数辨识方法存在精度低、收敛速度慢、易陷入局部最优等不足,提出基于改进象群游牧优化(IEHO)算法的太阳电池模型参数辨识方法。引入混沌初始化,改善初始种群质量,增强种群的遍历性;增加快速移动算子,使算法的收敛速度和全局搜索能力有较大提升;引入精英策略,用最优个体替代最差个体,加快算法寻优速度,缩短寻优时间。应用于太阳电池模型的参数辨识中,IEHO算法比其他算法得到的辨识结果更快更好。对不同光照条件下的太阳电池模型进行参数辨识,辨识结果与实测数据拟合度很高,表明IEHO算法能在不同环境下准确有效地进行太阳电池模型的参数辨识。     

基于改进蚁狮优化算法的太阳电池模型参数辨识

提出一种改进蚁狮优化算法,引入混沌序列进行初始值的分配,增强种群的均匀性和遍历性;在个体更新部分引入粒子群算法的思想,分别以当前的最优个体与全局最优个体为目标进行计算,同时提高算法的局部和全局搜索能力;参考当前最优个体位移进行动态空间收缩,可有效减小个体的搜索范围,缩短寻优时间。与粒子群算法、蝙蝠和原蚁狮算法进行仿真对比并应用到太阳电池模型参数辨识中,验证其有效性。     

基于IOLBBO算法的水轮机非线性模型参数辨识

为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。     

基于新安江模型的前期影响雨量逐时段修正方法

针对新安江模型提出一种前期影响雨量(P_a)逐时段修正方法,以实测流量与预报流量过程的均方误差最小为目标,在场次洪水预报中采用粒子群算法对前期影响雨量进行逐时段修正。为进一步提升算法性能,通过混沌初始化提高初始种群质量,利用禁忌搜索策略扩大搜索空间,提高全局搜索避免早熟收敛,并在相邻修正时段间引入最优个体保留策略提高算法稳定性和运算效率。在我国湖南省双牌水电站的实际应用结果表明,所提方法能有效改善P_a的准确性,显著提高模型预报精度,是一种切实可行的方法。     

基于自适应遗传算法的金盆水库优化调度研究

根据黑河金盆水库的具体情况。建立了水库优化调度的多目标非线性数学模型。分别利用动态规划、遗传算法和自适应遗传算法求解模型。结果表明，自适应遗传算法由于能够根据群体适应度的分散程度以及个体优劣进行参数的自适应调整。使得算法在保持种群多样性的同时，保证算法的收敛性，其收敛速度和计算结果都明显优于其他两种算法。     

一种多子群协进化的粒子群算法同步综合换热网络

针对同时存在整型变量及连续变量的换热网络优化问题,提出一种多子群协进化的粒子群算法。为了增强粒子群算法的全局搜索能力,将种群按精英个体、一般个体、较差个体划分为3个子群,针对每个子群的粒子进化状态提出不同的学习算子,用于丰富粒子的进化方式,增加种群多样性;同时建立协进化机制,动态地更新子群,以实现粒子之间的良性竞争,更好地引导粒子进化。采用结构优化策略处理整型变量,并与多子群协进化的粒子群算法结合,实现了连续变量与整型变量的同步优化。通过两个优化实例验证算法的性能,优化结果表明了新方法的有效性。     

基于改进灰狼算法优化长短期记忆网络的光伏功率预测

为提高光伏发电功率预测的准确性,提出一种基于改进自适应因子与精英反向学习策略的改进灰狼算法(IGWO),用以优化长短期记忆网络(LSTM)预测模型。利用IGWO优化LSTM全连接层参数,建立IGWO-LSTM组合模型预测光伏功率,具有较好的收敛速度与求解效率,也可有效避免局部最优解。最后基于常州某光伏发电站实时数据进行仿真,实验结果表明IGWO-LSTM相对于LSTM光伏功率预测更具准确性。     

基于Jaya-DA算法的太阳电池模型参数辨识

为提升太阳电池模型参数辨识的准确率,该文提出基于Jaya算法与蜻蜓算法相融合的辨识方法,运用Jaya算法进行初步全局搜索,并结合蜻蜓算法进行局部搜索最优解,使算法收敛精度得到有效提升.研究结果表明:运用Jaya-DA算法求得太阳电池模型的电流均方根误差为9.861×10-4,相较于单一使用Jaya算法、蜻蜓算法、人工蜂...     

基于混沌RBF神经网络的汽油机瞬态工况油膜参数辨识研究

提出了基于混沌径向基(RBF)神经网络的汽油机瞬态工况油膜参数辨识方法。利用混沌优化算法确定隐含层高斯函数径向基中心和输出层连接权值,使其达到全局最优,有效地提高RBF神经网络的收敛速度;同时,利用混沌算法训练RBF神经网络,使目标函数取全局最小值或逼近全局最小值,有效地提高辨识模型的辨识精度,并与BP神经网络模型及最小二乘法辨识进行了分析和比较。仿真结果表明:混沌RBF神经网络模型收敛速度快,具有更强的非线性辨识能力,能够有效地提高油膜动态参数的辨识精度,进而得出不同工况下的油膜参数动态特征。     

水库防洪调度规则的参数优化研究

针对水库运用常规防洪调度进行洪水调度时,因对规则的合理性描述不足而限制了其应用的问题,根据水库不同防洪对象的精细程度要求,结合预见期内水库预报最大洪水和实时水位,拟定分级防洪预报调度规则,建立带有惩罚机制的防洪调度规则参数优化模型,并提出改进遗传算法求解该模型,即通过混沌算法、混沌变异操作与适应度差值进化改善初始种群质量、提高算法局部与全局搜索能力,实现参数控制的防洪预报调度规则。实例应用表明,综合改进遗传算法较其他遗传算法优化性能有一定提高,防洪预报调度优化规则的调度结果优于常规调度规则,为防洪调度规则的合理应用提供了一种有效方法。     

基于改进混合蛙跳算法的氧量对象模型辨识

针对混合蛙跳算法易早熟、寻优精度低的缺陷,将混沌初始化和局部变异高斯因子引入混合蛙跳算法,进行种群初始化和局部搜索的改进。将改进后的混合蛙跳算法用于火电厂过程模型辨识,以某1 000 MW火电机组双输入单输出的尾部烟气含氧量模型为辨识对象进行系统辨识。结果表明:与混合蛙跳算法相比,改进的混合蛙跳算法种群遍历性更广,局部搜索更快,能够避免陷入局部最优解,全局寻优能力更强,寻优精度更高,收敛速度更快,稳定性更好。     

基于改进型细菌觅食算法的MPPT

太阳电池的输出特性不仅与负载有关,而且还受外部环境的影响,为了提高光电转换效率,采用最大功率点跟踪策略成为必要。结合细菌种群的觅食特性,提出一种在波动日照情况下具有较好动态响应的最大功率点跟踪策略。通过对传统细菌觅食算法中趋化操作和迁徙操作的优化,提出随细菌适应度值的大小不断变化的游动步长以及迁徙概率的计算模型。根据光伏组件输出特性和最大功率点跟踪机理分别确立细菌的适应度函数、细菌个体的初始位置。仿真结果表明:光伏阵列受到静态阴影遮挡时,对比传统的细菌觅食算法,提出的方法可将系统的响应时间缩短到0.18 s,输出功率误差仅为0.8%。当受到动态阴影遮挡时,响应时间达到了0.2 s。     

基于人群搜索算法的波浪发电系统最优负载

为寻求以提高波浪发电系统的平均输出功率为目标的系统最优负载,针对遗传算法、粒子群算法等优化算法存在早熟收敛和全局搜索能力不足的问题引入人群搜索算法。该算法通过建立目标函数值与步长的关系式,根据个体当前位置的适应度值计算下一步搜索步长;采用利己、利他和预动3个方向随机加权几何平均方案,确定个体搜索方向,提高个体全局搜寻能力,使算法避免陷入局部最优解并可得到全局最优解。仿真结果表明,与传统粒子群优化算法相比,所提算法收敛速度快,可增加波浪发电系统的平均输出功率。     

基于改进哈里斯鹰优化算法的含多能量路由器配电网多目标无功优化

针对单目标算法收敛性差的问题,提出一种基于自适应网格的哈里斯鹰算法,并应用于含多能量路由器的配电网多目标无功优化。该算法在初始化种群阶段引入Tent混沌映射产生均匀个体,增强种群的多样性,在最佳个体选择和非劣解集的筛选过程中,考虑到哈里斯鹰群体的密度信息,以平衡全局和局部搜索的能力。然后,创建配电网无功优化模型,以有功网损和电压偏离度的最小化为目标函数。该模型采用修改后的IEEE-33标准测试系统作为算例进行仿真分析。仿真结果表明与非支配排序遗传算法和多目标粒子群算法相比,所提算法具有更好的收敛性,在有功网损和电压偏离度2个方面均能取得更好的效果。     

改进鸡群算法在光伏系统MPPT中的应用

鸡群算法本身存在高维度运算,易出现偏差,对其改进并应用到光伏系统的最大功率点跟踪(MPPT)控制中。引入混沌序列方法进行初始值的分配,可增强种群的均匀性和遍历性;引入自适应惯性权重改善母鸡个体部分寻优策略,可加快算法的全局搜索速度并改善局部搜索能力;将小鸡个体的跟随系数改进为随机量,可增加较差个体的随机性,避免算法因早熟收敛而陷入局部极值;上述改进既可增强算法的搜索速度和寻优精度,也利于避免早熟现象的发生,进一步曾强算法的寻优效率。与其他应用算法比较及在光伏系统最大功率点跟踪中的应用,验证其有效性。     

自适应人工蜂群算法在梯级水库优化调度中的应用

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。     

塔式太阳能电站定日镜场优化调度的光功率控制研究

针对定日镜场优化调度的光功率控制问题,鉴于目前调度数学模型不准确、算法运行效率低、速度慢等缺点,改进并优化设计调度模型和调度算法,通过考虑镜场的能耗因素,提高模型的精度和准确性;设计一种混合式遗传算法,采用惩罚项建立适应度函数,引入自适应搜索空间提高算法效率和运行速度。仿真结果验证了该调度模型和算法的准确性和快速性。     

基于功率响应特性的双馈风电场一次调频模型参数全局辨识

随着风电在电力系统中占比提高,其一次调频特性对电力系统频率稳定性的影响增大。为了实现风电场一次调频模型的参数辨识,设计了以实际功率响应数据为依据的辨识方法,基于多工况功率响应数据并采用狼群算法对模型参数进行全局最优辨识。应用所设计的参数辨识方法对某双馈风电场进行了参数辨识,模型仿真值与实测值的对比结果表明：采用该方法辨识得到的模型参数能够较好地反映风电场一次调频功率响应实际特性。     

柴油机高原喷油策略遗传算法优化及罚参数研究

针对高原环境下,涡轮增压柴油机动力性恶化,涡轮增压器喘振、超速和涡轮入口温度上升等问题,提出通过遗传算法优化喷油策略恢复高原功率的方法.在柴油机性能仿真模型的基础上,建立了柴油机高原喷油策略优化模型,设计了遗传算法中选择优良个体的依据——适应度函数,通过仿真研究喷油参数对喘振裕度的影响规律,并结合喷油参数对增压器转速和涡前温度的影响规律,将适应度函数中的罚参数的个数由4个缩减为2个,研究了罚参数对种群分布和优化效果的影响,提出了罚参数取值方法并验证了其合理性.海拔4,km条件下的优化结果显示:标定点功率相对原机提升21%,,恢复至原机平原水平的89.5%;燃油消耗率相对原机降低9.6%,.