基于 DIR-QPSO 的弹丸落点定位声阵列 优化布设方法

为了满足有限测点下声阵列定位精度提升的需求,提出了基于双种群量子粒子群(dual-group interaction quantum particle swarm optimization, DIR-QPSO)联合到达时差定位技术(time difference of arrival, TDOA)的单基站声阵列拓扑结构优化布设方法。首先,将声阵列中的声传感器作为粒子,利用Logistic混沌模型全局遍历性的优势初始化种群;其次,利用双种群之间信息共享优势,消除迭代过程中陷入局部最优点;再次,以TDOA模型构建适应度评价函数,得到声传感器最优布设位置;最后,通过仿真验证,得到优化后的声阵列拓扑结构。仿真结果表明,与传统六元正四棱锥阵列及QPSO优化后的阵列相比,方法将几何精度因子减小至1.351 8 m,克拉美罗下界减小至0.481 7 m,均方根误差减小至0.556 4 m。最后进行实验对比验证,实验结果表明,提出的单基站阵列具有更高的定位精度,极大提升了弹丸落点定位精度。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。     

基于QPSO微电网混合储能系统容量优化配置

储能装置配置的容量不仅影响微电网的经济运行,而且影响供电的可靠性。研究具有典型负载、可再生能源和由电池和超级电容组成的混合储能系统(HESS)的孤立微电网,使用了优化HESS容量的量子行为粒子群优化(QPSO)算法。根据超级电容和电池各自的功率补偿能力,利用低通滤波器原理,采用合理的能量调度策略,避免电池频繁充放电。考虑每种储能类型的额定功率,修正各自的补偿功率。通过判断充电状态是否达到极限,再次修正数值。孤立微电网的仿真结果验证了HESS优化容量配置方法的有效性。以西北地区一个独立微电网为例,验证了该方法的有效性。QPSO与传统粒子群算法(PSO)的比较表明,其可以更快地找到最优解,HESS具有更低的日常开销。     

基于2D-MUSIC算法L型声阵列的轴承故障研究

随着传感器阵列技术的发展,越来越多阵列技术用于设备的故障诊断研究中。针对设备中多滚动轴承诊断中故障的定性与定位问题,开展了基于2D-MUSIC算法L型声阵列的轴承故障定位理论仿真研究,旨在进行阵列参数的优化。根据滚动轴承声学信号特性,进行L型麦克风阵列下利用2D-MUSIC算法对双声源信号进行仿真计算,通过改变信噪比、阵元间距以及阵元数量等参数进行仿真分析,确定最优声阵列参数。仿真结果表明,在两个信号源确定的情况下,通过优化阵列参数可以提高其故障定位分辨率并对声源定位系统进行优化。研究对于有轨机车多轴承驱动系统轴承故障的快速定位和实时诊断技术有较好的理论指导意义。     

基于QPSO参数优化的WLS-SVM短期负荷预测

为了解决负荷非线性特性导致的预测模型难以准确建立的问题,提出一种基于量子粒子群优化(QPSO)参数选择的加权最小二乘支持向量机(WLS-SVM)的短期负荷预测模型和方法.首先,利用量子粒子群优化方法来对模型进行训练,从而选出最优超参数.其次,采用具有良好泛化性能的WLS-SVM回归模型弥补损失的鲁棒性.文中以黑龙江电网短期负荷预测为例,将该方法与一般LS-SVM模型的预测结果进行了对比分析,结果表明此方法能明显提高预测精度.     

基于阵列Taylor权的最优粒子初值估计法

优化阵列天线方向图时,最优粒子初值的有效估计能极大改善粒子群优化算法(PSO)的收敛性,得到更好的全局最优解.提出了基于Taylor权的最优粒子初值估计法,即利用阵列Taylor权作为最优粒子初值的有效估计量来改善PSO算法的收敛特性.仿真实验评估随机权、Taylor权和解析权3种最优粒子初值估计法对PSO算法收敛特性...     

基于粒子群算法的飞轮阵列协调控制策略

针对飞轮阵列储能系统中各个单体的功率分配问题,提出一种兼顾飞轮阵列效率与飞轮单体能量均衡的协调控制策略.首先对飞轮阵列储能系统的损耗优化问题建立数学模型,然后采用带等式约束的时变权重的粒子群优化算法,对阵列的运行效率进行优化.由于不同飞轮的效率曲线不同,在效率优化过程中,各个飞轮单体分配到的输出功率可能会出现较大差异,...     

基于改进量子粒子群算法的微能源网优化运行

通过对冷热电联供（CCHP）结构分析,综合考虑微能源网的运行成本与一次能源转换成本,建立包含电气、烟气、空气和热水母线的光气储互补发电模型,分析了不同场景下微能源网的冷热电负荷的优化调度结果。通过对量子粒子群算法（QPSO）加以混沌搜索、邻域变异和变权重更新种群最优位置中心等操作,有效避免了粒子过早陷入局部最优,提高了种群质量。算例分析结果表明,该算法能有效求解CCHP模型,在保证微能源网可靠运行的同时,能有效地降低成本,提高可再生能源利用率,实现微能源网的经济调度。     

基于粒子群优化算法的微电网微电源优化配置

提出一种基于粒子群优化算法的微电网微电源优化配置模型,并以权重系数法对其进行研究,得出在各个权重系数情况下各类微电源的最佳运行容量。以孤岛微电网系统为例,考虑了各类微电源的出力及它们之间的互补特性和微电网系统内各种负荷的不同敏感性。通过运用粒子群优化算法加以求解。仿真结果表明,优化配置方法可以满足负荷多样性需求情况下的微电网经济运行,可为微电网系统优化规划问题提供一定的参考。     

基于特高频传感阵列的局部放电定位误差分析及优化布置

局部放电的测量和诊断已成为评估高压电力设备运行状态的重要方法之一。但目前的局部放电监测主要以单个设备监测为主,测试仪器程序多,成本高,维护工程大。文中介绍了利用4个以上传感器组成传感阵列接收特高频电磁波对变电站设备局部放电源定位的方法,分析讨论了基于时差法的定位算法,分析其主要误差来源,理论推导了定位结果误差与传感器阵列布置及信号到达时延序列误差的关系,最后给出了特高频传感器阵列布置的优化方法。     

基于PSO优化BPNN估计光伏阵列MPPT控制系统研究

为了充分利用光伏阵列转换能量,提高光伏阵列的发电效率,在分析光伏阵列的伏安特性及最大功率点跟踪(MPPT)原理的基础上,提出了一种基于粒子群算法优化BP神经网络(PSO-BPNN)的建模方法,并用这种改进的神经网络构建了光伏阵列的动态模型.通过PSO-BPNN模型拟合光伏阵列输出功率与输出电压的非线性关系,实现了对光伏阵列的最大功率点跟踪.Matlab/Simulink仿真及在线测试结果表明:基于PSO-BPNN估计的光伏阵列MPPT控制系统能快速、精确地跟踪光伏阵列的最大功率点,改善了BP神经网络收敛速度慢,易陷入局部极值,建模精度不高的缺点,提高了系统的稳定性和能量转换效率,是研究光伏发电这个复杂非线性系统的一个可行办法.     

基于改进QPSO算法的主动配电网削峰填谷策略研究

相较于传统配电网,主动配电网具有分布式电源利用率高、网损低、可控性强等特点,其优化运行为典型的多目标优化问题。文中同时考虑储能系统削峰填谷在平滑负荷曲线和分布式电源运行经济性两方面的性能,建立了典型主动配电网多目标优化模型;考虑该模型具有多维非线性特点,提出了一种基于量子粒子群(QPSO)的改进算法,利用量子理论中的量子行为和概率表达特性,在算法的全局寻优能力和种群多样性方面得到明显提升。最后,算例分析验证了该方法的可行性。     

基于量子粒子群优化算法的水电系统经济运行

首次将量子粒子群优化算法用于水电系统经济运行研究中。该算法是量子理论与粒子群算法的融合,在粒子编码过程中引入了量子的态矢量表达,并将量子比特的概率幅表示应用于粒子的编码,使得粒子可以表达为多个态的叠加;在粒子更新操作过程中,利用量子逻辑门实现了粒子的演化,具有比常规粒子群算法更好的目标优化性能。仿真结果证实该算法可有效解决水电机组经济运行问题。性能对比显示,该算法求得的解优于常规粒子群算法及其它优化算法所求得的解。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于QPSO与BPSO算法的动态微电网多目标优化自愈

提出了动态微电网的概念。将多代理系统(multi-agentsystem,MAS)引入动态微电网的协调控制当中,构建了基于MAS系统的动态微电网自愈数学模型。为了实现上述模型的多目标优化,将具有量子行为的粒子群优化算法(quantum based particle swarm optimization,QPSO)和二进制粒子群优化算法(binary particle swarm optimization,BPSO)结合,提出了可以同时对动态微电网网络结构和分布式发电单元出力进行多目标优化的算法。算例结果表明,采用基于上述算法得到的自愈方案,故障状态下的动态微电网能良好自愈。     

基于QPSO优化模糊—SVM的电站锅炉燃煤结渣特性预测

选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标。将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测。实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高。将5个优化后的模糊—SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于改进型象群优化算法的BSS方法

为了克服传统群智能算法在求解盲源分离(BSS)问题时收敛速度慢和分离精度差的缺点,提出一种基于改进型象群优化(IEHO)算法的BSS方法.该方法利用独立性原则,融合分离信号的峭度和互信息来构建目标函数.在氏族更新阶段,通过改进算法比例因子并加入邻域搜索,提高了算法搜索方式的多样性;在分离阶段,引入量子粒子群优化策略,提...     

基于MAQPSO 的电力系统无功优化研究

文中提出一种多智能体量子粒子群优化算法(Multi Agent Quantum Particle Swam Optimization,MAQPSO)求解电力系统无功优化问题,改善了传统量子粒子群算法后期收敛速度慢、易陷入局部最优解等缺点。该算法结合了量子粒子群算法和多智能体进化思想,每一个Agent相当于量子粒子群优化算法中的一个粒子,通过Agent的邻域竞争、自学习等操作,使得算法能够更迅速、更精确地收敛到全局最优解。通过对IEEE14、30、57和118节点系统的优化仿真,结果表明该算法有收敛精度高、寻优速度快等优点。