基于蚁群K均值聚类算法的边坡稳定性分析

针对岩石边坡稳定分析中常规聚类算法存在收敛速度慢、易陷入局部最优的局限性,基于蚁群信息素的K均值聚类法,提出一种解决边坡稳定性的新方法,分析了三峡库区36个边坡数据资料,并结合工程类比综合判断了边坡的稳定状态.结果表明,该法的聚类效果优于常规聚类法,计算效率高,为边坡稳定性分级的聚类分析评价提供了新途径.     

基于超平面原型聚类的水轮机调速系统模糊模型辨识

针对水轮机调速系统的辨识难题,提出了1种基于超平面原型聚类的T-S模糊模型辨识方法.基于局部模糊模型线性度的重要性,推导出1种基于超平面的模糊聚类算法.该算法以优化局部模型线性度为目标,进行模糊模型前提结构辨识,能使局部模型具有良好的线性度;它应用变尺度混沌优化方法搜索最优聚类结果,避免陷入局部极小;应用最小二乘法实现模糊模型结论参数辨识.以某水电厂水轮机调速系统为对象,采用该方法建立了T-S模糊模型,并对其进行了辨识和对比试验.结果表明:建立的T-S辨识模型具有较高的辨识精度及较强的泛化能力,提出的模型辨识方法有效可行.     

基于柯西变异改进粒子群算法的无功优化

针对粒子群算法用于无功优化问题求解时存在早熟收敛,易陷入局部最优的现象,提出了基于柯西变异的自适应混沌粒子群算法.该算法在引入自适应调整策略和对最佳粒子采用混沌搜索的基础上,对算法陷入早熟收敛状态时引入柯西变异操作,将适应度值排名位于前20％的最优粒子进行柯西扰动,以保证粒子群的多样性,有效地提高了算法后期跳出局部最优...     

基于时频熵的放电脉冲取特征提取算法

传统的放电脉冲取特征提取方法采用的是线性时间序列分析方法,提取放电脉冲的关联维特征进行分类识别,由于放电脉冲具有非线性特性,线性时间序列分析方法无法提取非线性特征,导致模式识别性能不好。提出基于时频熵的放电脉冲取特征提取算法,对108次/s的超宽带局部放电脉冲时间序列波形进行时频熵特征参数提出,采用混沌差分进化算法对模糊C均值聚类算法进行改进,用改进的模糊C均值聚类算法,在高维的特征参数空间中,进行超宽带局部放电脉冲的时频熵特征参数的聚类分析,实现对放电脉冲的特征分类检测和识别。仿真实验结果表明,采用该算法能有限实现对放电脉冲取特征提取,特征聚类的准确度提高,提高了脉冲检测识别性能。     

基于改进和声搜索算法的配电网重构

提出一种改进的和声搜索算法,并将其应用在求解配电网络重构的复杂问题中。在初始化和声库时,引入混沌序列;同时在产生新的和声时,有效利用和声库中最优解的信息,在最优解的基础上进行扰动生成额外两个新解,以加快算法的收敛速度;最后,当算法陷入到某个局部最优解时,随机产生一组和声,再引入整体分布优化算法对其进行简单寻优,使算法迅速跃出局部最优。对IEEE33节点测试系统进行了仿真分析计算,结果说明该算法是可行的,并且该改进算法的寻优效率和收敛性都较好。     

基于ACC-RBF的水布垭面板堆石坝参数反演分析

蚁群聚类径向基函数(ACC-RBF)神经网络是将蚁群聚类算法和径向基函数神经网络组合运用的一种新型神经网络模型,把该网络用于水布垭高面板坝堆石体的多参数反演问题,在室内试验参数的基础上用有限元计算获得学习样本,采用该网络对坝体堆石料的邓肯E-B模型参数进行反演分析,用反演所得参数结合三维非线性有限元计算坝体应力变形,并...     

基于无监督聚类算法的风电场高压电缆局放脉冲识别

针对风电场高压电缆局部放电在线监测中脉冲型干扰难以抑制的技术难题,分析了风电场高压电缆局部放电脉冲及各类干扰脉冲的分布特征,并在此基础上,提出了基于无监督聚类算法的风电场局部放电脉冲识别策略。首先对现场多个工频周期的原始脉冲群依次进行自适应、自学习聚类,然后根据聚类结果计算不同脉冲群的三维分布谱图,最后根据不同类脉冲的分布差异有效地识别出局部放电脉冲。该策略不需要脉冲样本知识,面向复杂的电磁干扰环境具有很强的适应性与实用性,某风电场工程应用实践证明了该策略能准确地实现脉冲识别。     

基于线路阻抗聚类的分布式光伏电站等效建模

为对大规模分布式光伏电站进行建模以研究其运行特性,提出一种分布式电站聚类等效建模方法。根据电站分布式结构特点,该方法将各光伏发电单元至公共连接点的等效线路阻抗列入聚类算法的聚类指标中,将各光伏发电单元聚类并将同一类中的光伏发电单元进行聚合以构建多机等效电路模型。其中,针对传统的模糊C均值聚类算法（FCM）因过度依赖初始聚类中心点而易陷入局部最优的缺点,该方法使用Canopy-FCM聚类算法进行改进,在FCM算法前用Canopy聚类算法进行预处理。最后通过RT-LAB实时仿真平台对所提聚类等效建模方法的合理性和精确性进行验证。     

基于聚类分析的风电功率预测数据预处理方法

为了提高预测模型精度以及降低模型的复杂程度,减小模型的训练时间,文章提出一种基于改进模糊C均值聚类算法的数据预处理方法,以提高风电功率时间序列的预测模型的预测性能。首先,对实测风电功率混沌时间序列进行了相空间重构;其次,对相空间中的各维输入序列与输出功率序列进行相关性分析,使用相点与相对相关系数的加权建立聚类判据;然后,结合减聚类算法对模糊C均值聚类的收敛速度进行改进,改进的模糊C均值算法将输入序列聚为4类,对每类数据建模。结果表明,对原始数据进行聚类预处理后,预测模型的精度得到了提高。     

基于遗传-蚁群算法的库群长期优化调度

为克服蚁群算法前期收敛慢、易陷入局部最优解且参数难以确定的缺点,提出了遗传-蚁群算法进行库群长期优化调度问题的求解。该方法应用遗传算法生成问题的初始解,并将初始解的适应度转化为蚁群算法的信息素初始值,同时引入遗传算法染色体交叉、变异的思想进行蚁群算法参数最优组合的确定,提高了蚁群算法的优化性能和求解精度。对乌江流域4座水电站的计算结果表明,该算法可显著改善优化结果质量,获得良好的调度方案,是求解库群长期优化调度问题的一种有效方法。     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

Application of chaotic ant swarm optimization in electric load forecasting

Support vector regression (SVR) had revealed strong potential in accurate electric load forecasting, particularly by employing effective evolutionary algorithms to determine suitable values of its three parameters. Based on previous research results, however, these employed evolutionary algorithms themselves have several drawbacks, such as converging prematurely, reaching slowly the global optimal solution, and trapping into a local optimum. This investigation presents an SVR-based electric load forecasting model that applied a novel algorithm, namely chaotic ant swarm optimization (CAS), to improve the forecasting performance by searching its suitable parameters combination. The proposed CAS combines with the chaotic behavior of single ant and self-organization behavior of ant colony in the foraging process to overcome premature local optimum. The empirical results indicate that the SVR model with CAS (SVRCAS) results in better forecasting performance than the other alternative methods, namely SVRCPSO (SVR with chaotic PSO), SVRCGA (SVR with chaotic GA), regression model, and ANN model.     

基于改进蚁群动态规划的光储微网容量优化配置

为降低并网光储微网的综合发电成本,并提高优化容量配置性能,该文研究基于改进蚁群动态规划算法的光储微网容量优化配置方法。针对传统启发式算法容易陷入局部最优以及早熟收敛的问题,首先将蚁群算法与动态规划算法结合,简化计算过程;进而,将迭代次数有关的衰减参数引入调节因子中,提高其全局搜索能力;最后,将Boltzmann选择机制引进蚁群搜索过程,并在蚁群信息素更新过程中采用偏转角度因子与拐点参数进行修正,从而大幅提高算法的优化性能。通过对海宁某小区实际数据进行仿真分析,验证了该算法的实用性和优越性。     

基于蚁群算法的Spar型浮式风机独立变桨控制方法

针对多自由度、非线性、强耦合的漂浮式风电机组,为了缓解其在额定风速以上出现的风轮载荷不平衡、漂浮式基础摇荡及功率输出不稳定等问题,提出了一种基于蚁群算法的独立变桨控制方法,用于动态优化PID控制器参数。针对传统蚁群算法搜索效率低、质量差等问题,文章采用最优-最劣蚂蚁系统对其改进,得到了更适用于漂浮式风电机组的蚁群PID独立变桨控制方法。FAST-Matlab/Simulink联合仿真结果表明,相比于PID独立变桨控制,基于蚁群算法的独立变桨控制方法能有效地减小桨叶根部所受力矩,缓解漂浮式基础的纵向运动,保证功率输出的稳定。     

基于跳数和剩余能量的WSN蚁群路由算法

针对无线传感器网络能镀受限的特点,将蚁群算法应用于无线传感器网络路由协议中,通过蚁群算法构造一条从源节点到目的节点的最小跳数路径,该算法不仅考虑了节点的跳数,而且还考虑了节点的剩余能量,多角度节能,延长了州络的寿命.为了防止局部最优,算法采用具有奖罚机制的信息素更新方法,即在搜索过程中,若发现的路径比以往的最优解更优则...     

基于改进蚁群算法的独立分量谐波检测方法

针对电网谐波检测高精度、实时性、高效率的要求,提出了一种基于改进蚁群算法与独立分量相结合的检测算法,采用数字低通滤波器（FIR）-拉格朗日反插值获得精确基波频率,应用独立分量法分析处理源信号,并建立基于峭度的非高斯最大化目标函数,通过改进蚁群算法求得最优解,很好地解决了电网频率非固定值及传统蚁群算法易局部收敛、收敛速度慢等难题。该方法还可检测间谐波,模拟仿真验证了方法的有效性和优越性。     

A genetic evolving ant direction DE for OPF with non-smooth cost functions and statistical analysis

This paper proposes an evolving ant direction differential evolution (EADDE) algorithm for solving the optimal power flow problem with non-smooth and non-convex generator fuel cost characteristics. The EADDE employs ant colony search to find a suitable mutation operator for differential evolution (DE) whereas the ant colony parameters are evolved using genetic algorithm approach. The Newton–Raphson method solves the power flow problem. The feasibility of the proposed approach was tested on IEEE 30-bus system with three different cost characteristics. Several cases were investigated to test and validate the robustness of the proposed method in finding the optimal solution. Simulation results demonstrate that the EADDE provides superior results compared to a classical DE and other methods recently reported in the literature. An innovative statistical analysis based on central tendency measures and dispersion measures was carried out on the bus voltage profiles and voltage stability indices.     

基于改进混沌搜索的AMPSO-BP短期负荷预测

为了精准预测微电网短期负荷,采用模糊聚类方法选择相似日粗集,用灰色关联分析法选取相似日,并针对神经网络易陷入局部极小值的缺点,提出基于混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立AMPSO-BP神经网络短期负荷预测模型。对收集的电网数据进行试验仿真结果显示,所提方法有很高的预测精度和稳定性,在实际中有一定的应用价值。     

基于改进樽海鞘群算法的光伏系统MPPT研究

光伏系统的功率-电压(P-V)在局部阴影状况下表现出多峰特性,常规最大功率跟踪(MPPT)方法易陷入局部最优值.针对此问题提出一种扩大缩放因子和引入差分策略改进的樽海鞘群算法.在领导者位置更新过程中添加帕累托分布和混沌映射提高全局搜索能力;在局部搜索过程中引入差分策略改善局部搜索能力.将改进方法应用到多峰值光伏系统MP...