一种用于分解协调无功优化的全分邻近中心算法

针对无功优化分解协调模型求解中增广拉格朗日函数不可分的问题,在邻近中心算法基础上提出一种适用于特殊等式约束优化问题、可实现所有步骤分解计算的全分邻近中心算法。该算法通过邻近函数构造平滑同时可分的拉格朗日函数,并通过最优梯度更新拉格朗日乘子,只需要在相邻分区之间交换边界节点信息即可实现全网无功优化的分解协调计算。与通过对偶梯度更新拉格朗日乘子的分解算法相比,它不但可以直接确定计算所用参数,而且可以大大提高收敛速度。算例结果表明,所提算法可以实现全网无功优化的分解协调计算,并且其计算效率远高于基于辅助问题原理的分解协调算法。     

基于分块坐标下降思想的并行无功优化分解协调算法

针对无功优化分解协调模型求解中增广拉格朗日函数的不可分问题,提出了基于分块坐标下降(block coordinatedescent,BCD)思想的并行分解协调计算方法。该方法可实现全网无功优化的分解协调计算,仅需要在相邻分区之间交换边界节点的功率和电压用于协调,解决了大规模电网集中式无功优化存在的计算速度慢和数据传输瓶颈问题;而且各控制中心可自主选择优化算法,实现了自律分散与协调控制的结合。算例结果表明,该算法可以大大减少全网无功优化的计算时间,并且与基于辅助问题原理的分解协调算法相比,其收敛速度更快、计算效率更高。     

基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化

现有方法对互联后的电网进行无功优化时难以满足大规模电网实时计算、快速反应的需要,并且面临全网数据收集的难题。为了解决上述问题,采用分解协调算法的思想,提出一种基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化方法。首先根据支路潮流模型,利用二阶锥松弛和二次旋转锥松弛方法建立了多区域柔性直流互联电网的集中式无功优化模型。然后利用拉格朗日对偶松弛理论在集中式优化模型的基础上,提出了可以并行计算的多区域柔性直流互联电网无功优化方法。通过算例计算,验证了所提算法的有效性和正确性。此外,还对比分析了所述的分解协调算法和基于交替方向乘子法(ADMM)的分布式优化算法的计算结果,证明所用算法在计算时间上更具优势。     

拉格朗日乘子法电力系统网络参数错误辨识研究

如何辨识出错误的网络参数是电力系统建模中的一个难题。拉格朗日乘子法是一种有效的网络参数错误辨识算法,然而由于计算效率和应用模式问题,这类方法尚难以实现实际应用。为此,基于现有的拉格朗日乘子网络参数错误辨识方法,给出了采用大权重法或修正牛顿法处理零注入约束时该方法的实现模式;针对传统方法的计算效率问题,提出了一种基于稀疏逆矩阵法的拉格朗日乘子协方差矩阵对角元的高效计算方法,以及直接基于状态估计结果,无需反复进行状态估计和参数估计计算的实现模式。该方法提升了拉格朗日乘子法的计算效率,为这类方法的实际应用提供了条件。     

基于自适应系统优化算法的机组组合

算法采用系统分解理论将系统约束松弛,把机组组合问题分解为2层优化问题.上层通过拉格朗日乘子的自适应调整来协调单个机组的子系统,下层采用遗传算法求解单个机组独立的子系统优化问题.对拉格朗日乘子的自适应调整明显减少了对偶间隙的振荡现象,对遗传算法中交叉变异算子自适应的调整有效地克服了早熟现象.算例表明可行解的质量高、收敛速度快,与传统算法相比具有更高的自适应性,适用于大规模、复杂系统的机组组合问题的求解.     

基于最优潮流的实时电价及其遗传算法实现

基于分布式母线的解耦最优潮流（OPF）问题推导出一种新的实时电价模型,并用遗传算法解最优潮流问题,用扩展拉格朗日乘子法把最优潮流无约化,扩展拉格朗日乘子法可以把最倨潮流问题的等式约束和不等式约束与原目标函数集成起来,并且拉格朗日乘子含有丰富的经济意义。通过它们可以把各种约束因素转化成电价分量。然后由遗传算法对拉格朗日函数进行运算,求出最优潮流问题的解,最终根据实时电价模型求出各母线处的电价。另一个重要工作就是应用潮流分解计算每个母线的注入功率在输电网络中引起的实际潮流分布,根据其实际分布来分摊网络输电固定费用。在14母线IEEE标准系统上对所提出的模型进行了测试,表明了该模型具有良好性能和实用价值。     

利用拉格朗日松弛法解决SIS中的负荷经济分配问题

利用拉格朗日松弛法对火力发电厂厂级监控信息系统(SIS)中的负荷经济分配问题进行了求解。该方法以发电费用为目标函数,用拉格朗日乘子将系统的负荷约束松弛,并将得到的拉格朗日函数分解为一个上下两层的优化问题分别进行求解,保证了算法的快速有效性。与混沌优化及遗传算法进行了仿真比较,结果表明所提出的方法收敛速度快,求解精度高,易于掌握,是解决电力系统负荷经济分配问题的有效手段。     

基于局域重加权的智能配电网多源分布式协调优化算法

为了实现大量间歇式新能源的充分消纳,提出了一种含高密度分布式电源的智能配电网有功和无功资源的区域分布式协调优化算法。该方法首先建立多时间段线性锥最优潮流模型,其次利用辅助变量增广Lagrangian乘子法分裂节点以实现各区域子系统潮流的空间解耦,最后提出了基于局域重加权Lagrangian的分布式优化算法,实施全网有功和无功资源的协调优化。算法上,各区域子系统无需全局协调可独立并行迭代优化,通过邻域子系统间少量的部分信息交互达到全网优化。该算法降低了通信复杂度,最大限度地保留了各子系统的独立性。算例验证结果表明,所提算法计算效率较高且收敛特性良好。     

基于粒子群修正策略的机组组合解耦算法

机组组合问题是电力系统优化运行的一个难点,理论上难以得到最优解。提出了一种基于粒子群修正策略的解耦算法。首先采用集结投影次梯度的拉格朗日松弛算法得到机组组合的对偶解;然后依据对偶信息中的备用乘子及对偶组合状态建立粒子群优化空间;而后利用无约束的标准粒子群优化算法实现拉格朗日乘子的局部更新,通过粒子的调整和粒子间信息的传递改变机组启停,进而修正拉格朗日对偶解,最终得到机组组合问题的近似最优解。6个系统的仿真计算验证了该方法的求解速度及计算精度。     

基于广义主从分裂的输配电网一体化分布式无功优化方法

大量分布式电源接入配电网后,输、配电网间无功电压关系更加密切,传统输、配电网无功优化孤立进行已不再合适。根据输、配电网运行管理的独立性,提出了一种基于广义主从分裂思想的输配电网一体化分布式无功优化方法。输配全局无功优化问题分解为输电网优化主子问题、各配电网优化从子问题及边界一致性判别问题。各子网无功优化子问题采用对偶规划类算法求解,离散变量采用罚函数法处理以保持增广拉格朗日函数的可微性。通过由对偶乘子构造的边界灵敏度实现输、配电网子问题间的解耦,输配电网控制中心间通过传递边界变量及其灵敏度信息实现分布式协调。对IEEE 30节点系统(输电网)和含多种分布式电源的IEEE 33节点系统(配电网)进行仿真,验证了所提方法的有效性。     

基于麻雀算法优化的OSTU分割算法

针对传统最大类间差法（OSTU）在分割图像时计算量大、时间效率低的缺点,提出一种基于Singer混沌映射和随机游走策略的麻雀优化的OSTU分割方法（SRWSSA）。首先,利用Singer混沌映射改进初始化麻雀种群,增加初始麻雀种群的多样性,提高全局搜索能力;其次,采用随机游走策略对更新后的最优麻雀进行扰动变异,进一步增加种群多样性,增强局部搜索能力;最后,使用提出的优化算法对标准图像进行二维OSTU分割,得到最优阈值分割图像。结果表明：本文提出的SRWSSA算法在寻优能力和迭代时间上均得到了明显改善,迭代次数较PSO-OSTU、SSA-OSTU分别减少了83.3%、76%,图像峰值信噪比分别提高了8.2%、11.3%,运行时间上也有所提高,具有一定的可行性。     

Reza's algorithm

Estimation, interpolation, forecasting and modeling are common engineering methodologies used to fit models to specific historical data. Recently, artificial neural networks have proven to be good candidates for modeling incorporating historical data. Also, fuzzy methods simulate complex and unpredictable systems in real-world applications. Adaptive filters, time series and statistical methods are other conventional estimating methods. Most of these methods first assume a parametric model for the system and then try to optimize the parameters so that the output error is minimized. This methodology (parametric modeling) forces a fixed structure to the behavior of the system. This causes a limitation in functionality and performance of the estimation process as well as reducing the degree of freedom in general. However, Reza's algorithm uses a sample of historical data, (X/sub i/,Y/sub i/, to estimate a value for Y/sub 0/ corresponding to a new value of X/sub 0/. It considers several possible ranges of solutions to calculate the final estimate of Y/sub 0/. Next, a candidate is introduced for each range of solutions (based on heuristic logic and engineering sense). Later on, these candidates are combined together using a weighted average method to reach a final solution for Y/sub 0/. This algorithm has been applied to several real-world data sets. The results show a relatively high accuracy (approx. 7%) in the sense of mean absolute percentage error. Reza is a sample-based algorithm, and in contrast to the other estimating methods, it does not force any parametric model to the system.     

结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

基于人口迁移算法和TLS ESPRIT算法的间谐波分析

提出了人口迁移算法和TLS_ESPRIT算法相结合的间谐波分析方法,首先使用TLS_ESPRIT算法估计信号中间谐波的个数和频率,然后将谐波分析问题转化为函数的参数优化问题,并应用人口迁移算法对间谐波幅值和初相角进行参数优化估计.仿真结果表明,该方法可较准确地分析间谐波的频率、幅值和初相角等参数.     

基于并行遗传蚁群算法的组播路由调度算法

组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果.组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题.文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中.GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择.仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法.     

基于Dijkstra算法改进的飞行器航迹快速规划算法

当飞行器在航行途中遇到突发情况需要临时更改路径时,这就对航迹规划算法的效率和可靠性提出了很高的要求。针对这一问题,本文提出了一种加入预搜索的Dijkstra算法改进方案。该算法使用归一化熵权法建立了较为客观的航迹评价函数,简化了多目标航迹优化模型。通过加入深度为一的预搜索过程实现D算法的回溯功能,解决了经典D算法因松弛性不足,在复杂约束条件下路径搜索失败率高的问题。此外,为了进一步减少运算时间,在预搜索遍历过程中加入跳出机制。算法仿真结果表明,本文所提算法的运行时间相较于普通回溯D算法减少了46%,且在复杂约束条件下的航迹搜索成功率与航迹质量均接近智能算法,能够满足复杂条件下快速航迹规划的需求。     

The Rijndael algorithm

The Rijndael algorithm is the new advanced encryption standard (AES) approved by the US National Institute of Standards and Technology (NIST). With this algorithm supporting significantly larger key sizes than DES (data encryption standard) supports, NIST believes that the AES has the potential of remaining secure for the next few decades. In overall performance, based on the speed of encryption and decryption and on key set-up time, the Rijndael algorithm has attained top scores in tests conducted by NIST. The belief is that almost all US government agencies will shift to the AES algorithm for their data security needs in the next few years. Also, that the algorithm will find its way in smart cards and other security-oriented applications used for safely storing private information about individuals.     

基于萤火虫算法的无人机组网多径路由算法

针对无人机自组网节点能量有限、移动快、数据多造成网络 QoS 下降的问题,提出将改进的萤火虫算法融入到多径路由 中形成萤火虫多径路由算法(AOMDV-FMRA)。 首先为减小速度对路径稳定度的影响,在路由发现过程中引入边界评价因子以 适应拓扑变化,再根据路径上节点的负载信息,对反向路由进行选择。 最后将能量评价参数映射到萤火虫算法中对收集到的路 径能量信息进行处理,作为流量分配的依据。 实验结果表明,与 AODV、AOMDV 相比,在节点速度高、网络流量大的环境中,算 法在端到端时延、网络生存时间、投递成功率、路由开销方面,均有良好性能。     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

基于能量分选的正则化匹配追踪改进算法

重构算法是压缩感知理论中重要的内容之一,而正则化匹配追踪算法因其优异的重构性能获得了广泛的应用。从正则化匹配追踪算法原子筛选原则出发,在相关性准则和正则化准则的基础上,提出了以能量分选为选择标准的ROMP改进算法。仿真实验证明,提出的ROMP改进算法在各个性能指标上均优于ROMP算法,验证了本改进算法的有效性和可靠性。在此基础上将其应用到雷达距离维成像中,取得了很好的成像效果。