基于BAS算法的配电网无功优化

配电网无功优化是保证其经济安全运行的重要措施.针对配电网无功优化问题,文章提出基于天牛须搜索算法的配电网无功优化策略,同时,引入自适应变化的步长因子改善BAS算法的迭代速度.最后,在Matlab中引入IEEE33节点配电网系统对基于粒子群算法、天牛须搜索算法和改进天牛须搜索算法的无功优化策略进行仿真验证并做对比分析,仿...     

配电网可靠性评估与优化系统重构算法

基于配电网可靠性和网络重构方面的研究,提出了一种考虑配电网可靠性下的重构快速方法。首先通过对可靠性指标体系研究,确定以有功网络损耗（LOSS）、系统供电量不足（ENS）和平均供电可用率（ASAI）作为评价指标体系,并进行了归一化构建配电网多目标模型,运用判断矩阵法将多目标函数转化为新的单一目标函数,实现对配电网系统的重构优化快速计算。算法在重构后期引入可靠性评估,提高了配电网最优解的求解效率。通过IEEE69算例验证了新的配电网重构优化算法在获得全局最优解的同时,降低了计算时间,能有效解决复杂网络的重构优化问题。     

基于破圈法与改进布谷鸟算法的两阶段配电网重构

针对传统智能优化方法在配电网重构过程中初始种群效果较差，并且难以获得全局最优解以及效率较低的问题，提出破圈法与改进布谷鸟算法相结合的两阶段重构方法。首先，以配电网的系统网损、负荷均衡和电压偏差三大综合指标为目标函数，建立多目标数学模型。其次，使用两阶段重构方法寻优，第一阶段使用破圈法快速求解配电网重构的初步解集，并将其作为第二阶段的初始种群；第二阶段对布谷鸟算法进行改进，使用基本环网编码策略，有效地减小了解空间，避免了大量的不可行解，并引入鲸鱼优化算法的气泡网搜索和螺旋搜索来避免早熟现象，有效地提高了算法的全局搜索能力。最后，使用含分布式电源的IEEE 33节点系统和Taipower 84进行仿真，结果表明该两阶段重构方法具有初始种群优、搜索能力强、收敛速度快的优点。     

含光伏发电系统的配电网无功补偿优化规划

本文针对目前含分布式电源的配电网无功补偿问题,采用改进禁忌搜索算法,通过IEEE33节点网络拓扑进行分析,使含分布式电源的配电网无功功率补偿达到全局最优,降低网络损耗.     

基于改进粒子群算法的三维路径规划

路径规划是无人机任务目标的重要组成部分,针对粒子群(PSO)算法早期收敛速度快,后期易陷入局部最优的缺点,提出一种结合天牛须搜索(BAS)算法的改进粒子群算法,并将其应用于无人机三维空间路径规划.在改进的粒子群算法中,利用天牛个体的优势,在每次迭代中都有自己对环境空间的判断,使路径更加合理,搜索效率更高.仿真结果表明,...     

基于改进遗传算法的图像边缘检测

针对经典边缘检测算法在一定程度上的局限性,提出了一种改进的遗传算法进行边缘检测。阐述了图像梯度的幅值和变化率,并将遗传算法引入到图像边缘检测中。利用天牛须搜索算法来引导遗传算法中交叉点位置的移动方向。通过提高子辈种群的多样性,防止了搜索区域逐渐缩小,克服了传统遗传算法早熟收敛的现象。实验结果表明,与传统的边缘检测算法相比,改进的遗传算法应用于不同的图像检测具有良好的稳定性和较快的收敛速度,可以收敛到全局最优解甚至逼近全局最优解,从而提高被检测图像边缘的完整性。     

蚁群与小波粒子群算法结合优化配电网重构

为了使配电网故障后或接入DG后能够高效、稳定地重构,提出一种结合蚁群算法(ACO)和改进的小波变异粒子群算法(IPSOWM)的优化算法(ACO-IPSOWM)。以配电网有功损耗最小和节点电压偏差最小为目标函数,并将其加权归一处理转化为单目标问题,然后采用二进制编码开关状态、拓扑修正策略检查配电网辐射性情况,采用蚁群算法初步寻优,采用小波变异扩展有效种群空间,避免陷入局部最优,最后就IEEE 33节点系统故障后或系统节点含DG出力后配网重构进行仿真。实验结果表明ACO-IPSOWM算法在选取合适参数后,能够结合ACO和IPSOWM的优点,重构后效果更好。     

基于改进遗传算法的配电网重构研究

为了获取配电网中支路电流并尽可能的降低系统的功率损耗,文中提出了一种基于改进遗传算法的配电网重构方法,建立了以系统功率损耗最小化为目标的配电网重构模型,结合辐射型配电网潮流计算分支电流,并对遗传算法的染色体编码,适应度函数和交叉变异模式进行了改进,避免了计算结果的早熟收敛。结合IEEE-16和IEEE-33的配电网系统进行测试,验证了所提改进遗传算法在配电网重构优化的有效性。     

基于改进粒子群算法的无人机三维航迹规划

针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点,提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束,并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境,综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明,改进后的算法与其他PSO算法相比,规划的三维航迹质量更高,能够很好地适应无人机在各种环境下的飞行要求。     

基于改进遗传算法的配网无功优化

针对配电网无功优化问题进行研究。以配电网络有功网损最小为优化目标,使用连接权重将配电网中的有功网络损耗、电压稳定性、补偿设备投入容量等多目标优化变为单目标优化。利用具有全局搜索能力的免疫算法与遗传算法相结合,从而提高了遗传算法的稳定性和适应性。最后通过IEEE 14节点的配网无功优化实例对所研究的改进遗传算法的优化模型进行分析。研究结果表明,使用改进遗传算法后的有功损耗相比常规遗传算法下降了0.28 MW,损耗降低率提高了1.37%,并且迭代次数明显降低,提高了优化的速率。     

基于BAS-BP-Bagging模型的光纤陀螺温度补偿

为提高光纤陀螺的输出精度,以天牛须搜索算法(BAS)优化后的BP神经网络模型为基学习器,采用Bagging并行集成学习算法建立了BAS-BP-Bagging温度补偿模型,并对某型号光纤陀螺进行了温度补偿实验。实验结果表明,在-40～+60℃温度变化环境下,该方法补偿后的光纤陀螺温度漂移相较于补偿前减小了近80%,相较于多项式补偿算法减小了55%,相较于BP神经网络补偿算法减小了30%左右。同时该模型在对新鲜样本的补偿过程中表现出了较为优越的泛化性能。     

改进麻雀算法在天波雷达定位中的应用

针对复杂战场环境要求天波雷达快速精准定位的问题，提出一种基于多策略改进麻雀搜索算法的定位模型。首先，使用立方混沌映射、步长因子动态调整、反向学习和混合变异算子对麻雀搜索算法进行改进，形成改进的麻雀搜索算法；然后，采用改进后的麻雀搜索算法寻找混合核极限学习机（HKELM）最优的核函数参数和混合核的权重系数；最后，使用寻优后的HKELM对天波雷达探测到的目标进行定位。结果表明，改进后的麻雀搜索算法在精度上和稳定性上优于用基本麻雀搜索算法改进的HKELM模型和极限学习机（ELM）定位模型，表明了所提算法的有效性。     

基于BP的配电系统网络重构算法的研究

为了有效地缩短配电网络重构的时间,首先对BP神经网络从学习速度和局部收敛方面改进,以提高BP算法的速度,然后根据配电网的数学模型,在BP神经网络的误差函数和约束条件的分析中运用图论知识,从而准确并快速地实现配电网络重构.     

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件.采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解.算例仿真结果表明,在考虑和不考...     

布谷鸟算法的含分布式电源配电网最优潮流优化

针对当前模拟退火方法等算法不能满足多约束变量的电网最优潮流设计问题,提出基于布谷鸟算法的含分布式电源配电网最优潮流优化模型。在多目标非线性约束参量模型下构建电源配电网最优潮流目标函数,以机组的耗量和配电总费用为优化目标,采用布谷鸟算法进行最优解多点搜索,模拟鸟群觅食过程和迁徙行为进行全局优化求解,考虑系统的有功损耗进行确定性规划处理,实现含分布式电源配电网的最优潮流求解。仿真结果表明,采用该方法进行含分布式电源配电网最优潮流优化设计有效提高了电源的利用率,降低了系统的运行成本,确保了含分布式电源配电网的经济、安全运行。     

基于遗传蚁群算法配电网重构

为应对分布式电源对配电网带来的变化,寻求更好的电能质量和网络损耗,以网损为目标函数,建立配电网重构数学模型。针对遗传算法的早熟现象和蚁群算法前期寻优速度慢的劣势,将遗传算法和蚁群算法进行融合,利用遗传算法快速全局寻优能力为蚁群算法提供所需的信息素对配电网重构问题进行寻优求解。为了克服二进制编码在处理配电网闭环建造,开环运行时带来维数灾,运用基于环网的自然数编码方式,通过节点度的大小来判断配电网的拓扑可行性。将含分布式电源接入IEEE33节点系统进行仿真,结果表明该算法具有较好的全局寻优能力和快速收敛速度。     

基于天牛须搜索的无线传感网分簇路由协议

针对无线传感器网络中的能耗不均衡问题,提出一种基于天牛须搜索算法的负载均衡分簇路由协议算法(LEACH-BAS)。该算法引入候选簇首选举机制,使用天牛须搜索算法对簇首分布进行搜索优化,形成合理分簇。此外,在簇间路由通信时,考虑剩余能量因子和传输能耗因子来选择中继节点。仿真结果表明,LEACH-BAS算法的网络生命周期相比LEACH、EAMMH、LEACH-GA和LEACH-PSO算法分别延长了39%、22%、15%和8%。LEACH-BAS算法应用在WSN监测场景,能有效解决WSN中能量不足的问题,优化簇首节点分布,降低节点能耗,有效地延长网络生命周期。     

一种改进的RSSI测距定位算法

针对接收信号强度指示(Received Signal Strength Indication,RSSI)定位模型易受环境影响导致测距误差较大的问题，提出了采用天牛须搜索(Beetle Antennae Search,BAS)优化后向传播（Back Propagation，BP）神经网络拟合测距模型，克服了对数衰减模型易受环境干扰、参数取经验值等问题。首先，利用卡尔曼滤波对RSSI值进行校正，将校正后的数据输入BAS-BP网络拟合出测距模型并通过测距模型输出距离值；然后，利用极大似然估计法求解未知节点的坐标。实验结果表明，与BP模型和粒子群优化的BP模型相比，改进方法收敛速度快，定位精度提高更加明显。     

混沌遗传算法在配电网无功优化中的应用

配电网无功优化可以有效地降低网络有功损耗,并提高系统的电压合格率,从而降低网络年运行费用,提高供电质量。为了提高配电网无功优化的收敛速度,文中对常规的遗传算法进行了改进,利用混沌优化算法加速了适应值较低的个体的淘汰,提高了每一代个体的平均适应值水平,从而显著提高了常规遗传算法的收敛速度。通过实际算例计算,验证了该算法能有效地提高配电网无功优化的收敛速度和优化效果。     

基于粒子群和差分进化的混合算法的配电网重构

根据粒子群和差分进化算法的特点相结合,提出了一种混合算法来解决配电网重构问题。并对粒子群和差分进化的混合算法原理作了详细的描述,根据电力系统的特点对配电网重构混合算法的具体步骤作了详细的描述。该算法以网络损耗最小为目标函数应用于IEEE16节点典型模型的配电网络重构中,仿真的结果表明,该混合算法在重构问题中的可行性和有效性。