基于最优功率分配原则的无线网络D2D用户通信质量分析

构建了一种基于最优功率分配原则的D2D用户通信质量分析算法,能够促进通信网络吞吐量获得明显提高,从而为D2D用户提供最佳资源分配方案。研究结果表明:研究构建得到的资源分配算法实现了吞吐量的显著提高,表现出比其它两种算法更优的计算性能。当D2D用户不断变多后,所有算法都获得了更高的吞吐量。在同样的D2D用户数情况下,采用资源分配算法可以获得比其它算法更优的运算性能。当最大发射功率提高后,吞吐量也明显上升,显著改善了算法性能。当蜂窝用户在系统中的最小速率需求持续提高后,将会引起整个系统出现吞吐量持续减小的情况。     

蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。     

D2D通信中基于深度强化学习的资源分配

设备到设备(D2D)通信能够以蜂窝设施为基础来提高资源利用率、用户吞吐量和节省电池能量。在D2D网络中,模式选择和资源分配是关键问题。为了提高D2D通信的和速率与频谱利用效率,提出一种联合模式选择、功率和资源块分配的方案。首先根据用户地理位置选定模式选择标准,帮助用户选择相应的通信模式;然后针对复用通信模式,使用基于深度强化学习的异步优势动作评价(A3C)算法为不同的D2D用户分配资源块和功率。仿真结果表明,本文提出的基于A3C算法的联合优化方案收敛速度快,并且性能相对于其他算法较好。     

基于改进果蝇算法优化的微电网逆变器恒功率控制算法

针对微电网逆变器恒功率控制器PI参数优化的问题,提出了基于种群分区的多策略自适应果蝇(ppmaFOA)优化的PI参数在线优化算法。根据适应度值进行排序将果蝇种群分为三个区,因每个区果蝇性能的差异提出多策略更新模式：I区局部精细搜索保证种群不退化,II区根据算法所处环境自适应调节算法的多样性和收敛性,III区引导果蝇加速收敛,提高了算法的开发和探索能力。采用5种对比算法,利用微电网恒功率控制系统进行实验,验证了所提算法的性能和经ppmaFOA算法优化后逆变器的响应速度更快、误差更小、输出更稳定。     

改进互联通信荷电状态下垂控制及功率均衡优化

作为直流微电网中不可或缺的组成部分,分布式直流储能系统起着平抑系统能量波动、维持系统功率平衡的重要作用.为了提高储能系统工作的可靠性,该文对互联通信荷电状态(SOC)下垂控制策略进行深入研究.首先,对传统互联通信SOC下垂控制的系统性能及存在的问题进行分析,为之后控制策略的改进奠定基础;其次,提出改进互联通信SOC下垂...     

D2D毫米波通信中基于多变量联合优化的吞吐量提升算法

为了提升设备直连(device-to-device, D2D)的毫米波通信系统的吞吐量,提出基于多变量联合优化的吞吐量提升(multi-variable joint optimization-based throughput improvement, MJTI)算法。MJTI算法将共享同一子信道的D2D对形成一个联盟,以最大化联盟速率之和为联盟收益。先构建关于联盟形成、定向天线波束转向角设置和最佳传输功率的目标问题。然后,采用块坐标下降法将目标问题分解成3个子问题。再分别利用联盟博弈、拉格朗日乘法和内点法求解。最后,通过仿真数据分析联盟数、D2D对数和天线增益对吞吐量的影响。仿真数据表明,相比于随机方式形成联盟,MJTI算法的吞吐量平均提升约15%。     

基于多种群遗传算法的D2D通信终端数量的优化

端到端的直连通信(device to device,D2D)能有效提高网络容量.针对D2D通信所能容纳的终端数量问题,提出一种基于多种群遗传算法的容量优化方法.由于传统蜂窝网移动终端对D2D用户的干扰,以及复用同一频率的D2D终端之间的同频干扰,严重影响了可接入D2D终端的数量.本文提出的基于多种群遗传算法能快速调整资源分配方案,有效减少同频干扰,显著提高网络所能容纳的终端数量.仿真结果表明,相比于标准遗传算法和随机分配算法,基于多种群遗传算法的资源分配方案能通过快速分配合理信道资源降低系统中总的干扰,有效提高终端的接入数量,显著提升了系统的总吞吐量.     

基于拟态物理学优化算法的微电网功率优化

考虑天气等因素对微电网有功功率平衡的影响,计及电力市场环境下的需求侧响应,将微电网负荷分为高赔偿可中断负荷(ILH)与低赔偿可中断负荷(ILL).在保证微电网功率平衡以及满足潮流、电压、频率偏移和开关损耗等约束的前提下,以微电网总收益最大为目标函数,建立考虑切负荷操作的微电网功率优化数学模型,并利用拟态物理学优化(APO)算法进行求解.微电网14节点系统的仿真结果验证了所提算法的有效性.     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点.针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法.针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型.最后,结合具体算例,...     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变...     

基于改进随机森林的电力线通信优化算法研究

针对传统信道估计技术会占用频谱资源的缺陷,提出了一种基于改进随机森林的解映射优化算法。首先针对信源数据固有的不平衡性引入了改进SMOTE算法进行预处理,基于电力线信道特性确定了少数类数据的合成规则,并以解映射模块的子区间误码率作为评价指标进行性能分析。搭建了宽带电力线通信系统模型,以实际电表数据作为信源数据,在500 m的18径电力线信道模型下进行了仿真测试。实验结果表明,所提算法可以很好地弥补电表数据固有的不平衡性对随机森林性能的影响,极大地降低了子区间误码率的波动性。在各种信噪比环境下,引入改进随机森林算法均可以很好地优化解映射模块性能,提高宽带电力线通信质量,降低误码率。     

基于改进蚁群算法的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可以减少瓶颈节点的过载和充分利用资源。针对智能电网中电力通信网络负载均衡问题,文中提出了一种将蚁群算法与链路权值算法相结合的负载均衡算法。在发挥蚁群算法优势的基础上,通过链路权重判断功能直接选择最优传输链路方案。通过仿真将所提算法与常用负载均衡算法进行比较,验证了所提算法的优越性和可行性。结果表明,该方法更适合于复杂的应用场景,在电力通信网络中具有更好的负载均衡能力,具有一定的参考价值。     

基于改进VECMP的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可降低瓶颈节点的过载,提高网络资源的利用率以及系统可靠性.针对电力通信网络路由算法效率较低的问题,文中在传统等价多路径ECMP算法和遗传算法的基础上,结合可变等价多路径算法VECMP与改进的遗传算法IGA用于电力网络中的路由优化.通过优化三种遗传算子,提高了 VECMP算法的效率,并通过算例与...     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化.针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法(SGA)的基础上,提出更加有效的算法即改进遗传算法(IGA).新算法结合灵敏度分析产生原始个体替代SGA.SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体.所提算法在一个算例上进行了分析验证.     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的.     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化。针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法（SGA）的基础上,提出更加有效的算法即改进遗传算法（IGA）。新算法结合灵敏度分析产生原始个体替代SGA。SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体。所提算法在一个算例上进行了分析验证。     

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA)。该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施。算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高。