基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络（ISSA-RBF）的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。     

基于模糊和声搜索算法的光伏MPPT控制研究

针对光伏MPPT算法在对多峰值P-V曲线搜索中的跟踪精度和速度不能兼顾、存在搜索震荡、容易陷入局部极值功率点的问题,提出了一种基于模糊和声搜索(fuzzy harmony search,FHS)算法的光伏MPPT算法,同时引入模糊自适应因子k对音调调节步长BW进行自适应调整,实现高精度跟踪、迅速收敛和高稳定性.通过在M...     

基于麻雀搜索算法的光伏阵列参数辨识

目前最为常用的光伏电池参数辨识方式是解析法与智能优化算法,麻雀搜索算法（SSA）是新提出来的智能优化算法,具备传统智能优化算法优势的同时,提高了运算速度,对传统算法易陷入局部最优的问题进行了优化。在对光伏系统智能化监测的需求下,提出了一种基于麻雀搜索算法的光伏阵列参数辨识方法辨识模型参数,然后对光伏阵列特性曲线进行拟合。通过实测数据对光伏电池的相关参数进行辨识,之后再对特性曲线进行拟合,结果表明采用该方法可以在保证计算速度的同时精确地对特性曲线进行拟合。     

WSN中基于改进麻雀搜索算法的多目标覆盖优化

针对无线传感器网络中(Wireless Sensor Networks, WSNs)节点随机部署造成覆盖不充分问题,提出了一种改进麻雀搜索-覆盖率增量(Improved Sparrow Search Algorithm - Increment of Coverage Ratio, ISSA-ICR)算法。首先,ISSA针对探索者向原点收敛的问题,改进探索者位置更新方式,避免算法陷入局部最优解;其次,在算法迭代阶段引入以迭代次数为自由度参数的 t 分布扰动以及探索者-追随者数量动态调整策略,平衡算法全局和局部搜索能力;再次,采用随机回归的越界处理策略,合理处理个体越界重定位问题,并确定节点待部署位置;最后,基于ICR策略构建节点调度优化模型以确定最终部署位置。仿真结果表明,与麻雀搜索算法、标准粒子群优化算法及自适应虚拟力扰动麻雀搜索算法相比,ISSA-ICR节点覆盖多目标优化算法分别提升了目标区域4.96%、8.81%及3.84%的覆盖率,使节点分布更均匀,同时减少了节点移动距离。     

改进麻雀搜索算法在光伏阵列MPPT中的应用

在局部遮阴条件下光伏阵列的输出功率存在多个峰值,传统的最大功率点追踪(MPPT)技术在寻优过程中易陷入局部峰值,难于快速准确地追踪到最大功率点。针对这一问题,提出了一种改进麻雀搜索算法应用于光伏MPPT技术。首先,借鉴于乌鸦搜索算法引入了飞行步长,并采用一种动态递变规则调节飞行步长,增强加入者的探索能力,解决了麻雀搜索算法在低维下寻优精度低的问题;其次,设计了一种自适应规则应用于发现者位置更新中,同时通过边界处理策略约束麻雀位置更新,保证了麻雀搜索算法能够有效地解决搜索范围较小情况下的寻优问题;最后,在MATLAB中对6个基准函数进行测试验证,并将改进的算法应用于非均匀光照条件下光伏阵列的最大输出功率点追踪中进行仿真。结果表明,所提出的改进麻雀搜索算法具有较快的收敛速度和较高的追踪精度,在寻优过程中能有效避免陷入局部峰值并快速精确地追踪到最大功率点。     

基于模拟定位电路的多峰值MPPT方法

针对局部遮荫或者不同特性光伏组件组合的光伏发电系统,提出一种基于模拟定位电路的多峰值最大功率点跟踪方法。采用硬件模拟定位电路和软件数字控制算法相结合的方式,先利用定位电路在极短的时间内准确地找到多峰值情况下的全局最大功率点,再选择相应的控制算法进行跟踪调节和保持稳定,最终实现光伏发电系统的最大功率输出。与传统功率曲线扫描方法相比,该方法不需要使用高速的AD转换电路,对后级控制电路的扰动小,并且对系统工作效率的影响也非常小。仿真和实验的研究结果表明所提方法易于实现,稳定可靠。     

基于改进麻雀搜索算法优化深度学习网络超参数的短期风电功率预测

提出了一种CNN-Attention-BiGRU网络模型,以及采用ISSA优化网络模型超参数的短期风电功率预测方法。首先,设计CNN-Attention-BiGRU深度学习网络,利用CNN-Attention提取数据特征,再利用BiGRU对时间序列的预测;然后,采用ISSA优化CNN-Attention-BiGRU网络超参数,提高模型的预测精度;最后,采用甘肃省某风电场数据集进行验证该预测方法,结果表明,该预测模型有效地提高了预测精度和输出结果的稳定性。     

基于正交对立学习的改进麻雀搜索算法

针对麻雀搜索算法种群多样性少,局部搜索能力弱的问题,本文提出了基于正交对立学习的改进型麻雀搜索算法(OOLSSA)。首先,在算法中引入正态变异算子,丰富算法种群多样性;其次,利用对立学习策略,增强算法跳出局部最优的能力;然后,在加入者更新之后引入正交对立学习机制,加快算法的收敛速度;最后,基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析,评估OOLSSA算法寻优性能。仿真结果证明,OOLSSA与其余8种算法相比,算法的探索开发能力以及收敛速度都表现良好。     

基于麻雀搜索算法的PMSM智能控制器设计

为了提高永磁同步电机（PMSM）伺服系统的控制性能,使其适应复杂运行工况,提出一种变论域模糊比例积分（PI）控制策略,并利用麻雀搜索算法（SSA）实时修正伸缩因子。该算法利用自然界中麻雀发现者与加入者不同分工的捕食机制,将待优化的参数看作麻雀搜索个体所处的位置,智能搜寻最优伸缩因子,在线调整模糊控制的论域。将该控制策略应用到PMSM矢量控制系统转速外环,并搭建电机控制系统实物平台,验证了采用SSA优化的变论域模糊PI控制,具有动态响应快、超调量小、调节时间短和抗干扰能力强的优势。     

基于改进麻雀搜索算法的受端电网机组组合模型

随着特高压交直流与新能源发电的发展，受端电网由纯交流电网逐步发展为大规模新能源发电并入的交直流混联电网，给受端电网的运行特性带来很大的影响。针对受端电网运行特性的改变，提出一种同时考虑直流输电馈入和大规模新能源接入的适用于新型受端电网的随机机组组合模型。该模型考虑接入受端电网直流的影响以及新能源出力的不确定性，采用新兴的麻雀搜索算法进行模型求解，并同时采用权重提高麻雀搜索算法的求解搜索能力。在直流馈入和新能源接入后的10机39节点的新型受端电网算例进行仿真计算，结果验证所提机组组合模型以及改进麻雀搜索算法的正确性和有效性。     

基于改进麻雀搜索算法的微网容量优化配置

为得到微电网中各微电源的最佳容量配比,满足负荷的出力需求,本文针对含风光柴储的并网型微电网,以综合运行成本最低为目标函数,以分布式电源出力及污染物排放量为约束条件,建立容量优化配置模型。采用折射反向学习机制、差分变异交叉选择策略及动态步长因子改进标准麻雀搜索算法对模型进行求解,并与鲸鱼优化算法、差分算法、灰狼算法、麻雀搜索算法进行对比。选取宁夏地区两个典型日进行算例分析,所求成本较其他4种算法分别降低3.05%、4.12%、8.46%及1.13%。仿真结果表明所提模型具有合理性,且改进的SSA具有良好的寻优能力。     

基于改进麻雀算法的多APF协调控制研究

有源电力滤波器（APF）因其具有快速追踪和消除谐波的功能而广泛应用于配电网中。其中,LCL型APF对高频谐波有更好的抑制能力。随着APF并网数目的日益增多,各APF间的交互影响问题变得不可忽视。针对多APF间的交互影响,首先基于诺顿定理推导了多APF并网等效模型,其次利用广义动态相对增益矩阵（GDRGA）对交互影响进行定量分析,最后将抑制交互影响转化为多目标优化问题。针对传统麻雀算法在搜索后期存在全局寻优能力差、易陷入局部最优的缺陷,引入tent混沌和动态随机柯西变异进行改进,并采用改进麻雀算法对APF各控制参数进行协调优化。结果表明,改进麻雀算法能得到分布更加良好的pareto解集,求解性能更优,多目标优化后能有效抑制APF间的交互影响,验证本文所提方法的有效性。     

基于麻雀搜索算法改进的YOLOv7-ECA-SSA 模型的车辆检测

为解决复杂背景下小目标车辆检测存在的误检、漏检等现象,创新性提出一种改进YOLOv7网络的目标检测算法。首先,为解决小目标车辆存在次要信息干扰问题,将高效通道注意力(ECA)机制融于YOLOv7模型的主干网络特征层,通过自适应学习来增强目标区域信息权重占比,抑制无关信息;其次,为解决神经网络检测模型训练的超参数随机经验设定性问题,将麻雀搜索算法(SSA)对检测模型训练超参数进行优化,通过内外双循环迭代方式,快速收敛出全局最优学习率,进而得到最优组的权重信息,最终提高小目标车辆检测精度。实验结果表明,基于结构优化、超参数优化的YOLOv7-ECA-SSA检测模型在BDD100K数据集上的检测精度为79.01%,比原始模型提高了5.38%,具备更好的小目标车辆检测性能。     

基于麻雀搜索的协同定位算法研究

无线传感器网络的定位问题可以转化为适应度函数最优问题,并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据,从而导致定位精度的提升有限。为了解决这一问题,提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段：粗略搜索和精细搜索。在粗略搜索阶段,未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段,未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先,采用Cat混沌映射方法来保证初始种群的均匀分布,从而有助于确定最佳位置。其次,构建了两种不同的适应度函数,一种用于粗略搜索,另一种用于精细搜索。其中,用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后,提出了一种新的精细搜索方法,以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析,验证了所提方法的有效性。     

基于ISSA优化SVM的变压器故障诊断研究

针对传统的变压器故障诊断方法准确率较低的问题,提出了改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(SVM)的变压器故障诊断方法。首先引入动态反向学习因子对种群进行优化选择以提高麻雀搜索算法(SSA)全局寻优能力,其次用ISSA优化SVM的核函数参数和惩罚系数,建立基于油中溶解气体分析(DGA)的ISSA算法优化SVM的故障诊断模型。然后采用核主成分分析法(KPCA)对故障数据进行非线性降维。将经过KPCA处理后的数据输入ISSA-SVM进行故障诊断。并与灰狼算法-支持向量机(GWO-SVM),粒子群算法-支持向量机(PSO-SVM)诊断结果进行对比。结果表明,ISSA-SVM故障诊断率为92%,比GWO-SVM, PSO-SVM,SSA-SVM分别提高了10.67%、8%、5.33%,可以更精准的预测变压器运行状态。     

基于改进麻雀搜索算法优化支持向量机的短期光伏发电功率预测

为了提高光伏发电功率预测的可靠性与准确率,提出一种基于改进麻雀搜索算法（tSSA）优化支持向量机（SVM）的短期光伏发电功率预测模型。首先采用自适应t分布增强麻雀搜索算法的种群多样性,然后利用tSSA针对SVM中的惩罚参数和核函数参数进行优化,在得到最优惩罚参数和核函数参数的情况下对光伏发电功率进行预测。对澳大利亚某光伏电站一年内的数据分析发现,每个季节的光伏发电功率有明显的不同。为此,充分考虑外界环境参数如辐照度、湿度、温度、风速和风向的影响,基于tSSA-SVM模型对不同季节的某一天做光伏发电功率预测。仿真结果表明,该模型具有较高的预测精度,特别是对秋、冬季节的光伏发电功率预测更为准确,具有较高的实用价值。     

基于麻雀搜索优化的背景分割算法的板簧尺寸检测方法

针对复杂背景下汽车板簧轮廓特征点难以提取的问题,提出改进麻雀搜索优化的K means背景分割算法并辅以投射线激光提取待测特征点。首先,通过遍历全局像素,根据梯度阈值确定最优方向,减小向最优方向移动的步长数值,以此改进麻雀搜索优化算法,克服算法全局搜索能力弱、容易陷入局部最优的问题;其次,将麻雀搜索的感兴趣像素点作为K means算法的初始中心点,把具有相似特征的像素点聚为一类,使板簧从复杂的背景环境中分割出来,获取板簧的外形轮廓;最后,向板簧表面投射线激光辅助标记,相交于板簧轮廓,提取待测特征点。结果表明,提出的基于背景分割的汽车板簧尺寸检测方法可以提取待测特征点,且精度可达025 mm,形成在线测量数据,有利于改进生产工艺。