改进的禁忌搜索算法及其在电磁场逆问题中的应用

针对求解多极值点目标函数的电磁场逆问题,提出了一种改进的禁忌搜索算法.为提高算法的全局寻优能力和减少寻优计算的时间,改进算法在结构上提出了不同状态的新转移规则:步长向量选取原则和不同循环起始点选择的新规则.避免了重复或无意义中间点的产生,使算法能够有效地跳出局部极值点,迅速收敛到全局最优点.给出的典型数学函数验证了算法的快速性和有效性,电磁场逆问题算例TEAM Workshop问题22的结果表明算法的优越性和工程应用价值.     

改进的区域消除法及在电磁场逆问题中的应用

借助“记忆”已搜索过的可行空间并将其中状态与当前随机产生状态的对比,分析,以及引入局部寻优算法,本文给出了一种多极值点边续变量函数全局优化的智能化新算法－改进的区域消除法。因此,本文为电磁场逆问题的求解计算提供了一种可供选择的全局优化算法。     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究：在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的＂早熟＂问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明：改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究:在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的"早熟"问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明:改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

利用智能型模拟退火算法进行开关磁阻电机磁极几何形状的优化

通过对模拟退火算法(简称SA算法)进行深入研究发现，SA算法在寻优过程中随机产生的新点仅与当前状态有关，而与已搜索过空间的状态及其目标函数值毫无关系，这就浪费了大量有用的信息，因而SA算法最大的缺点是在搜索寻优过程中存在较大的盲目性。为此，该文将模糊推理技术用于SA寻优过程，可利用已搜索过的空间信息确定全局最优点所在的区间，从而缩小搜索范围使算法迅速收敛于全局最优点；并可自动去除不可行解，避免了电磁场逆问题计算中大量不必要的磁场计算。应用电磁场逆问题的分析方法，对开关磁阻电动机转子磁极几何形状进行了全局优化设计，在电机主要尺寸不变的条件下，显著地提高了样机的静态转矩。     

基于最小二乘支持向量机和自适应模拟退火算法的电磁场逆问题全局优化方法

分析了目前电磁场逆问题全局优化算法存在的收敛速度慢以及搜索时间长等问题的主要原因,并针对以上问题提出了基于最小二乘支持向量机和自适应模拟退火电磁场逆问题优化新算法,充分利用了自适应模拟退火算法中丢失的已搜索过点的信息,动态地建立和改进待求问题的数值模型,指导最优解的搜索过程,大大减少了求解电磁场正问题的求解次数,缩短了搜索到最优解的时间,通过仿真实验以及实际应用的对比,效果显著,提高了电磁场优化设计的实际应用能力。     

电磁场逆问题数值分析的多目标量子进化算法

与传统进化算法不同,基于一种电磁场逆问题多目标优化设计的矢量量子进化算法(QEA)没有复杂的基因算子和操作。为同时兼顾某一个体优于另一个体的目标函数总数,以及具体目标函数的改进"程度",提出了新的适值计算式;根据多目标电磁场逆问题的特点,重新设计了标量QEA算法的信息共享机制、量子门偏移角的自适应调整规则。通过典型实例的验证,表明了本文算法的有效性和实用性。     

基于粒子群遗传算法的光伏MPPT控制研究

局部阴影条件下,光伏阵列的功率特性曲线会出现多个峰值,传统的MPPT跟踪算法容易陷入局部极值点,无法准确地跟踪到最大功率点。粒子群算法具有很强的全局搜索能力,可以有效解决多峰寻优问题,但是普通粒子群算法容易出现收敛速度慢、早熟现象。提出一种改进的粒子群遗传（IPSO-GA）算法,该算法的惯性权重与学习因子随着迭代次数不断改变,可以同时兼顾算法的局部搜索与全局寻优能力,并且引进遗传算法的交叉、变异操作以增加种群多样性。仿真结果表明,改进算法在多峰最大功率跟踪过程中,具有良好的跟踪速度与寻优精度。     

基于改进微分进化算法的负荷模型参数辨识

为了提高电力系统中负荷模型的精确度,提出了一种改进的微分进化算法(IDE)以辨识负荷模型参数。采用不依赖于优化问题的控制参数自适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱后期易于陷入局部极值点的束缚,克服了微分进化算法参数调整困难的不足,提高了算法的寻优能力。将改进算法应用于静态负荷模型参数辨识的工程实例并与其他算法对比的结果表明,改进DE算法的全局搜索能力强,搜索精度高。     

一种改进的PSO算法在系统无功优化中的应用研究

为了确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的。IEEE-6节点标准系统仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力。     

基于混沌序列的变压器油色谱数据并行聚类分析

变压器油中溶解气体分析(DGA)是变压器运行和维护的重要技术手段,聚类算法是油色谱分析的一种重要智能算法。但是聚类算法的目标函数是一个典型的非凸函数,其寻优求解过程是局部搜索的爬山算法,迭代过程容易陷入局部极值点,因而无法实现有效的油色谱数据分类。混沌变量具有随机性和遍历性,使得全局寻优成为可能。该文在聚类迭代的过程中,利用混沌序列对聚类中心进行"人工突变",同时在聚类的过程中设置多条并行的寻优轨迹,在迭代过程中,每条寻优轨迹除了按照自身的梯度信息进行推演外,同时还共享其余轨迹的寻优信息。可在迭代寻优的过程改变原有的寻优轨迹,从而避免寻优过程终止于局部极值点,实现全局寻优。实例分析表明,该文的方法促进了聚类分析的全局寻优,提高了模糊聚类算法进行DGA故障模式识别的能力,具有现实应用价值。     

多策略改进海鸥算法及其在光伏MPPT中的应用

针对在局部阴影情况下传统光伏系统最大功率跟踪方法跟踪精度较低且易陷入局部最优的问题,提出一种基于多策略改进海鸥算法的最大功率点跟踪控制方法。首先,通过改进原始海鸥算法的收敛因子,平衡算法的全局及局部寻优能力;其次,引入自学习环节和反向学习策略,增大海鸥的覆盖空间和加强海鸥种群的多样性,使算法能够有效地摆脱局部极值,精确地跟踪到全局最大功率点。通过仿真结果证明,所提出的控制方法在精度和稳定性方面有一定的优势,且光伏系统的输出效率也得到了有效的提高。     

基于人工鱼群算法的光伏阵列多峰MPPT控制策略

光伏系统在复杂应用环境下输出特性具有时变非线性、多功率极值和量测噪声的特点。人工鱼群算法具有良好的克服局部极值、获得全局最优值的能力,非常适合解决非线性多极值函数寻优问题。分析了复杂应用环境下光伏阵列输出特性,将最小二乘滤波与人工鱼群算法结合,应用于复杂应用环境下光伏最大功率点跟踪控制,削弱复杂应用环境影响,提高跟踪精度,最后通过仿真与实验验证该跟踪策略的有效性。     

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。     

改进PSO算法在光伏阵列多峰值中的应用

最大功率点跟踪(MPPT)能有效提高光伏利用效率,当局部阴影时,光伏阵列P-U曲线易呈现多极值问题,传统MPPT算法不适用于在多极值中寻优,因此算法易出现跟踪失效问题.粒子群算法(PSO)更适应复杂的多极值系统求最优解,但不易跳出局部寻优.通过正弦改进策略的动态惯性权重优化方式,应用正弦函数周期变化属性扰动粒子,并配合...     

基于多项式混沌和进化算法的快速鲁棒优化算法及其在电磁场逆问题中的应用

为提高电磁场逆问题鲁棒优化设计的计算效率,提出一种基于多项式混沌和进化算法相结合的快速鲁棒优化方法。在该方法中,通过将多项式混沌展开作为鲁棒性能参数的随机响应面模型,提高了期望函数的计算效率和计算精度。此外,为进一步提高算法的计算效率,文章又提出了期望适值赋值的新机制,以及概率可行性模型处理约束函数鲁棒性的方法;引入同时搜索全局最优解和鲁棒最优解的迭代循环机制。通过典型电磁场逆问题的鲁棒优化设计对本文算法进行了数值验证。数值分析结果证明了该文方法的可行性和先进性。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础。针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解。理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础.针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解.理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度.     

基于改进多组织粒子群体优化算法的配电网络变电站选址定容

提出了一种改进的多组织粒子群优化算法（RMPSO）来解决配电网络变电站选址定容问题。RMPSO中,粒子除受个体极值点和全局极值点影响外,还受组织极值点的影响。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,对发生"聚集"的组织对应的组织极值点赋予变异操作,用以克服粒子群优化算法(PSO)的早熟现象。在该文提出的站址选择计算模型中,不仅考虑线路投资和网络运行费用对站址选择的影响,而且还考虑了地理信息对建站投资费用的影响,在模型上体现了变电站选址定容是地理信息和电气信息两者共同作用的结果。通过某开发新区规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行。