自适应人工免疫网络算法的无线传感网络拓扑结构优化

无线传感器网络(MWSN)具有动态拓扑的特性,因而节点移动、能量消耗等影响因素会导致传感器网络的寿命。在现有层次型拓扑控制算法的基础上,借鉴adhoc网络层次拓扑生成算法WCA的设计原理,提出一种应用于无线传感器网络的新型层次型拓扑结构优化算法。该算法综合考虑节点的能量和位置状况,为每个节点定义不同的权值,从中选出性能优越的节点担任簇首,同时通过设置节点度参数来确保最优的拓扑结构。同时依托自适应人工免疫网络算法,用于实现MWSNs的目标。仿真结果表明,改进的人工免疫网络算法(KC-AAINA)有助于找到良好的聚类配置和簇头数量,限制了节点能耗,改善了MWSN的网络寿命、能量消耗和分组传输,从而提高网络生命周期。     

无线传感器低功耗路由算法

为了使无线传感网络维持在小的路由信息的同时进一步降低无线传感网络节点能耗,提出了一种改进的LEACH算法。该算法采用多跳路通信方式,对簇头与sink节点的通信过程中的节点能耗进行优化。为了避免能量过低的节点被作为簇首的情况,在每一轮的簇首选举过程中,节点剩余能量成为选举簇头节点的重要指标。然后用MATLAB进行仿真,实验证明,与经典LEACH算法相比,改进LEACH算法网络能量消耗更加均衡,使网络的生存时间有很大程度上的提高。     

改进蚁群算法的无线传感器网络路由优化与路径恢复算法

无线传感器网络中的能耗问题一直是研究的热点之一。为了寻找网络中数据传输的最优路径,提出了一种新的基于蚁群算法的无线传感器网络路径寻优和恢复算法。通过改进的启发函数,综合考虑节点通信时的传输距离、传输方向和剩余能量,使得从源节点到目的节点能够找到一条最优的路径,以降低网络的能量消耗、延长网络的生存周期。同时提出了基于死亡节点的路径恢复策略,使得在最优路径上出现节点死亡的情况时,最优路径能够快速恢复,以减少路径再次寻优的时间。通过仿真实验,结果表明新的蚁群算法能够有效降低节点的能量消耗,延长网络生存周期,并在出现节点死亡时,能够对最优路径进行快速恢复。     

电能质量监测系统中基于蚁群的WSN路由算法研究

针对变电站电能质量监测系统中无线传感器网络存在能量分布不均,消耗过大等不足之处,提出了一种基于蚁群的动态优化路径无线传感器网络路由算法,通过在信息素更新公式中引入路径能量、路由跳数等参数来平衡网络节点能量。通过仿真验证,该算法在降低网络能量消耗方面具有很好的效果。     

无线传感器网络节点能量平衡优化方法

在无线传感器网络中,传感器节点中有限的能量供给限制了每个节点无线传输的距离。多跳传输通过将数据包转发给中继节点的方式可将数据包发送至远端接收器。在用于数据汇聚的无线传感器网络中,离数据汇聚站较近的无线传感器节点通常要转发比其他节点更多的数据包,从而消耗更多的能量。文章将整个网络的生命定义为直到第一个无线传感器节点能量耗尽从而失效的时间。提出一种基于无线传感器网络的能量平衡优化方案,该方案所采用的能量模型是基于对ChipconCC2420无线传感器射频收发器的测量数据推导得出的。根据这个方案,通过优化网络中数据流转发的分布来平衡节点的能量消耗。从而延长整个网络的使用生命。     

链首节点轮换的无线传感器网络路由算法研究

为了进一步降低无线传感器网络数据传输过程的能耗,在深入研究和分析PEGASIS协议及其相关改进算法的基础上,提出了一种能耗均衡的无线传感器网络路由算法(Energy Balance-PEGASIS,EB-PEGASIS)。该算法通过将网络区域划分为若干等宽的子区域,每个子区域内的所有节点形成一个链,由链首节点负责与基站通信。针对链首节点能量消耗太大有可能过早死亡的问题,提出采用链首节点轮换的方法来均衡和降低能量消耗,提高数据传输效率。在MATLAB中实验仿真结果证明,与PEGASIS算法相比,EB-PEGASIS算法将首个节点的死亡时间延长了2.9倍,在降低和均衡能量消耗等方面均具有较好的性能。     

面向城市配电网的延长网络寿命路由算法

配电网智能化是提高供电可靠性和供电质量的重要手段,对配电网状态进行实时监测是实现配电网智能化的重要基础。无线传感器网络以其独有的组网灵活性、可扩展性和自组织自恢复能力,在智能配电网通信中得到了广泛关注。路由算法是无线传感器网络的网络层关键技术,算法应从整个网络系统角度,考虑网络能量的均衡使用,最终延长网络寿命。而传统的无线传感器网络因节点受能耗及路由算法限制,网络寿命较短。研究配电网应用场景下的能耗均衡路由算法成为无线传感器网络应用的一个关键问题。文中提出一种面向城市配电网的延长网络寿命的路由算法,能够平衡网络节点能量消耗,进而延长网络寿命。仿真结果表明,提出的方法能够有效延长网络寿命,适合在配电网通信中使用。     

无线传感器网络的SMAC协议跨层优化

针对无线传感器网络中,由于个别节点因能量消耗大而加快网络消亡问题。本文采用能量均衡思想对SMAC协议进行跨层优化,提出了b-SMAC协议,节点可根据路径能耗来更新路由表,有效优化选择下一跳的节点,达到无线传感器网络中节点能耗均衡的目的。NS-2软件仿真结果表明,b-SMAC比SMAC协议更有效解决能量非均衡消耗问题,减少了网络消耗,延长了网络生存周期。     

基于能量均衡的无线传感器在配电网的部署算法

为了提高配电通信网的可靠性,针对宽带无线网络覆盖配电网存在信号盲区等问题,给出一种无线传感器延伸覆盖网络模型。考虑到能量、通信距离受限的无线传感器在配电网中采用多跳通信方式,致使与sink相邻的节点能量消耗大,易出现能量空洞问题,提出一种基于能量均衡的无线传感在配电网的部署算法。该算法以网络效率作为优化目标,在已知采集节点数和节点之间距离的前提下,求解出最优中继节点部署方案和各采集节点的传输距离。仿真结果表明,该算法符合配电网中的无线传感器的网络部署要求,能够延长网络生命周期、提高网络效率。     

基于无线网络传感器的定位技术研究

针对基于信号强度的无线传感器网络定位精度易受环境影响的问题,通过搭建无线传感器网络进行的实验,研究了改进的定位算法.使用CC2430无线模块作为节点收发装置,基于ZigBee无线传感器网络协议,搭建无线传感器网络平台进行定位系统的开发和改进算法的测试.由于无线信号强度误差的复杂性,采取逐阶改进的方法,通过各阶段的实验进行误差分析并改进定位算法.在搭建的无线传感器网络平台上测试的结果表明,改进的定位算法达到预期的效果,定位精度明显提高,具有一定的应用价值.     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.     

基于粒子群算法的冷热电联供系统优化调度

近年来随着用户对供能形式的需求不断丰富,传统的以单一电能为形式的供能系统已经无法满足能源用户的需求。考虑了冷热电联供系统(combined cooling heating and power,CCHP)对不同能源协同供应的特点,对以风能、太阳能、天然气和储能协同供能的冷热电联供优化问题进行研究。综合考虑不同费率结构以及可再生能源带来的功率波动,以经济成本和环境成本为目标,构建了含燃气发电机、燃气锅炉、电制冷机、蓄电池组等机组的冷热联供能源协同优化模型。采用粒子群算法对多目标进行求解优化,结果表明该算法能够同时满足系统的经济性和环保性,对促进各种能源的综合利用具有实际意义。     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解.并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整.并以IEEE 118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性.     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解。并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整。并以IEEE118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性。     

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。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

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.     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化