| 基于大数据和双量子粒子群算法的多变量系统辨识 |
| |
| 引用本文： | 韩璞,袁世通.基于大数据和双量子粒子群算法的多变量系统辨识[J].中国电机工程学报,2014(32). |
| |
| 作者姓名： | 韩璞 袁世通 |
| |
| 作者单位： | 河北省发电过程仿真与优化控制工程技术研究中心 华北电力大学,河北省 保定市,071003 |
| |
| 摘 要： | 针对智能算法与历史大数据相结合进行多变量系统辨识过程中不能精确量化每个子系统数学模型的问题，提出了一种有效的数据并行优化计算的解决方案。在辨识过程中，为了解决量子粒子群算法(quantum particle swarm optimization ，QPSO)收敛速度和寻优精度方面的不足，提出了一种改进的 QPSO 算法--双量子粒子群算法(double quantum particle swarm optimization ，D-QPSO)。该算法对粒子种群编码和原有的进化搜索策略同时进行了量子化处理，经过测试函数实验，改进的算法在搜索能力上优于 PSO 和QPSO算法。最后利用现场运行历史数据，通过D-QPSO算法进行参数估计，将设计的解决方案应用于热力发电厂负荷控制系统的传递函数辨识中，得到的模型为控制器的设计与优化奠定了基础。
|
| 关 键 词： | 量子粒子群算法 双量子粒子群算法 数据挖掘 多变量系统 系统辨识 |
Multivariable System Identification Based on Double Quantum Particle Swarm Optimization and Big Data |
| |
| HAN Pu
,
YUAN Shitong.Multivariable System Identification Based on Double Quantum Particle Swarm Optimization and Big Data[J].Proceedings of the CSEE,2014(32). |
| |
| Authors: | HAN Pu YUAN Shitong |
| |
| Affiliation: | North China Electric Power University |
| |
| Abstract: | |
| |
| Keywords: | quantum particle swarm optimization double quantum particle swarm optimization data mining multivariable system system identification |
|
