Results 21 to 30 of about 1,771 (99)
Gaoya dianqi, 2018 针对基本粒子群算法（particle swarm optimization algorithm,PSO）局部寻优能力差及易早熟收敛的情况,提出一种融入模拟退火思路的自适应粒子群混合算法（simulated annealing-adaptive particle swarmoptimization algorithm,SA-APSO）,在惯性权重变化-自适应粒子群基础上融入退火思想,以一定的随机概率接收最优值,能有效提升全局寻优能力并克服早熟收敛现象。利用测试函数进行的仿真结果表明SA ...
徐艳春 +4 more
doaj
Jianzhu Gangjiegou Jinzhan, 2014 群智能优化算法已被证实可以用于解决实际工程的优化问题。水循环算法可对约束问题进行求解。基于自然界中水循环过程提出的一种新型智能优化算法———水循环算法(WCA),研究了其应用于空间桁架结构优化设计问题的可行性及有效性,论文对两个空间桁架结构进行了截面优化计算分析,并与已有文献优化结果进行了比较,研究结果表明:WCA优化算法相对于群搜索算法(GSO)、启发式粒子群优化算法(HPSO)等优化算法能够提供更快的收敛速度,收敛结果也更好。
章纯, 刘锋, 廖国维, 李丽娟
doaj
Gaoya dianqi, 2016 人工神经网络技术已经在变压器的状态诊断得到应用,为了克服故障分析中BP神经网络存在的不足,提出了一种自适应混沌粒子群优化神经网络在变压器故障诊断的新方法。该算法通过进化速度因子和聚集因子调整惯性权重,并改进学习因子,引入混沌系统,构成混沌粒子群算法优化神经网络参数,有效地克服常规BP算法训练收敛速度慢、易陷入局部极小值等缺点。最后基于DGA对变压器故障实例分析仿真,对比常规变压器诊断方法结果表明,该算法能够提高诊断效率以及故障模式识别的准确性。
苗长新, 申坤, 钟世华, 柳狄
doaj
基于组合核相关向量机和量子粒子群优化算法的变压器故障诊断方法
Gaoya dianqi, 2017 为了提高变压器故障诊断精确度,提出量子粒子群算法（QPSO）优化相关向量机（RVM）的变压器故障诊断方法。采用4个二分类RVM来实现变压器故障诊断的多分类问题。相关向量机的组合核函数可融合变压器运行状态的多种特征信息,为非线性、有限样本数据的变压器故障诊断建模问题提供有效的方法。利用量子粒子群算法对RVM诊断模型参数快速寻优,并结合CV原理设置适应度函数可有效提高诊断模型的泛化能力。实例分析表明,该耦合算法诊断正确率为91.1%,优于三比值法、BPNN、PSO-SVM方法,可有效提高变压器故障诊断精度。
付华, 任仁, 闫智生, 马云伍
doaj
Dianci bileiqi, 2023 针对新能源送出型电网在暂态故障下容易产生过电压问题，提出考虑暂态过电压抑制的新能源送出型电网无功优化方法。首先，分析了新能源送出型电网等值电路的弱送端电网在直流闭锁故障下的暂态过电压机理，分析了过电压抑制策略；然后，为实现暂态能量在新能源集群和无功调节设备之间的有效分配，以新能源集群和无功调节设备作为决策变量，以新能源送出型电网无功裕度作为目标函数，建立考虑暂态过电压抑制的新能源送出型电网无功优化模型，并采用约束自适应粒子群算法对优化模型进行求解 ...
李文竹, 寇汉鹏
doaj
Guangtongxin yanjiu, 2018 为提高拉曼光纤放大器（RFA）的放大带宽和光纤通信系统的传输容量,利用4个不同波长的泵浦设计了带宽为100nm的宽带RFA。在对拉曼耦合波微分方程数值求解的同时,结合粒子群优化算法优化了4个泵浦的波长及功率,得到了3组平均开关增益分别为18.690 9、19.638 7和21.764 1dB,所对应的增益平坦度分别为0.879 7、0.914 4和0.945 2dB的优化结果。基于3组优化后的泵浦功率和泵浦波长,对粒子群优化算法的边界条件进行改进,进一步提升了RFA的性能,也使算法的性能得到改善 ...
巩稼民 +6 more
doaj
Gaoya dianqi, 2019 文中考虑了含风、光、微型燃气轮机、火电机组、蓄电池、燃料电池的典型微电网系统协同优化运行问题。综合考虑出力源的发电成本、燃料成本、环境治理成本、购电成本和售电收益后,建立了典型微电网系统并网和孤网两种运行方式下的优化函数,采用粒子群算法和改进鸡群算法对其优化函数进行求解,得出优化周期内各电源出力情况,并对仿真分析比较,得出具有普适性的控制策略,并验证改进鸡群算法的优点。
李静雅, 易庚, 胡汉梅, 黄景光
doaj
Gaoya dianqi, 2008 为了提高变压器故障诊断正判率,提出了一种邻域粒子群算法优化BP神经网络的电力变压器油中气体分析（DGA）方法,即通过相关统计分析和数据的预处理,选择变压器油中典型气体作为神经网络的输入,然后利用训练好的邻域粒子群算法优化后的神经网络进行变压器故障类型诊断。试验结果表明,该类方法具有很好的分类效果,较好地解决了变压器放电和过热共存时故障的难分辨问题,对故障类型的正判率较高。
贾嵘, 徐其惠, 李辉, 刘伟
doaj
Gaoya dianqi, 2008 污秽等级评定是绝缘子泄漏电流在线监测系统的重要内容,评定的难点在于泄漏电流的各种电气特征量、环境因素与绝缘子表面污秽状况之间存在着复杂的非线性关系。笔者在实验室模拟试验和现场实测数据基础上,采用粒子群算法优化支持向量机的参数,建立了污秽等级评定的支持向量机模型。该方法利用支持向量机结构风险最小化原则和粒子群快速全局优化特点,通过对样本数据的学习,可以快速建立泄漏电流有效值、泄漏电流峰值、泄漏电流脉冲频度、环境湿度、温度与污秽等级之间的映射关系。实验结果表明,该方法是有效的。
张青, 赵黎明, 焦尚彬
doaj
Gaoya dianqi, 2018 为了保证变压器供电的可靠性,结合油中溶解气体分析法（DGA）,提出了基于支持向量机（SVM）和Kriging模型的双级分类算法,实现变压器的潜伏性故障的预测。首先,以SVM作为初级分类器,将待测DGA数据分类为正常、放电故障或过热故障三种状态;其次,以Kriging模型作为次级分类器,对待测数据进行二次分类,完成精确诊断。为提高算法精度,应用改进的粒子群优化算法分别对SVM的核函数参数、惩罚系数以及Kriging模型的相关参数进行优化。所提方法集成了粒子群优化算法的快速寻优能力 ...
柳强, 丁宇
doaj