博士研究生创新基金(2007-3)
- 作品数：11 被引量：216H指数：7
- 相关作者：陈维荣戴朝华李奇段涛郑永康更多>>
- 相关机构：西南交通大学市委办公厅淡马锡理工学院更多>>
- 发文基金：博士研究生创新基金国家自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 小波支持向量机与相空间重构结合的短期负荷预测研究被引量：15
- 2008年
- 提出了基于小波支持向量机(WSVM)与相空间重构(PSRT)相结合的电力系统短期负荷预测(STLF)模型。使用小波核函数(WKF)构建相应的WSVM,并且用云遗传算法(CGA)对相关参数进行优化。在分析负荷时间序列的混沌特性基础上,对序列进行了PSRT,将相空间中的向量点作为WSVM的输入。该方法不考虑气象和节假日等条件,只使用历史负荷数据。仿真结果表明,新算法有较好的精确度和有效性,具有一定的实用价值。
- 郑永康陈维荣戴朝华
- 关键词：短期负荷预测混沌相空间重构小波支持向量机云遗传算法
- 随机聚焦搜索优化算法
- 2009年
- 提出了一种新的优化算法:随机聚焦搜索.该算法属于群集智能,它模仿了人类的搜索行为及其在搜索过程中的随机性,算法简单并且计算复杂度小.在对一系列典型复杂函数的优化测试中,通过与差分进化算法和全面学习的粒子群算法进行对比,验证了该算法性能.仿真结果表明,该算法能解决大多数benchmark函数问题,并且有较快的寻优速度,可以在一定程度上替代现有的优化算法.
- 郑永康陈维荣戴朝华王维博
- 关键词：群集智能粒子群优化
- 云遗传算法及其应用被引量：89
- 2007年
- 传统遗传算法搜索速度慢,容易陷入局部最优解.借鉴遗传算法(GA)的思想,利用正态云模型云滴的随机性和稳定倾向性特点,提出一种新的遗传算法—云遗传算法(CGA).CGA由正态云模型的Y条件云发生器实现交叉操作,基本云发生器实现变异操作.最后,进行了函数优化实验和IIR数字滤波器优化设计,并与标准GA、NQGA、CAGA和LARES等算法进行比较,证明了该算法的有效性,具有一定的参考和应用价值.
- 戴朝华朱云芳陈维荣林建辉
- 关键词：遗传算法云模型云遗传算法函数优化
- 多智能体搜寻者优化算法在电力系统无功优化中的应用被引量：17
- 2009年
- 针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA(Multi-agent Seeker Optimization Algorithm)来求解。该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题。以网损最小为目标函数,在IEEE30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中。
- 段涛陈维荣戴朝华徐挺张舟
- 关键词：电力系统无功优化多智能体系统
- 基于复Morlet小波SVM的负荷预测被引量：4
- 2009年
- 为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM——基于CGA的复Morlet小波SVM(CGA-CMW-SVM).针对短期负荷预测,为降低系统复杂性,克服负荷数据信息不完备、不精确的问题,仅仅利用了负荷的历史数据而不考虑气象和节假日等因素,在分析负荷时间序列混沌特性的基础上,对负荷数据进行相空间重构,并以相空间矢量作为CGA-CMW-SVM的输入,提出了短期负荷预测的新方法.仿真结果表明,该方法平均误差和最大误差小,平均误差在1.340 0%以内,最小误差为1.008 7%.
- 陈维荣郑永康戴朝华王维博
- 关键词：短期负荷预测相空间重构支持向量机云遗传算法
- Gaussian小波SVM及其混沌时间序列预测被引量：6
- 2009年
- 为了提高混沌时间序列的预测精度,针对小波有利于信号细微特征提取的优点,结合小波技术和SVM的核函数方法,提出基于Gaussian小波SVM的混沌时间序列预测模型。证明了偶数阶Gaussian小波函数满足SVM平移不变核条件,并构建相应的Gaussian小波SVM。对混沌时间序列进行相空间重构,将重构相空间中的向量作为SVM的输入参量。用Gaussian小波SVM与常用的径向基SVM及Morlet小波SVM进行对比实验,通过对Chens混沌时间序列和负荷混沌时间序列的预测,结果表明,Gaussian小波SVM的效果比其他两种SVM更好。
- 郑永康陈维荣戴朝华王维博
- 关键词：混沌时间序列预测相空间重构负荷预测
- 基于自适应聚焦粒子群算法的电力系统无功优化被引量：14
- 2009年
- 自适应聚焦粒子群算法(AFPSO)是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。通过采用AFPSO算法,对电力系统进行无功优化。该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性。
- 刘述奎陈维荣李奇林川段涛
- 关键词：电力系统无功优化群体智能
- 基于随机聚焦粒子群算法的多机系统PSS参数优化被引量：11
- 2009年
- 随机聚焦粒子群算法(SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。
- 李奇陈维荣段涛刘述奎刘元勋
- 关键词：电力系统稳定器多机系统参数优化
- 基于搜寻者优化算法的燃料电池建模被引量：2
- 2008年
- 基于连续空间群体智能的搜寻者优化算法(SOA),提出了一种新的优化燃料电池模型的方法,并将其用于质子交换膜燃料电池(PEMFC)的极化曲线模型,以得到最优参数。实验结果表明,这种优化建模方法使数学模型和实验数据之间达到了较高的拟合精度,对于优化建模具有明显的优越性。
- 李奇戴朝华陈维荣贾俊波韩明
- 关键词：燃料电池建模搜寻者优化算法质子交换膜燃料电池全局优化
- 云自适应遗传算法被引量：39
- 2007年
- 传统自适应遗传算法(AGA)虽能有效提高收敛速度,却难以增强算法的鲁棒性.以当代种群平均适应度为期望Ex,根据云模型"3En"规则确定熵En,由X条件云发生器自适应调整交叉变异概率,提出云自适应遗传算法(CAGA).由于云模型云滴具有随机性和稳定倾向性特点,使交叉变异概率值既具有传统AGA的趋势性,满足快速寻优能力;又具有随机性,且当种群适应度最大时并非绝对的零概率值,有利于提高种群多样性,从而大大改善避免陷入局部最优的能力.典型函数优化实验表明,与标准遗传算法(SGA)和AGA相比,CAGA具有更好的收敛速度和鲁棒性.
- 戴朝华朱云芳陈维荣
- 关键词：自适应遗传算法云理论
