基于遗传算法的电力负荷预测

电力负荷预测在现代电力工业发展中占有很重要的地位,为了更准确的预测电力负荷,本文提出了一种新的基于遗传算法的电力负荷预测方法,简要的介绍了算法设计思路,并给出了相关的实验结果及其分析,最后通过实验说明了该算法的有效性。     

基于小波特征和支持向量机的非侵入式负荷识别

针对当前非侵入式负荷识别技术对低功率负荷识别效果差的问题,提出了使用一种新特征、并使用监督型机器学习算法进行负荷识别的方法。该方法除了使用传统的有功功率和三次谐波电流幅值外,还采用小波变换提取小波的能量系数作为新特征,使用支持向量机分类算法进行负荷识别。实验结果表明:随着低功率家用负荷的增多,该方法在多种家用负荷场景下,具有较高的负荷识别准确率和良好的鲁棒性。     

基于优化极限学习机的非侵入式负荷识别

在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的...     

基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低,特征冗余度高、可分性较差的问题,提出一种基于随机森林(RF)和遗传算法优化极限学习机(GA-ELM)的负荷识别方法。首先从稳态电流信号中提取时域和频域信息作为负荷特征。为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集。最后使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,使用该模型可以对家用负荷进行快速有效识别。     

特征选择及数据质量对负荷识别算法的影响研究

非侵入式负荷监测(Non-Intrusive Load Monitoring,NILM)是电网对需求侧进行精细化管理的关键技术之一,NILM通过实时监控用户用电设备的运行状态与能耗状况,为电网侧制定调度策略及用户侧制定节能计划提供了重要依据.在家庭NILM系统中,识别精度、实时性和实现成本是评价负荷识别算法的重要指标,...     

基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络(BP)的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.     

从速度导纳来识别铣床结构的振动模态参数

本文分析了近年来发展的模态参数识别方法,提出了采用速度导纳直接识别振动模态参数的计算方法。通过理论检查和在铣床结构系统上的应用,表明该方法具有较高的精度,特别是对有耦强合作用的模态。     

基于遗传算法优化的磨机负荷模糊控制

磨机负荷与生产效率和能源消耗有密切的关系,磨机负荷控制的目的就是在保证磨机安全稳定运行的条件下尽量提高磨机的生产效率.针对选矿厂球磨机运行过程具有强耦合、非线性、大滞后和时变性,常规的控制方法难以得到预期的控制效果,针对磨机负荷的上述特性提出了一种基于遗传算法的模糊控制优化方法.由于模糊控制器的控制规则、隶属度函数都需由领域专家总结出来,具有很大的主观性和随意性,为了弥补这方面的不足,采用遗传算法进行优化,搜索全局最优解,更好的解决了磨机负荷的寻优问题,使球磨机能够安全、稳定、高效的运行.     

基于遗传算法的人工神经网络负荷预测研究

针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进。     

基于遗传算法的离散数据特征点识别与提取

针对ICT(industrial computed tomography)图像处理后零件轮廓的离散数据点,采用改进遗传算法的特征点自适应识别与提取方法对轮廓数据进行精简,以线段和圆弧为逼近基元,以较小的逼近误差(ISE)和较少的特征点为优化目标;对种群采取分类初始化,大大缩小了种群规模;变异概率和交叉概率自适应生成,加快了收敛速度.实例表明改进的遗传算法有更高的优化速度和全局搜索能力,特征点的提取效果较好.     

基于遗传算法的热物性参数辨识

为了提高热物性参数辨识的准确度,将遗传算法(genetic algorithm)应用于热物性参数辨识,提出了完整的数学模型.数值模拟结果表明,此法具有相当的精确度,不但没有造成噪声放大,而且还对噪声进行了过滤,使得输出噪声比输入噪声小了许多,成功克服了反问题中误差累积放大的弱点.本算法应用的唯一前提是相应的正问题可解.该算法很容易应用到其它热物性参数辨识和其它类型的反问题中.     

基于布谷鸟搜索算法的动载荷识别

工程结构经常受到动荷载的作用,对结构产生不利的影响。为了准确有效地获取结构承载状态,提出了基于Newmark-β法的布谷鸟搜索算法识别动载荷。该算法将时间离散成若干个时间步,采用Newmark-β法对离散后系统的运动方程求解,得到动载荷作用下的结构响应;然后将动载荷响应作为优化变量,以计算响应和测量响应之间的差异为目标函数,利用布谷鸟搜索算法最小化目标函数,实现动载荷的反演。为了验证算法的准确性和有效性,以受动态载荷作用的简支桥梁为例进行反演,分别讨论了鸟巢数量、测点位置、测点数量以及测量噪声对反演结果的影响。数值算例表明,该方法可准确有效地反演动载荷。     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础。为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案。运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵。分析机器人的参数辨识方程,确定了观测矩阵条件数最小的优化目标。针对传统遗传算法进行改进,提出了双层自适应机制,提升了算法的全局搜索能力和搜索效率。最后利用MATLAB和ADAMS进行联合仿真实验,使用递推最小二乘法计算机器人的最小惯性参数集。实验结果表明,使用改进的双层自适应遗传算法得到的激励轨迹可以保证机器人动力学参数的辨识精度。     

基于小波分析和遗传算法的结构损伤诊断

提出了小波-遗传算法的概念,建立了一种既能识别结构损伤位置、又能确定损伤程度的小波-遗传算法。首先,以有限元分析求解损伤结构振型模态为基础,用db1小波做连续小波变换,由小波系数模极大值识别损伤的位置。然后,以单元刚度的折减系数为遗传算法的优化变量,用振型和频率的误差函数加权来构造目标函数,并通过损伤位置的确定来简化目标函数的变量,再用遗传算法对目标函数进行优化,从而确定结构的损伤程度。通过对一简支梁进行数值模拟分析,计算结果表明,提出的方法不仅能够有效识别损伤的位置,而且能够准确识别损伤程度。     

基于遗传算法的地下发电厂房动态识别

结构的材料参数和边界条件是地下发电厂房动力特性分析研究中极为重要亦很难确定的控制参数。在借鉴以往反分析成果的基础上引入改进的遗传算法,实现了其与ANSYS软件的接口,并建立了结构最优化遗传动力识别通用模型。结合某抽水蓄能电站地下厂房结构的测试资料,反演识别了混凝土材料的动态弹性模量和围岩边界动态参数,可为工程应用提供参考。     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辩识与盲均衡算法。该算法在对系统参数进行估计的同时，用求逆滤波器的方法估计均衡器系数，并利用最大峰度准则不断调整系统参数的估计值，使其逼近实际值。由于采用了高阶累积量，算法对高斯噪声有较好的抑制能力。针对传统梯度搜索方法容易陷入局部收敛问题，又提出利用实数编码的遗传算法对准则函数进行最优化搜索。仿真实验表明，本算法具有快速收敛性能和高精确度等优点，能够大大提高均衡后的输出信噪比。     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辨识与盲均衡算法.该算法在对系统参数进行估计的同时,用求逆滤波器的方法估计均衡器系数,并利用最大峰度准则不断调整系统参数的估计值,使其逼近实际值.由于采用了高阶累积量,算法对高斯噪声有较好的抑制能力.针对传统梯度搜索方法容易陷入局部收敛问题,又提出利用实数编码的遗传算法对准则函数进行最优化搜索.仿真实验表明,本算法具有快速收敛性能和高精确度等优点,能够大大提高均衡后的输出信噪比.     

基于改进遗传算法的四旋翼无人机参数辨识

为克服传统遗传算法在参数辨识过程中收敛速度慢的问题,提出了一种基于改进遗传算法的四悬翼无人机参数辨识方法。该方法引入梯度算子为遗传进化提供指示性的方向,利用遗传算法的全局搜索性保证算法的全局收敛,并根据简化四旋翼无人机数学模型设计了优化函数。利用四悬翼无人机实飞数据进行了实验测试,实验结果验证了本文方法的有效性和快速收敛性。     

基于改进型遗传算法的水质溯源问题

针对污染源排放位置、时间、排放总量的问题,以一维物质对流扩散方程和遗传算法理论为基础,构建污染物位置和排放时间的溯源模型。在传统遗传算法的基础上,按照适应度函数值的大小进行排序,引入"权重系数法"的概念,生成产生子代的新规则,优化种群质量,以控制种群进化方向。进一步基于解耦技术,建立了污染源排放总量的优化模型,推求污染源释放总量。试验结果表明,改进后的遗传算法能准确地追踪到污染源的排放位置和排放时间,与传统方法相比,其搜索效率更高,计算更加稳定。