基于果蝇优化算法的GRNN水电机组状态趋势预测
- 格式：pdf
- 大小：702.00 KB
- 文档页数：4
文档推荐
-
反向认知的高效果蝇优化算法页数:4
-
自适应变异的果蝇优化算法页数:4
-
基本果蝇优化算法的Python实现页数:2
-
果蝇算法页数:3
下载文档原格式
合集下载
基于改进果蝇算法优化支持向量机的风电机组性能评估
针 对 复 杂 非 线 性 的 样 本 集 合 袁SVR 的 处 理 原 理 是 通 过 引 入 一 个 非 线 性 映 射 渍渊x冤 袁把 原 始 数 据 x映 射 到 更 高 维 的 特 征 空 间 中 袁 在 高 维 度 中 实 现 线 性 回 归 [6]遥
给 定 训 练 集 D={渊x1袁y1冤袁渊x2袁y2冤袁噎袁渊xm袁ym冤}袁 其 中 袁xi沂Rn袁yi沂R袁i=1袁2袁噎袁m袁m 为 样 本 总 数 遥 SVR 构
响 袁为 使 其 具 有 最 优 性 能 袁采 用 改 进 的 果 蝇 优 化 算
法对其进行优化遥
2 自适应免疫果蝇优化算法渊AIFOA冤
果 蝇 优 化 算 法 渊Fruit Fly Optimization
Algorithm袁FOA冤于 2012 年 被 潘 文 超 提 出 袁是 依 据
果 蝇 寻 找 食 物 的 过 程 演 化 而 来 [7]遥 果 蝇 种 群 觅 食
窑132窑
林 涛袁等 基于改进果蝇算法优化支持向量机的风电机组性能评估
造的回归模型的形式为
f渊x冤=棕渍渊x冤+b
渊1冤
式 中 院 棕 为 权 重 向 量 曰 b 为 偏 置 曰 渍渊x冤为 非 线 性 映
射遥
引 入 不 敏 感 损 失 函 数 参 数 着 来 求 解 式 渊1冤所
描 述 的 回 归 问 题 遥 考 虑 到 SVR 允 许 存 在 一 定 误
着 为 回 归 允 许 的 误 差 大 小 袁 着 较 小 时 袁模 型 泛
化 性 差 曰反 之 袁回 归 准 确 度 不 高 遥 c 为 样 本 超 出 范
围 时 对 SVR 的 影 响 袁 c 的 取 值 较 小 时 袁 回 归 误 差
给 定 训 练 集 D={渊x1袁y1冤袁渊x2袁y2冤袁噎袁渊xm袁ym冤}袁 其 中 袁xi沂Rn袁yi沂R袁i=1袁2袁噎袁m袁m 为 样 本 总 数 遥 SVR 构
响 袁为 使 其 具 有 最 优 性 能 袁采 用 改 进 的 果 蝇 优 化 算
法对其进行优化遥
2 自适应免疫果蝇优化算法渊AIFOA冤
果 蝇 优 化 算 法 渊Fruit Fly Optimization
Algorithm袁FOA冤于 2012 年 被 潘 文 超 提 出 袁是 依 据
果 蝇 寻 找 食 物 的 过 程 演 化 而 来 [7]遥 果 蝇 种 群 觅 食
窑132窑
林 涛袁等 基于改进果蝇算法优化支持向量机的风电机组性能评估
造的回归模型的形式为
f渊x冤=棕渍渊x冤+b
渊1冤
式 中 院 棕 为 权 重 向 量 曰 b 为 偏 置 曰 渍渊x冤为 非 线 性 映
射遥
引 入 不 敏 感 损 失 函 数 参 数 着 来 求 解 式 渊1冤所
描 述 的 回 归 问 题 遥 考 虑 到 SVR 允 许 存 在 一 定 误
着 为 回 归 允 许 的 误 差 大 小 袁 着 较 小 时 袁模 型 泛
化 性 差 曰反 之 袁回 归 准 确 度 不 高 遥 c 为 样 本 超 出 范
围 时 对 SVR 的 影 响 袁 c 的 取 值 较 小 时 袁 回 归 误 差
基于系统聚类和果蝇优化支持向量回归机的配电网理论线损计算
基于系统聚类和果蝇优化支持向量回归机的配电网理论线损计算陈洋洋;林声宏;王巍;毛炽祖【摘要】为提高配电网理论线损计算的效率和精度,提出了基于系统聚类和果蝇优化支持向量回归机的配电网理论线损计算方法.先对样本数据进行系统聚类,将样本分成几个内部数据比较相似的群,每群分别建立支持向量回归模型,并用果蝇优化算法动态寻找最优的训练参数,克服了支持向量回归机训练参数选取的盲目性,提高了支持向量回归机的学习效率和计算精度.对两个不同规模的实际配电网进行测算仿真,结果表明,所提方法具有较高的计算精度和实用价值,可以为供电企业快速评估配电网线损提供科学辅助工具.【期刊名称】《煤矿机电》【年(卷),期】2016(000)003【总页数】4页(P11-14)【关键词】配电网;理论线损;系统聚类;果蝇优化;支持向量回归机(SVR)【作者】陈洋洋;林声宏;王巍;毛炽祖【作者单位】华南理工大学电力学院,广东广州510640;华南理工大学电力学院,广东广州510640;华南理工大学电力学院,广东广州510640;华南理工大学电力学院,广东广州510640【正文语种】中文【中图分类】TM744+.1线损是电力网在输送电能的过程中损失的电量，是考核电力网运行部门的一个重要经济技术指标。
目前，配电网理论线损的计算方法主要有传统计算方法(均方根电流法、等值电阻法等)、人工神经网络ANN(Artificial Neural Network)及其各种改进算法(BP、RBF方法及其各种改进算法等)［1-7］。
经过多年的研究和实际应用发现，由于配电网网络的节点数和元件太多，结构参数和运行数据的收集、整理工作都很困难，传统配电网理论线损算法应用起来又很复杂，需要巨大的人力、物力，而基于人工神经网络的配电网理论线损计算方法普遍存在网络训练时间长、网络结构复杂、易于陷入局部极小点、计算精度低、泛化能力差等缺点。
因此，准确简便的线损计算有利于了解配电网技术线损的分布构成，为电网的节能改造、规划发展提供科学的依据。
基于果蝇优化算法的GRNN电网故障诊断
ｔ ｉ ｏ ｎ ｐ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｔ ｏ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍ ａ ｌ ｃ ｈ ｏ ｉ ｃ ｅ ． Ｕ ｓ ｉ ｎ ｇ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄ ｒ ｅ ｇ ｒ ｅ ｓ ｓ ｉ ｏ ｎ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ（ Ｇ Ｒ Ｎ Ｎ） ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｔ ｏ ｏ ｔ ｈ ｅ ｒ
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ： ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ； ｅ ｘ ｐ ｅ ｌ ｆ ｓ ｙ ｓ ｔ ｅ ｍ； ｐ ｏ ｗ ｅ ｒ ｇ ｒ ｉ ｄ
１ 引 言
电 网是 电力 系统 中输 送 和 分 配 电能 的 重要 环 节 ， 因此 电网 的故 障诊断是 提 高供 电可靠 性 的一种 重要手 段 。随着 电子信 息技 术 的发 展 ， 监控 和数 据 采 集 系统
ｑ ｕ ｉ ｒ ｅ ｍｅ ｎ ｔ ｓ ． Ｔｈ ｉ ｓ ｐａ ｐ ｅ ｒ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｓ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ＧＲＮＮ Ｄｒ ｏ ｓ ｏ ｐ ｈｉ ｌ ａ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎｏ ｓ ｉ ｓ ｍｏ ｄ ｅ ｌ ， ＧＲＮＮ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ —
（ Ｓ Ｃ Ａ Ｄ Ａ） 的应 用 ， 使 得操 作人 员 能够 在监 控 中心监 控
Ｌ Ｉ Ｚｏ ｎ ｇ — ｈ ｕ ｉ ， ＸＵＥ Ｙ ｕ — ｑ ｉ ａ ｎ ｇ
（ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄ Ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｏ ｎ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｆ ｕ ｚ ｈ ｏ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｆ ｕ ｚ ｈ ｏ ｕ ３ ５ ０ １ ０ ８ ， Ｃ ｈ ｉ ｎ ａ ）
基于改进果蝇算法优化支持向量机的风电机组性能评估
基于改进果蝇算法优化支持向量机的风电机组性能评估林涛;张丽;蔡睿琪;杨欣;刘刚;廖文喆【摘要】目前,关于风电机组性能的研究多集中于某一关键部件,文章针对风电机组整体提出一种性能评估的方法.首先采用支持向量回归(SVR)预测正常状态下的评价指标,并使用果蝇优化算法(FOA)来寻找其最优参数.为了克服FOA易陷入局部最优的缺点,引入免疫思想增加种群的多样性,并采用自适应搜索步长,提高其收敛精度;然后通过变权思想对预测误差进行组合,得到风电机组偏离正常状态的劣化度,实现对风电机组的性能评估;最后,采用某风电场的数据进行实验分析,验证了文章所提方法的可行性.【期刊名称】《可再生能源》【年(卷),期】2019(037)001【总页数】6页(P132-137)【关键词】风电机组;支持向量回归;果蝇优化算法;性能评估【作者】林涛;张丽;蔡睿琪;杨欣;刘刚;廖文喆【作者单位】河北工业大学人工智能与数据科学学院, 天津 300130;河北工业大学人工智能与数据科学学院, 天津 300130;河北工业大学人工智能与数据科学学院, 天津 300130;河北工业大学人工智能与数据科学学院, 天津 300130;河北工业大学人工智能与数据科学学院, 天津 300130;河北工业大学人工智能与数据科学学院, 天津 300130【正文语种】中文【中图分类】TK810 前言风能是可再生能源的重要组成部分。
风电机组的老化与故障使风机的运转维护产生巨大费用，严重影响风电场的生产效益。
因此，风电机组的性能评估对保证其稳定运转具有重要意义。
目前，在数据采集与监控（SCADA）的基础上，国内外专家做了大量关于性能评估的研究。
文献[1]搭建了深度自编码网络（DA）来重构误差，并使用自适应阈值来实现对齿轮箱的监测。
文献[2]建立在线顺序极限学习机（OS-ELM），有效地对传动系统的健康状况做出判断。
文献[3]利用小波BP神经网络预测未来15 d变桨系统的运行状态。
基于果蝇优化灰色神经网络的年电力负荷预测
计 算方 法， 在 实际 中广泛应 用。尤其在预 测 问题 方面具有极 大的潜力 。作 为一种新 型的启发式和进 化算法 ， 果蝇优化 算法 （ Ｆ Ｏ Ａ） 具有 易理 解和 快速收敛 到全局最优 解的优点 。为提 高预测性 能 ， 提 出一种 以Ｇ Ｎ Ｎ为基础 的年 电力 负荷预 测模 型 ， 使 用Ｆ Ｏ Ａ自动确 定 Ｇ Ｎ Ｎ模 型的相 应参数值 ， 提 高模 型的稳 定性和 预测精 度。通过 利 用 中国的 年用 电量为 实例 ， 计 算结 果表
第３ ２ 卷第１ 期 ２ ０ １ ５ 年２ 月
华 东 交 通 大 学 学 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｅａ ｓ ｔ Ｃｈ ｉ ｎ ａ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
Ｖｏ ｌ ＿ ３ ２ Ｎｏ ．１ Ｆ ｅ ｂ ． ， ２ ０ １ ５
现较高的预测精度 。近年来 ， 许多人工智能的预测技术 已在年电力 负荷预测 中应用 ， 以提高预测 的准确
性 。邵 玉林 提 出 了一 种基 于粒子 群 优化 方法 的组 合 预测 方法 ， 它 可 以提 高预 测 的稳定 性 和可靠 性 。夏 非 等 提 出了采 用径 向基 函数 神经 网络 （ Ｒ Ｂ Ｆ Ｎ Ｎ） 中长期 负荷 预 测模 型 ， 计 算结 果 表 明 ， 该 模 型具有 较 高 的预
文章编 号 ： １ ０ ０ ５ — ０ ５ ２ ３ （ ２ ０ １ ５ ） ０ １ ． ０ ０ ９ ３ ． ０ ６
基 于果 蝇 优 化 灰 色 神 经 网络 的年 电力 负荷 预 测
傅 军栋 ， 刘 晶， 喻 勇
（ 华东交通大学 电气 与电子工程学院 ， 江西 南 昌 ３ ３ ０ ０ １ ３ ） 摘要 ： 年 电力 负荷 预测的准确性 对电力 系统的 经济效益和社会效益具有 重要 作用 。灰 色神 经网络（ Ｇ Ｎ Ｎ） 是一种创新 的智能
基于改进果蝇优化算法的电力设备故障率预测
&3&8 + . 5 = 1 / 2 = 0. + T > 2 C5 3 1 U 02 . > / 5P 01 5? 0A 5 7&3 * C/ &B5 7( / &A &4 2 . 0) 1 2 C2 V 01 2 &3D . ;&/ 2 1 4 C
2 1 YD * 5($$0 " Y .E ,5($$O. $O6)A )& $$ 1 $ 2" )' ! 6= 8 = <Z > 5 Fc 5 ; 5 3: ; < 2 = > 5 2N E M < > D E / $D 78 39 2 7@3 N E M < > 6@??; JD E G ?8 3J $D 78 39 2 7@3 !#&&+! $ D 75 38 #
电器与能效管理技术 !"#$% &' !#
配网技术与系统
基于改进果蝇优化算法的电力设备 故障率预测 !
高!僮!周!莽!孙树学!王!晖 国网吉林省电力有限公司 长春供电公司 吉林 长春!& % # # " &
摘$要 针对目前采用统计设备故障历史数据分析所得的电气设备故障率可信度 低的问题$提出了以电气设备实际的运行状态为依据$ 按照设备状态评价和状态检修 导则$采用健康指数反映设备的运行状态情况$ 推算出当前状态下的设备故障率% 采 用改进果蝇优化算法推求设备的故障率函数$同时考虑到不同检修方式和检修后设备 性能的变化对故障率的影响% 通过引入役龄回退因子和故障率递增因子来反映检修 方式和检修后对设备的故障率影响程度$ 最终确定出检修后设备的等效役龄$ 实现对 状态检修背景下的电气设备故障率的预测% 通过电网实际算例进行分析$ 验证了该算 法和故障率预测模型的有效性% 关键词 威布尔分布 役龄回退因子 故障率预测 状态检修 改进果蝇优化算法 中图分类号 ( ).!+$文献标志码 ' $文章编号 +&"*, -!-- ! +&!. # +!, &&+-, &% ( ) * !&/ !%%+- 0 1 / 2 345 / +&"*, -!--/ +&!./ +!/ &&% 高 $ 僮 ! !".! "# $ 女$ 高级工程师$ 主 要从事配电网自动 化& 电 力 营 销 与 服 务工作%
2 1 YD * 5($$0 " Y .E ,5($$O. $O6)A )& $$ 1 $ 2" )' ! 6= 8 = <Z > 5 Fc 5 ; 5 3: ; < 2 = > 5 2N E M < > D E / $D 78 39 2 7@3 N E M < > 6@??; JD E G ?8 3J $D 78 39 2 7@3 !#&&+! $ D 75 38 #
电器与能效管理技术 !"#$% &' !#
配网技术与系统
基于改进果蝇优化算法的电力设备 故障率预测 !
高!僮!周!莽!孙树学!王!晖 国网吉林省电力有限公司 长春供电公司 吉林 长春!& % # # " &
摘$要 针对目前采用统计设备故障历史数据分析所得的电气设备故障率可信度 低的问题$提出了以电气设备实际的运行状态为依据$ 按照设备状态评价和状态检修 导则$采用健康指数反映设备的运行状态情况$ 推算出当前状态下的设备故障率% 采 用改进果蝇优化算法推求设备的故障率函数$同时考虑到不同检修方式和检修后设备 性能的变化对故障率的影响% 通过引入役龄回退因子和故障率递增因子来反映检修 方式和检修后对设备的故障率影响程度$ 最终确定出检修后设备的等效役龄$ 实现对 状态检修背景下的电气设备故障率的预测% 通过电网实际算例进行分析$ 验证了该算 法和故障率预测模型的有效性% 关键词 威布尔分布 役龄回退因子 故障率预测 状态检修 改进果蝇优化算法 中图分类号 ( ).!+$文献标志码 ' $文章编号 +&"*, -!-- ! +&!. # +!, &&+-, &% ( ) * !&/ !%%+- 0 1 / 2 345 / +&"*, -!--/ +&!./ +!/ &&% 高 $ 僮 ! !".! "# $ 女$ 高级工程师$ 主 要从事配电网自动 化& 电 力 营 销 与 服 务工作%
基于改进果蝇算法的电力系统无功优化
Ｒｅａｃｔｉｖｅ Ｐｏｗ ｅｒ Ｏ ｐｔｉｍ ｉｚａｔｉｏｎ ｏｆ Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ Ｉｍ ｐｒｏｖｅｄ Ｆｒｕｉｔ Ｆｌｙ Ｏ ｐｔｉｍ ｉｚａｔｉｏｎ Ａ ｌｇｏｒｉｔｈｍ ＹＡＮＧ Ｇｕｉｌｅｉ
（Ｓｈａａｎｘｉ Ｃｈａｎｇｗｕ Ｔｉｎｇｎａｎ Ｃｏａｌ Ｃｏｍｐａｎｙ，Ｘｉａｎｙａｎｇ ７１３６００， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａ ｉｍ ｉｎｇ ａｔ ｔｈｅ ｓｈｏｒｔｃｏｍ ｉｎｇｓ ｏｆ ｃｕｒｒｅｎｔ ｏｐｔｉｍ ｉｚａｔｉｏｎ ａｌｇｏｒ ｉｔｈｍ ｆｏｒ ｒｅａｃｔｉｖｅ ｐｏｗ ｅｒ ｏｐｔｉｍ ｉｚａｔｉｏｎ， ｔｈｅ ｐａｐｅｒ ｗａｓ ｐｒｏｐｏｓｅｄ ｒｅａｃｔｉｖｅ ｐｏｗ ｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｆｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）．Ｒｅｓｕｌｔｓ ｏｆ ｓｉｍｕｌａｔｉｏｎ ｃａｌｃｕｌａｔｉｏｎ ｃａｒｒｉｅｄ ｏｎ ＩＥＥＥ １４ ｎｏｄｅ ｓｈｏｗ ｔｈａｔ ｒｅａｃｔｉｖｅ ｐｏｗｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｆｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）ｈａｓ ｆａｓｔｅｒ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ ａｎｄ ｍ ｏｒｅ ｐｏｗｅｒｆｕｌ ｇｌｏｂａｌ ａｎｄ ｌｏｃａｌ ｏｐｔｉｍ ｉｚａｔｉｏｎ ｃａｐａｂｉｌｉｔｙ． Ｋｅｙ ｗｏｒｄｓ：ｆ ｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＦＯＡ）；ｒｅａｃｔｉｖｅ ｐｏｗｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ；ｐｏｗｅｒ ｓｙｓｔｅｍ
ＥＬＥＣＴＲＯＮＩＣＳ ＷＯＲＬＤ ·探 索 ｓ 观 察
（Ｓｈａａｎｘｉ Ｃｈａｎｇｗｕ Ｔｉｎｇｎａｎ Ｃｏａｌ Ｃｏｍｐａｎｙ，Ｘｉａｎｙａｎｇ ７１３６００， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａ ｉｍ ｉｎｇ ａｔ ｔｈｅ ｓｈｏｒｔｃｏｍ ｉｎｇｓ ｏｆ ｃｕｒｒｅｎｔ ｏｐｔｉｍ ｉｚａｔｉｏｎ ａｌｇｏｒ ｉｔｈｍ ｆｏｒ ｒｅａｃｔｉｖｅ ｐｏｗ ｅｒ ｏｐｔｉｍ ｉｚａｔｉｏｎ， ｔｈｅ ｐａｐｅｒ ｗａｓ ｐｒｏｐｏｓｅｄ ｒｅａｃｔｉｖｅ ｐｏｗ ｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｆｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）．Ｒｅｓｕｌｔｓ ｏｆ ｓｉｍｕｌａｔｉｏｎ ｃａｌｃｕｌａｔｉｏｎ ｃａｒｒｉｅｄ ｏｎ ＩＥＥＥ １４ ｎｏｄｅ ｓｈｏｗ ｔｈａｔ ｒｅａｃｔｉｖｅ ｐｏｗｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｆｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＩＦＯＡ）ｈａｓ ｆａｓｔｅｒ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ ａｎｄ ｍ ｏｒｅ ｐｏｗｅｒｆｕｌ ｇｌｏｂａｌ ａｎｄ ｌｏｃａｌ ｏｐｔｉｍ ｉｚａｔｉｏｎ ｃａｐａｂｉｌｉｔｙ． Ｋｅｙ ｗｏｒｄｓ：ｆ ｒｕｉｔ ｆ ｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＦＯＡ）；ｒｅａｃｔｉｖｅ ｐｏｗｅｒ ｏｐｔｉｍｉｚａｔｉｏｎ；ｐｏｗｅｒ ｓｙｓｔｅｍ
ＥＬＥＣＴＲＯＮＩＣＳ ＷＯＲＬＤ ·探 索 ｓ 观 察
《果蝇优化算法及其应用研究》范文
《果蝇优化算法及其应用研究》篇一一、引言果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）是一种新型的优化算法，它以果蝇觅食行为为灵感，通过模拟果蝇的寻食行为来寻找最优解。
该算法具有简单易行、收敛速度快、全局搜索能力强等优点，因此在众多领域得到了广泛的应用。
本文将介绍果蝇优化算法的基本原理、特点及在各领域的应用研究。
二、果蝇优化算法的基本原理果蝇优化算法的基本原理是模拟果蝇在寻找食物过程中的行为。
算法首先随机生成一组解，然后根据一定的评价函数计算每个解的适应度。
接着，算法通过果蝇的嗅觉和视觉机制，逐步向最优解逼近。
在寻优过程中，果蝇会根据食物源的气味和亮度信息不断调整其飞行方向和速度，以寻找更优质的食物源。
当果蝇找到更优质的食物源时，会利用其嗅觉和视觉机制与其他果蝇共享信息，使得整个群体逐渐向最优解靠拢。
三、果蝇优化算法的特点果蝇优化算法具有以下特点：1. 简单易行：算法实现简单，易于理解和操作。
2. 收敛速度快：算法具有较快的收敛速度，能在较短的时间内找到较优解。
3. 全局搜索能力强：算法通过模拟果蝇的觅食行为，具有较强的全局搜索能力，能够找到更好的解。
4. 鲁棒性好：算法对初始解的依赖性较小，具有较强的鲁棒性。
5. 易于与其他算法结合：果蝇优化算法可以与其他优化算法相结合，形成混合优化算法，进一步提高优化效果。
四、果蝇优化算法的应用研究果蝇优化算法在众多领域得到了广泛的应用，如函数优化、组合优化、图像处理等。
下面将分别介绍这些领域中果蝇优化算法的应用研究。
1. 函数优化：果蝇优化算法可以用于求解各种函数的最优解。
例如，可以通过果蝇优化算法求解多元非线性函数的极值问题，以获得更优的解。
2. 组合优化：果蝇优化算法也适用于解决组合优化问题。
例如，在路径规划、网络流等问题中，可以利用果蝇优化算法寻找最优路径或最优网络结构。
3. 图像处理：果蝇优化算法还可以用于图像处理领域。
基于果蝇优化算法的GRNN电网故障诊断
基于果蝇优化算法的GRNN电网故障诊断
李宗辉;薛毓强
【期刊名称】《电气开关》
【年(卷),期】2014(052)005
【摘要】提出基于果蝇优化算法的GRNN电网故障诊断模型,实现GRNN分布参数的优化选择.利用广义回归神经网络(GRNN)相比于其他人工神经网络在逼近能力、分类能力和学习速度上面的优势,建立基于GRNN神经网络的电网故障诊断模型.
经分析及测试,该方法能够有效的提高运行人员故障处理效率,快速并准确的实现电
网的故障诊断.
【总页数】4页(P38-41)
【作者】李宗辉;薛毓强
【作者单位】福州大学电气工程及其自动化学院,福建福州 350108;福州大学电气
工程及其自动化学院,福建福州 350108
【正文语种】中文
【中图分类】TM71
【相关文献】
1.基于因果时序网络的FOA-GRNN电网故障诊断方法 [J], 薛毓强;李宗辉
2.基于果蝇优化算法的支持向量机故障诊断 [J], 张翔;陈林
3.基于果蝇优化算法的配电网故障定位 [J], 王巍璋; 王淳; 敖鑫
4.基于改进果蝇优化算法优化支持向量机的故障诊断 [J], 黄晓璐;周湘贞
5.基于改进果蝇优化算法优化RVM的电机轴承故障诊断 [J], 王汉章
因版权原因，仅展示原文概要，查看原文内容请购买。
基于果蝇优化算法的配电网状态估计
基于果蝇优化算法的配电网状态估计
白晨;曹雯;郭昆丽
【期刊名称】《电网与清洁能源》
【年(卷),期】2018(034)003
【摘要】配电网状态估计的目的是根据获取的配电网的各种量测信息,估计配电网系统的运行状态,是配电管理系统(DMS)的重要核心功能之一.根据配电网特点,以电压幅值和相角为状态变量,以量测值和估计值误差最小为目标函数,以潮流方程和估计值的上、下限为约束条件,构建配电网状态估计的优化模型,采用果蝇优化算法对该模型进行求解.算例表明,基于视觉和嗅觉的觅食行为启发的果蝇优化算法可有效求解该优化模型,具有易于实现、控制参数少和计算精度高的特点,为配电网状态估计提供了新的途径.
【总页数】4页(P17-20)
【作者】白晨;曹雯;郭昆丽
【作者单位】西安工程大学电子信息学院,陕西西安710048;西安工程大学电子信息学院,陕西西安710048;西安工程大学电子信息学院,陕西西安710048
【正文语种】中文
【中图分类】TP212
【相关文献】
1.多智能优化算法的配电网状态估计 [J], 童灵华;周开河;范良忠
2.基于自适应免疫粒子群优化算法的配电网状态估计 [J], 王宽;陈晖;陈佑健
3.基于自适应免疫粒子群优化算法的配电网状态估计 [J], 黄若霖;王宽;詹开翅
4.基于鸽群优化算法的含分布式电源配电网状态估计 [J], 白晨;姚李孝;曹雯
5.基于果蝇优化算法的配电网故障定位 [J], 王巍璋; 王淳; 敖鑫
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１］ 题 。 苗宗伟等 ［ 应用 Ｂ Ｐ 神经网络对水电站厂房
］ 。Ｇ 网络 见文献 ［ ３～５ Ｒ ＮＮ 中 人 为 调 节 参 数 少 ， 的学习全部依赖 数 据 样 本 ， 可最大可能地避免人 为主观假定对预测结果的影响 。 分布参数对估算 的精度有重要影 响 ， 本文采用果蝇优化算法优化 选择分布常数 。
ＭＳＥ ＝
（ ） １
２． ２ 果蝇优化算法优化 Ｇ Ｒ ＮＮ
［］ Ｆ ＯＡ ６ 是一 种 基 于 果 蝇 觅 食 行 为 推 演 的 寻 优新方法 。 算法采用距离 — 位置搜索方法 。Ｆ Ｏ Ａ
优化 Ｇ Ｒ ＮＮ 具体步骤如下 。
１ 广义回归神经网络
Ｇ Ｒ ＮＮ 模 型 已 用 于 多 个 领 域 。 模 型 有 三 层组织结构 ， 第一层为输入层 ， 输入节点只传递输
［ ３］
步骤 １ 随 机 初 始 化 果 蝇 种 群 的 位 置 ， 本文 设定种群规模为 ３ 迭代次数为 １ ０只， ０ ０。 ） ， 步骤 ２ 计算每 个 个 体 与 原 点 的 距 离 Ｄ（ ｉ ／ ） ） （ 并求出其倒数 １ 作 为 味 道 判 定 值 Ｓ（ Ｄ（ ｉ ｉ ｉ＝ …， ） ， ） 将每个味道判定值 Ｓ（ 作为 Ｇ １， ２， ３ ０ ｉ Ｒ ＮＮ 的分 布 参 数 ， 输入训练数据得到网络输出值 ） 。 Ｘ＿ ｉ ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ
Ｖ ｏ ｌ ． ３ ０Ｎ ｏ ． １ ２ Ｄ ｅ ｃ ． ２ ０ １ ２
基于果蝇优化算法的 Ｇ Ｒ Ｎ Ｎ 水电机组状态趋势预测
２ ， 田 源１， 张彼德１， 刘代伟１， 汪 凤１， 吴华丰２， 陈 笑２， 师 鹏２
（ １．西华大学 电气信息学院 ，四川 成都 ６ １ ０ ０ ３ ９； ２．国电四川电力股份有限公司 南桠河发电厂 ，四川 雅安 ６ ２ ５ ０ ０ ０） 摘要 ：针对水 电 机 组 振 动 的 非 线 性 、 非平稳特性， 提出 了 一 种 基 于 果 蝇 优 化 算 法 （ 的广义回归神经网络 Ｆ ＯＡ） （ ， 模型 （ 实 现了 Ｇ 并对 四 川省 新 政 航 电 工 程 ３ 台 机 组 ５ 个 不 Ｇ Ｒ ＮＮ） Ｆ ＯＡＧ Ｒ ＮＮ ） Ｒ ＮＮ 分布 参 数 的 优 化 选 择 ， 与Ｂ 对比结果表明， 同 部 位 的 振 动 序列 峰峰值 进行 了 预 测 ， Ｐ 神 经 网 络预 测 结果的 均 方 误差 （ ＭＳＥ ） Ｆ ＯＡＧ Ｒ ＮＮ 预 测精度 较 高 。 关键词 ：水 电 机 组 ；果 蝇 优 化 算 法 ；趋势 预 测 ；广 义 回归神 经 网 络
第二层为径向基隐含层 ， 神经元 入信号到隐含层 ； 个数等于训练样 本 个 数 ， 通过改变径向基函数的 分布常数值调节 ； 第三层为线性输出层 ， 建模原理
， 收稿日期 ： 修回日期 ： ２ ０ １ ２ ０ ４ １ ５ ２ ０ １ ２ ０ ６ ０ ４ － － － －
） ； “ 基金项目 ：西华大学省级重点实验室开放研究基金资助项目 （ 流体及动力机械 ” 省部共建 教 育 部 重 Ｓ Ｚ Ｊ Ｊ ２ ０ ０ ９ ０ １ ５ － ， ） ； ） 点实验室基金资助项目 （ 西华大学研究生创新基金资助项目 （ Ｓ Ｂ Ｚ Ｄ Ｐ Ｙ １ １ １ ３ １ ４ Ｙ ｃ ２ ０ １ １ ６ ３ － － ｊ ｊ ， ： 作者简介 ：田源 （ 男， 硕士研究生 ， 研究方向为水电机组故障诊断 ， ． ｃ ｏ ｍ １ ９ ８ ５ Ｅ－ｍ ａ ｉ ｌ ４ １ ６ ４ ４ ３ １ ４ １＠ｑ －） ｑ
·１ ２ ８·
水 电 能 源 科 学 ２ ０ １ ２年
步骤 ３ 用 输 出 值 Ｘ＿ 与 目 标 值Ｙ 计 ｉ） ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ 算均方误差 Ｍ ＳＥ ， 即： ）＝ １ （ ） …， ＭＳＥ（ ｉ Ｘ＿ ｉ ２， ３ ０ －Ｙ）ｉ ＝ １， ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ ｎ∑ （ ） ２ 步骤 ４ 找出果蝇群体 中 味 道 浓 度 最 低 的 果 即 ＭＳＥ 极小值 。 蝇， 步骤 ５ 保留最低味道浓度与 ｘ， ｙ 坐标 。 步骤 ６ 进 入 果 蝇 迭 代 寻 优 ， 由上一代最佳 位置增加果蝇的飞行距离 步骤 ７ 重 复 执 行 步 骤 ２～６， 判断味道浓度 是否优于上一 代 味 道 浓 度 ， 直 至 找 到 令 ＭＳＥ 最 小 的分布参数 。 ２． ３ 嵌入维数 在实际的时间 序 列 预 测 中 ， 相空间嵌入维数
２ Ｆ ＯＡＧ ＲＮＮ 预测方法
２． １ 误差评价标准 均方误差 （ 是指参数预测值与参数真实 ＭＳＥ） 是衡量平均误差的一种较 值之差平方的期 望 值 ， 方便方法 ， 可 评 价 数 据 的 变 化 程 度， ＭＳＥ 值 越 小 ， 说明预测模型越具有更好的精度 。 １ ２ ） ） ｘ（ ｔ ｔ －ｙ（ ［ ］ ∑ ｎｔ ＝１ ） ） 式中 ， 为原始值 ； 为预测值 。 ｘ（ ｔ ｔ ｙ（
ｎ
结构振动 进 行 了 预 测 ； 张飞等
［ ２］
提出了基于 Ｂ Ｐ
神经网络的 水 轮 发 电 机 组 振 动 预 测 模 型 。 与 Ｂ Ｐ 网络相比 ， 广义回归神经网络（ 在函数逼 Ｇ Ｒ ＮＮ） 调整的参数 近能力和学习速 度 上 有 较 强 的 优 势 ， 较少 ， 只有 １ 个分布常数 ， 可更快地找到合适的预 测网络 。 鉴此 ， 本文 采 用 果 蝇 优 化 算 法 （ 优 Ｆ ＯＡ） 化选 择 Ｇ Ｒ ＮＮ 的 分 布 常 数 ，并 将 优 化 后 的 Ｇ Ｒ ＮＮ 模型用 于 水 电 机 组 振 动 峰 峰 值 的 趋 势 预 测中 ， 探究了该方 法 对 水 电 机 组 状 态 趋 势 的 预 测 效果 。
第 ３ ０卷 第１ ２期 ２ ０ １ ２年１ ２月 （ ） 文章编号 ： １ ０ ０ ０ ７ ７ ０ ９ ２ ０ １ ２ １ ２ ０ １ ２ ７ ０ ４ － － －
水 电 能 源 科 学 Ｗ ａ ｔ ｅ ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｐ ｏ ｗ ｅ ｒ
＋ 中图分类号 ： ＴＶ ７ ３ ４． ２ １
文献标志组 故 障 中 最 常 见 、 的形式 ， 而振动信号是反映水电机组状态最直接 、 最有效的特征量 。 振动信号趋势的预测可直观地 反映水电机组未来的状态变化 。 水电机组在运行 过程中受水力 、 机械及电气等多种振源共同作用 ， 振动十分复杂 ， 要精确建立各类激振动力与水电 水电机组振动信 机组振动响应的 关 系 十 分 困 难 ， 号序列预测是一个典型的非线性时间序列预测问
］ 。Ｇ 网络 见文献 ［ ３～５ Ｒ ＮＮ 中 人 为 调 节 参 数 少 ， 的学习全部依赖 数 据 样 本 ， 可最大可能地避免人 为主观假定对预测结果的影响 。 分布参数对估算 的精度有重要影 响 ， 本文采用果蝇优化算法优化 选择分布常数 。
ＭＳＥ ＝
（ ） １
２． ２ 果蝇优化算法优化 Ｇ Ｒ ＮＮ
［］ Ｆ ＯＡ ６ 是一 种 基 于 果 蝇 觅 食 行 为 推 演 的 寻 优新方法 。 算法采用距离 — 位置搜索方法 。Ｆ Ｏ Ａ
优化 Ｇ Ｒ ＮＮ 具体步骤如下 。
１ 广义回归神经网络
Ｇ Ｒ ＮＮ 模 型 已 用 于 多 个 领 域 。 模 型 有 三 层组织结构 ， 第一层为输入层 ， 输入节点只传递输
［ ３］
步骤 １ 随 机 初 始 化 果 蝇 种 群 的 位 置 ， 本文 设定种群规模为 ３ 迭代次数为 １ ０只， ０ ０。 ） ， 步骤 ２ 计算每 个 个 体 与 原 点 的 距 离 Ｄ（ ｉ ／ ） ） （ 并求出其倒数 １ 作 为 味 道 判 定 值 Ｓ（ Ｄ（ ｉ ｉ ｉ＝ …， ） ， ） 将每个味道判定值 Ｓ（ 作为 Ｇ １， ２， ３ ０ ｉ Ｒ ＮＮ 的分 布 参 数 ， 输入训练数据得到网络输出值 ） 。 Ｘ＿ ｉ ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ
Ｖ ｏ ｌ ． ３ ０Ｎ ｏ ． １ ２ Ｄ ｅ ｃ ． ２ ０ １ ２
基于果蝇优化算法的 Ｇ Ｒ Ｎ Ｎ 水电机组状态趋势预测
２ ， 田 源１， 张彼德１， 刘代伟１， 汪 凤１， 吴华丰２， 陈 笑２， 师 鹏２
（ １．西华大学 电气信息学院 ，四川 成都 ６ １ ０ ０ ３ ９； ２．国电四川电力股份有限公司 南桠河发电厂 ，四川 雅安 ６ ２ ５ ０ ０ ０） 摘要 ：针对水 电 机 组 振 动 的 非 线 性 、 非平稳特性， 提出 了 一 种 基 于 果 蝇 优 化 算 法 （ 的广义回归神经网络 Ｆ ＯＡ） （ ， 模型 （ 实 现了 Ｇ 并对 四 川省 新 政 航 电 工 程 ３ 台 机 组 ５ 个 不 Ｇ Ｒ ＮＮ） Ｆ ＯＡＧ Ｒ ＮＮ ） Ｒ ＮＮ 分布 参 数 的 优 化 选 择 ， 与Ｂ 对比结果表明， 同 部 位 的 振 动 序列 峰峰值 进行 了 预 测 ， Ｐ 神 经 网 络预 测 结果的 均 方 误差 （ ＭＳＥ ） Ｆ ＯＡＧ Ｒ ＮＮ 预 测精度 较 高 。 关键词 ：水 电 机 组 ；果 蝇 优 化 算 法 ；趋势 预 测 ；广 义 回归神 经 网 络
第二层为径向基隐含层 ， 神经元 入信号到隐含层 ； 个数等于训练样 本 个 数 ， 通过改变径向基函数的 分布常数值调节 ； 第三层为线性输出层 ， 建模原理
， 收稿日期 ： 修回日期 ： ２ ０ １ ２ ０ ４ １ ５ ２ ０ １ ２ ０ ６ ０ ４ － － － －
） ； “ 基金项目 ：西华大学省级重点实验室开放研究基金资助项目 （ 流体及动力机械 ” 省部共建 教 育 部 重 Ｓ Ｚ Ｊ Ｊ ２ ０ ０ ９ ０ １ ５ － ， ） ； ） 点实验室基金资助项目 （ 西华大学研究生创新基金资助项目 （ Ｓ Ｂ Ｚ Ｄ Ｐ Ｙ １ １ １ ３ １ ４ Ｙ ｃ ２ ０ １ １ ６ ３ － － ｊ ｊ ， ： 作者简介 ：田源 （ 男， 硕士研究生 ， 研究方向为水电机组故障诊断 ， ． ｃ ｏ ｍ １ ９ ８ ５ Ｅ－ｍ ａ ｉ ｌ ４ １ ６ ４ ４ ３ １ ４ １＠ｑ －） ｑ
·１ ２ ８·
水 电 能 源 科 学 ２ ０ １ ２年
步骤 ３ 用 输 出 值 Ｘ＿ 与 目 标 值Ｙ 计 ｉ） ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ 算均方误差 Ｍ ＳＥ ， 即： ）＝ １ （ ） …， ＭＳＥ（ ｉ Ｘ＿ ｉ ２， ３ ０ －Ｙ）ｉ ＝ １， ｒ ｅ ｄ ｉ ｃ ｔ（ ｐ ｎ∑ （ ） ２ 步骤 ４ 找出果蝇群体 中 味 道 浓 度 最 低 的 果 即 ＭＳＥ 极小值 。 蝇， 步骤 ５ 保留最低味道浓度与 ｘ， ｙ 坐标 。 步骤 ６ 进 入 果 蝇 迭 代 寻 优 ， 由上一代最佳 位置增加果蝇的飞行距离 步骤 ７ 重 复 执 行 步 骤 ２～６， 判断味道浓度 是否优于上一 代 味 道 浓 度 ， 直 至 找 到 令 ＭＳＥ 最 小 的分布参数 。 ２． ３ 嵌入维数 在实际的时间 序 列 预 测 中 ， 相空间嵌入维数
２ Ｆ ＯＡＧ ＲＮＮ 预测方法
２． １ 误差评价标准 均方误差 （ 是指参数预测值与参数真实 ＭＳＥ） 是衡量平均误差的一种较 值之差平方的期 望 值 ， 方便方法 ， 可 评 价 数 据 的 变 化 程 度， ＭＳＥ 值 越 小 ， 说明预测模型越具有更好的精度 。 １ ２ ） ） ｘ（ ｔ ｔ －ｙ（ ［ ］ ∑ ｎｔ ＝１ ） ） 式中 ， 为原始值 ； 为预测值 。 ｘ（ ｔ ｔ ｙ（
ｎ
结构振动 进 行 了 预 测 ； 张飞等
［ ２］
提出了基于 Ｂ Ｐ
神经网络的 水 轮 发 电 机 组 振 动 预 测 模 型 。 与 Ｂ Ｐ 网络相比 ， 广义回归神经网络（ 在函数逼 Ｇ Ｒ ＮＮ） 调整的参数 近能力和学习速 度 上 有 较 强 的 优 势 ， 较少 ， 只有 １ 个分布常数 ， 可更快地找到合适的预 测网络 。 鉴此 ， 本文 采 用 果 蝇 优 化 算 法 （ 优 Ｆ ＯＡ） 化选 择 Ｇ Ｒ ＮＮ 的 分 布 常 数 ，并 将 优 化 后 的 Ｇ Ｒ ＮＮ 模型用 于 水 电 机 组 振 动 峰 峰 值 的 趋 势 预 测中 ， 探究了该方 法 对 水 电 机 组 状 态 趋 势 的 预 测 效果 。
第 ３ ０卷 第１ ２期 ２ ０ １ ２年１ ２月 （ ） 文章编号 ： １ ０ ０ ０ ７ ７ ０ ９ ２ ０ １ ２ １ ２ ０ １ ２ ７ ０ ４ － － －
水 电 能 源 科 学 Ｗ ａ ｔ ｅ ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｐ ｏ ｗ ｅ ｒ
＋ 中图分类号 ： ＴＶ ７ ３ ４． ２ １
文献标志组 故 障 中 最 常 见 、 的形式 ， 而振动信号是反映水电机组状态最直接 、 最有效的特征量 。 振动信号趋势的预测可直观地 反映水电机组未来的状态变化 。 水电机组在运行 过程中受水力 、 机械及电气等多种振源共同作用 ， 振动十分复杂 ， 要精确建立各类激振动力与水电 水电机组振动信 机组振动响应的 关 系 十 分 困 难 ， 号序列预测是一个典型的非线性时间序列预测问