- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
一种适用于并网光伏系统实际运行条件的改进正弦-余弦优化MPPT算法
摘要: 本研究提出了一种改进的正弦-余弦优化最大功率点跟踪(MPPT)算法用于电网集成。该算法能从光伏板获取最大功率,具有实现简易、收敛速度快的优势。通过对比实验,将改进正弦-余弦优化(MSCO)算法的性能与当前粒子群优化(PSO)和人工蜂群(ABC)算法进行评估。利用dSPACE实时控制板搭建实验室规模硬件平台,在稳态、动态及局部阴影条件下分析实际响应?;贛SCO的MPPT算法始终展现出快速收敛、易于实现、计算量小且能在多变天气条件下精准追踪最优光伏功率的特点。文中实验结果清晰验证了所提算法的有效性。
关键词: 最大功率点跟踪、光伏、人工蜂群算法、粒子群优化、正弦-余弦优化算法
更新于2025-09-23 15:23:52
-
基于人工蜂群调谐算法的胶囊内窥镜优化线性二次调节器设计
摘要: 无线胶囊内镜(WCE)是一种新型医疗设备,在有效驱动条件下可实现对整个消化道的检查。本文提出一种用于胶囊内镜导航系统的三线圈驱动器。该系统基于电流控制磁悬浮原理,采用胶囊体内的小型永磁体与置于可移动框架上的受控电磁驱动器阵列。通过数学建模描述了所提控制系统的动力学特性,并建立状态空间模型。本研究运用线性二次调节器(LQR)技术为胶囊驱动系统设计三自由度控制器,采用人工蜂群(ABC)调参算法获取控制器增益参数的最优值。利用Matlab/Simulink工具对优化后的LQR控制器进行仿真,并基于稳定性与控制能耗参数评估其性能以验证系统有效性。最终仿真结果表明:基于ABC优化方法的LQR控制器可用于构建高效的胶囊驱动系统。
关键词: 电磁执行器、线性二次调节器(LQR)、无线胶囊内窥镜(WCE)、人工蜂群算法(ABC)
更新于2025-09-23 15:22:29
-
[2019年IEEE第46届光伏专家会议(PVSC)- 美国伊利诺伊州芝加哥(2019.6.16-2019.6.21)] 2019年IEEE第46届光伏专家会议(PVSC)- 基于统计与天空摄像仪的混合小时级光伏功率预测方法
摘要: 本文提出一种改进的离散人工蜂群算法(DABC),用于解决具有动态工序跳过特性的铁水系统混合柔性流水车间调度问题。首先采用基于双向量的解表示方法并开发动态编码机制;其次设计灵活的解码策略;随后提出考虑问题特征的右移策略以显著提升解的质量;此外构建多种跳过与调度邻域结构以平衡探索与开发能力;最后嵌入增强型局部搜索进一步提升开发能力。通过在真实生产数据生成的实例集上进行测试,经全面计算对比和统计分析表明,所提DABC算法在解质量和求解效率方面均优于现有几种对比算法,展现出卓越性能。
关键词: 动态操作跳过、人工蜂群算法、混合柔性流水车间、启发式
更新于2025-09-23 15:21:01
-
蚱蜢优化算法利用Xilinx控制器实现光伏系统最大发电量
摘要: 提出了一种基于蚱蜢优化算法(GOA)的Xilinx系统生成器(XSG)控制器,用于评估并网光伏(PV)发电系统的最大功率点跟踪性能。该控制器通过GOA算法与XSG流程协同工作,其创新性在于能根据光伏阵列的日照强度和温度条件采集最大输出功率。为实现从光伏阵列获取最大功率,需通过该GOA算法驱动的XSG控制器调节电压源逆变器(VSI)的开关信号。所设计的PV结构在MATLAB/Simulink强大平台上实现优雅架构,其开关方案依据XSG控制器生成。最终,通过与传统粒子群优化(PSO)和人工蜂群(ABC)算法等技术对比,分析了该GOA-XSG控制器的输出响应特性。
关键词: 电压源逆变器,最大功率点跟踪,人工蜂群算法,粒子群优化算法,光伏阵列,蝗虫优化算法,Xilinx系统生成器控制器
更新于2025-09-19 17:13:59
-
[2019年第二届人工智能与大数据国际会议(ICAIBD) - 中国成都 (2019.5.25-2019.5.28)] 2019年第二届人工智能与大数据国际会议(ICAIBD) - 基于大数据的光伏预测ABC-SVM与PSO-RF模型
摘要: 光伏输出预测对微电网系统的稳定运行具有重要意义。首先采用基于人工蜂群的支持向量机(ABC-SVM)方法训练历史气象数据与光伏输出数据,可将天气状况划分为四类。其次,在四种气象条件下各选取数万组数据,通过基于粒子群优化的随机森林(PSO-RF)模型进行训练。训练后可获得四组参数不同的PSO-RF模型分别用于光伏预测。最后采集广东省阳江市某微电网站点的天气信息与光伏数据对组合模型进行测试。数值结果表明,该方法的预测精度优于简单的支持向量回归(SVR)和传统随机森林方法。
关键词: 随机森林、支持向量机、粒子群优化、人工蜂群算法
更新于2025-09-16 10:30:52
-
通过净计量方案对马来西亚选定公立医院光伏扩展的限制
摘要: 本文提出一种优化方法,通过净计量(NEM)方案确定马来西亚选定公立医院可再生能源分布式发电(DG)容量的扩展极限。研究以线路损耗总降幅作为优化过程的主要目标函数进行分析,并通过较低线路损耗结果值提出DG扩展的接受区域。本文选用光伏型分布式发电单元(PV-DG),采用人工蜂群(ABC)算法优化该光伏发电系统。配电网络基于三所不同层级(国家级、州级和区级)马来西亚公立医院选取的母线与线路数据构建。MATLAB仿真结果显示:基于U型轨迹理论的光伏DG扩展容量存在规模与选址限制,导致现行NEM最大容量要求与实际光伏DG扩展极限产生矛盾。这种限制在不同层级医院间存在差异,且各医院根据自身配电网参数定制扩展极限。因此,本研究通过NEM方案为可再生能源开发商提供了光伏DG高效集成的技术依据与最优方案。该研究通过更合理精确的结果评估方法具有重要价值,将激励开发商、建筑业主及用户参与其中,从而在马来西亚公立医院应用中实现经济效益与电力系统可靠性提升的双重收益。
关键词: 光伏型分布式发电(PV-DG)、最大需量(MD)、可再生能源(RE)、人工蜂群算法(ABC)、分布式发电(DG)、净计量电价(NEM)
更新于2025-09-16 10:30:52
-
基于人工蜂群算法的高光谱图像分类无监督波段选择
摘要: 高光谱图像(HSI)拥有数百个狭窄且相邻的光谱波段,为区分各类地物覆盖类型提供了丰富信息。然而这些光谱波段通常包含大量冗余信息,会导致休斯现象并增加计算耗时。作为主流的降维技术,波段/特征选择对高光谱分类不可或缺。本文基于改进子空间分解(ISD)与人工蜂群算法(ABC),提出名为ISD-ABC的波段选择技术来解决高光谱分类中的降维问题。通过计算相邻波段间相关系数并结合高光谱光谱曲线的可视化结果实现子空间分解。首次应用人工蜂群算法,在ISD和最大熵(ME)的指导下优化所选波段的组合方案。利用选定的波段子集,采用五折交叉验证的支持向量机(SVM)进行高光谱分类。为评估方法有效性,在两个AVIRIS数据集(Indian Pines和Salinas)及一个ROSIS数据集(帕维亚大学)上开展实验,通过总体精度(OA)、平均精度(AA)和Kappa系数(KC)三项指标评估分类结果。实验证明,相比其他六种先进波段选择技术,本方法能获得更优的分类精度。
关键词: 降维、波段选择、高光谱图像、人工蜂群算法、子空间分解
更新于2025-09-09 09:28:46