一类基于群智能优化算法的谐波估计方法

发布时间：2018-11-04 17:28

【摘要】：准确地估计谐波是抑制电网中谐波的先决条件,提出了基于群智能优化算法与最小二乘法相结合的谐波估计方法,该类方法首先应用群智能优化算法中的粒子群算法、差分进化算法、人工蜂群算法、遗传算法及细菌觅食算法分别对谐波的相位进行估计,然后由最小二乘法完成对谐波幅值的估计;最后将该类方法应用在测试信号谐波估计中,仿真结果表明了这些方法可以有效的对谐波进行估计;此外,还对比分析这五种群智能优化算法与FFT谐波估计的运算时间,收敛状况以及估计误差,比较的结果表明了该方法比传统的方法具有更好的效果。
[Abstract]:Accurate harmonic estimation is a prerequisite for restraining harmonics in power network. A harmonic estimation method based on swarm intelligence optimization and least square method is proposed. Firstly, particle swarm optimization algorithm is used in this kind of methods. The phase of harmonics is estimated by differential evolution algorithm, artificial bee colony algorithm, genetic algorithm and bacterial foraging algorithm, and then the amplitude of harmonic is estimated by least square method. Finally, this method is applied to the harmonic estimation of the test signal. The simulation results show that these methods can effectively estimate the harmonics. In addition, the computation time, convergence condition and estimation error of the five groups of intelligent optimization algorithm and FFT harmonic estimation are compared and analyzed. The results show that the proposed method is more effective than the traditional method.
【作者单位】： 集美大学轮机工程学院;
【基金】：国家自然科学基金(51309116) 农业部渔业装备与工程技术重点实验室基金(2016002) 福建省自然科学基金(2016J01736) 福建省教育厅(杰青)基金(JA14169) 福建省大学生创新创业训练计划基金(201610390067)
【分类号】：TM711;TP18

【相似文献】

相关期刊论文 前10条

1 杨希祥;李晓斌;肖飞;张为华;;智能优化算法及其在飞行器优化设计领域的应用综述[J];宇航学报;2009年06期

2 纪洁;顾伟;张松勇;;一种新型生物地理学智能优化算法及其比较研究[J];上海电力学院学报;2012年01期

3 柏甫荣,秦永法;基于智能优化算法的设备布局设计[J];组合机床与自动化加工技术;2004年06期

4 刘东波;黄道;陈玉娟;;模糊灰色智能优化算法在生产计划不确定规划中的应用[J];仪器仪表学报;2006年S1期

5 刘书明;王欢欢;徐锦华;刘文君;;基于智能优化算法的供水管网漏水点定位[J];同济大学学报(自然科学版);2014年05期

6 张统华;鹿晓阳;;群体智能优化算法的研究进展与展望[J];山西建筑;2007年01期

7 黄石青;;两种智能优化算法在交通控制应用中的对比研究[J];电子技术与软件工程;2013年18期

8 胡广华;陈幼平;袁楚明;周祖德;;CMS环境下基于智能优化算法的单元间布局问题研究[J];计算机应用研究;2007年06期

9 汪民乐;房茂燕;;导弹对面积目标射击效能的智能优化算法[J];弹道学报;2014年01期

10 米洁;;改进的群集智能优化算法在任务排序中的应用[J];北京信息科技大学学报(自然科学版);2010年03期

相关会议论文 前3条

1 张晓菲;张火明;高明正;;三种智能优化算法的研究进展[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

2 张火明;孙小丽;高明正;;智能优化平台设计[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

3 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年

相关博士学位论文 前10条

1 伍国华;基于勘探和开采策略控制的智能优化算法及其应用研究[D];国防科学技术大学;2014年

2 路静;智能优化算法在电磁场逆散射中的应用研究[D];河北工业大学;2014年

3 何小锋;量子群智能优化算法及其应用研究[D];上海理工大学;2014年

4 赵梦玲;基于智能优化算法的聚类分析及应用[D];西安电子科技大学;2015年

5 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年

6 丰小月;基于量子机制与组合方法的智能优化算法及应用研究[D];吉林大学;2008年

7 冯春时;群智能优化算法及其应用[D];中国科学技术大学;2009年

8 高永超;智能优化算法的性能及搜索空间研究[D];山东大学;2007年

9 唐正茂;智能优化算法适用性研究及其在船舶工程中的应用[D];华中科技大学;2013年

10 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年

相关硕士学位论文 前10条

1 叶树锦;基于群智能优化算法的收敛控制器框架及其应用[D];华南理工大学;2015年

2 赵杰;群智能优化算法在聚类分析中的应用研究[D];陕西师范大学;2015年

3 张振星;基于智能优化算法的电站锅炉燃烧优化[D];华北电力大学;2015年

4 郝晓亮;基于智能优化算法的Jiles-Atherton磁滞模型参数计算研究[D];浙江师范大学;2015年

5 李艳良;基于多目标智能优化算法的可重构天线优化与设计[D];电子科技大学;2014年

6 薛威力;基于方差的智能优化算法参数调整的研究[D];西安工程大学;2016年

7 陈钢;基于函数优化问题的两种混合智能优化算法[D];华中科技大学;2014年

8 赵博伟;多目标智能优化算法及其天线设计应用的研究[D];南京邮电大学;2016年

9 王建;群智能优化算法的MapReduce化实现[D];南京邮电大学;2016年

10 朱达祥;群体智能优化算法—粒子群算法的研究和改进[D];江南大学;2017年

，

本文编号：2310622