本文選題：萬有引力算法 + 反向學習��； 參考：《湖南大學》2016年碩士論文

【摘要】：人工智能是研究、開發(fā)用于模擬、延伸和擴展人與自然中成熟且智慧的理論、方法、應用系統(tǒng)的一門新的學科,其中重要的一部分就是人工智能算法的理論研究及其運用。萬有引力算法作為人工智能算法中的一個分支,是一種較為新穎且具有特色的算法,優(yōu)越的尋優(yōu)能力和收斂速度使得其脫穎而出受到國內外學者的關注。因此本文針對萬有引力算法現(xiàn)有研究現(xiàn)狀,進行了較深入的研究分析,提出相應改進措施以及其在配電網(wǎng)故障診斷、重構方面的應用方案。首先對于萬有引力算法基本理論部分,本文在廣泛閱讀、學習現(xiàn)有文獻的基礎上,深入學習了萬有引力算法的理論基礎和相關算法模塊,并通過標準測試函數(shù)實際仿真驗證了算法的可行性及其在部分函數(shù)的優(yōu)越表現(xiàn)。其次針對基本萬有引力算法在高維多峰函數(shù)上表現(xiàn)不佳的問題,提出改進方案。該改進算法通過反向學習初始化,使得算法初始解大概率落入優(yōu)解區(qū)域,為后續(xù)尋優(yōu)奠定基礎；算法后期引入共軛梯度法,克服算法后期歐氏距離過近導致粒子合力變大難以精細搜索的問題；算法運行過程中同步進行混沌映射,使得算法迭代停滯時有一定概率隨機產(chǎn)生新解,保持了算法的多樣性,仿真結果表明,改進后算法較改進前更適用于高峰多維函數(shù)。最后運用改進萬有引力算法進行單目標和多目標模型尋優(yōu)求解。對于配電網(wǎng)故障診斷問題,構建了單目標尋優(yōu)模型并運用本文算法進行仿真實驗,結果表明本文算法能切實可行的對故障進行診斷；對于配電網(wǎng)故障診斷后需要及時轉供恢復非故障區(qū)域供電的實際問題,本文構建了考慮網(wǎng)損和開關動作的配電網(wǎng)重構多目標模型,運用本文算法求解驗證其可行性。
[Abstract]:Artificial intelligence is a new subject of research, development, simulation, extension and expansion of mature and intelligent theories, methods and application systems in man and nature. The important part is the theoretical research and application of artificial intelligence algorithms.As a branch of artificial intelligence algorithm, universal gravitation algorithm is a novel and characteristic algorithm. Because of its superior searching ability and convergence speed, it has attracted the attention of scholars at home and abroad.Therefore, in view of the current research situation of the universal gravity algorithm, this paper has carried on the thorough research analysis, proposed the corresponding improvement measure as well as its application plan in the distribution network fault diagnosis, the reconstruction aspect.First of all, for the basic theory of gravitation algorithm, this paper, based on extensive reading and studying the existing literature, deeply studied the theoretical basis and related algorithm modules of the universal gravitation algorithm.Secondly, an improved scheme is proposed to solve the problem of the poor performance of the basic universal gravitation algorithm on the high dimensional multipeak function.The improved algorithm is initialized by reverse learning, which makes the probability of the initial solution fall into the region of the optimal solution, which lays the foundation for the subsequent optimization, and introduces the conjugate gradient method in the later stage of the algorithm.The simulation results show that the improved algorithm is more suitable for the peak multidimensional function than before.Finally, the improved universal gravitation algorithm is used to solve the single objective and multi-objective model optimization.For the fault diagnosis of distribution network, the single objective optimization model is constructed and the simulation experiment is carried out using the algorithm in this paper. The results show that the algorithm in this paper is feasible for fault diagnosis.In order to solve the practical problem that power supply in non-fault area should be restored in time after fault diagnosis of distribution network, a multi-objective model of distribution network reconfiguration considering network loss and switch action is constructed, and its feasibility is verified by solving the algorithm in this paper.
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM711;TP18

【相似文獻】

相關期刊論文 前10條

1 侯玉t$;束洪春;;配電網(wǎng)故障診斷方法綜述[J];云南水力發(fā)電;2007年04期

2 林圣;何正友;錢清泉;;輸電網(wǎng)故障診斷方法綜述與發(fā)展趨勢[J];電力系統(tǒng)保護與控制;2010年04期

3 張旭;魏娟;趙冬梅;張東英;劉燕華;;電網(wǎng)故障診斷的研究歷程及展望[J];電網(wǎng)技術;2013年10期

4 吳利劍;朱立忠;王琳琳;;故障診斷信息缺失情況下的電網(wǎng)故障診斷系統(tǒng)[J];沈陽理工大學學報;2014年02期

5 劉海寬,韓華,王全;保護電網(wǎng)故障診斷系統(tǒng)[J];佳木斯大學學報(自然科學版);2002年02期

6 聶曉棠,段奇志,彭志權;電網(wǎng)故障診斷新方法的研究[J];華中電力;2004年05期

7 毛鵬,張軍林,許揚,茹鋒;區(qū)域電網(wǎng)故障診斷系統(tǒng)設計[J];江蘇電機工程;2005年06期

8 陳玉林;陳允平;孫金莉;邱君瑪;;電網(wǎng)故障診斷方法綜述[J];中國電力;2006年05期

9 翁漢t ;毛鵬;林湘寧;;一種改進的電網(wǎng)故障診斷優(yōu)化模型[J];電力系統(tǒng)自動化;2007年07期

10 栗然;仇曉龍;;基于模糊Petri網(wǎng)的輸電網(wǎng)故障診斷改進方法[J];中國電力;2008年05期

相關會議論文 前6條

1 王強;劉震;;電網(wǎng)故障診斷研究[A];山東電機工程學會2011年學術年會論文集[C];2011年

2 王強;劉震;;電網(wǎng)故障診斷研究[A];第十九屆輸配電研討會論文集[C];2011年

3 高瑋;何正友;楊建維;劉超;;量子神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷方法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

4 孫秋野;張化光;李鐘旭;周建國;;數(shù)據(jù)驅動的不確定信息下智能電網(wǎng)故障診斷[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

5 祝亞靜;顧雪平;;基于粗糙集理論和證據(jù)理論相結合的電網(wǎng)故障診斷[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

6 孟祥萍;劉春玲;耿衛(wèi)星;潘瑩;司春旺;;基于EMS、SCADA狀態(tài)信息的電網(wǎng)故障診斷方法[A];2006電力系統(tǒng)自動化學術交流研討大會論文集[C];2006年

相關博士學位論文 前9條

1 趙冬梅;基于多信息源的電網(wǎng)故障診斷方法的研究[D];華北電力大學（北京）;2005年

2 劉道兵;電網(wǎng)故障診斷的解析化建模與求解[D];華北電力大學;2012年

3 劉思華;電網(wǎng)故障診斷方法的研究[D];山東大學;2010年

4 楊健維;基于模糊Petri網(wǎng)的電網(wǎng)故障診斷方法研究[D];西南交通大學;2011年

5 王磊;電網(wǎng)故障診斷方法及其系統(tǒng)架構研究[D];山東大學;2013年

6 周永勇;配電網(wǎng)故障診斷、定位及恢復方法研究[D];重慶大學;2010年

7 周子冠;電網(wǎng)多數(shù)據(jù)源在線診斷方法研究[D];中國電力科學研究院;2010年

8 徐青山;基于混沌載波優(yōu)化及行波多分辨理論的輸電網(wǎng)故障診斷[D];東南大學;2006年

9 周曙;基于貝葉斯網(wǎng)的電力系統(tǒng)故障診斷方法研究[D];西南交通大學;2010年

相關碩士學位論文 前10條

1 朱元林;在線電網(wǎng)故障診斷預處理功能的研究[D];華北電力大學（北京）;2011年

2 趙培哲;基于貝葉斯網(wǎng)的電網(wǎng)故障診斷技術[D];湖南工業(yè)大學;2015年

3 方志宏;基于故障錄波數(shù)據(jù)的分析軟件設計與電網(wǎng)故障診斷方法[D];西南交通大學;2015年

4 羅孝輝;基于改進貝葉斯網(wǎng)絡和Hibert-Huang變換的多源信息融合電網(wǎng)故障診斷方法[D];西南交通大學;2015年

5 劉大偉;基于開關量和電氣量的電網(wǎng)故障診斷[D];山東大學;2015年

6 衣得源;一種基于模糊Petri網(wǎng)的電網(wǎng)故障診斷方法研究與設計[D];東北大學;2013年

7 張立穎;多數(shù)據(jù)源信息融合的電網(wǎng)故障診斷方法研究[D];東北大學;2013年

8 孫亞;基于分層理論的電網(wǎng)故障診斷及脆弱性評估方法研究[D];東北大學;2014年

9 史佳琪;基于解析模型的輸電網(wǎng)故障診斷技術的研究[D];東北大學;2014年

10 李宗輝;配電網(wǎng)故障診斷系統(tǒng)[D];福州大學;2014年

，

本文編號：1740201