XiaoMi-AI文件搜索系统
World File Search System工蜂
使用人工蜂群算法实现微电网中的最优功率共享
摘要：在智能电网中，将多种可再生能源 (RES) 与存储和备用系统相结合的混合可再生能源系统可以提供最具成本效益和稳定的能源供应。然而，最近研究解决的最紧迫问题之一是如何最好地设计混合可再生能源系统的组件，以尽可能低的成本和最佳的可靠性满足所有负载要求。由于混合可再生能源系统的优化难度，找到一种提供可靠解决方案的有效优化方法至关重要。因此，在本研究中，优化了微电网之间的电力传输，以最大限度地降低整个系统和每个微电网的成本。为此，人工蜂群 (ABC) 被用作优化算法，旨在最大限度地降低微电网外部的成本和电力传输。ABC 算法优于其他基于种群的算法，并且具有需要更少控制参数的额外优势。ABC 算法还具有良好的弹性、快速收敛和强大的通用性。本研究进行了多项实验，以证明所提出的基于 ABC 的方法的有效性。模拟结果表明，所提出的方法是一种有效的优化方法，因为它可以以非常简单且计算效率高的方式实现全局最优。
一种用于 QSAR 特征选择的改进型人工蜂群
摘要：定量结构-活性关系 (QSAR) 旨在将分子结构特性与相应的生物活性关联起来。机会相关性和多重共线性是生成 QSAR 模型时经常遇到的两个主要问题。特征选择可以通过删除冗余或不相关的分子描述符来显著提高 QSAR 的准确性和可解释性。人工蜂群算法 (ABC) 模仿蜜蜂群的觅食行为，最初是为解决连续优化问题而提出的。它已应用于分类的特征选择，但很少用于回归分析和预测。本文使用二元 ABC 算法来选择 QSAR 中的特征（分子描述符）。此外，我们提出了一种改进的基于 ABC 的 QSAR 特征选择算法，即 ABC-PLS-1。交叉和变异算子被引入到已聘用蜜蜂和旁观蜜蜂阶段来修改每个解决方案的几个维度，这不仅节省了将连续值转换为离散值的过程，而且还减少了计算资源。此外，提出了一种新的贪婪选择策略，即选择准确率更高、特征更少的特征子集，有助于算法快速收敛。使用三个QSAR数据集对所提算法进行了评估。实验结果表明，ABC-PLS-1在准确率、均方根误差和所选特征数量方面优于PSO-PLS、WS-PSO-PLS和BFDE-PLS。此外，我们还研究了在跟踪回归问题时是否实施侦察蜂阶段，并得出了一个有趣的结论：在处理低维和中维回归问题的特征选择时，侦察蜂阶段是多余的。
通过使用改进的多策略融合人工蜂群算法
摘要：本工作研究了可以解决农村电力问题的技术经济解决方案。为了维持该村庄区域的连续电源，设计了一个与网格连接的微电网系统，该系统由太阳能光伏（SPV）和电池能量存储系统（BESS）组成。最近引入的多策略融合人工蜂群（MFABC）算法与模拟退火方法杂交，并被称为MFABC+算法。这是用于确定包括集成系统的不同组件的最佳尺寸，并最大程度地提高了技术经济目标。进行验证，将MFABC+算法获得的仿真结果与使用Homer软件，粒子群优化算法和原始MFABC算法获得的结果进行了比较。与这些现有优化工具相比，MFABC+算法具有更好的收敛率和提供折衷结果的潜在能力。也通过全面的评估进行了解决，即拟议的系统具有以最低水平的电力成本来满足村庄24×7的电力需求的潜在能力。
研究基于模拟退火的人工蜂群算法的微网格混合储能系统的能力优化
性能。它们可以通过合理的连接混合和使用。系统具有电池高能密度和超级电容器的高功率密度的优势，并且可以优化电池的工作环境。超级电容器和蓄能器的混合储能系统的应用改善了微电网的电源质量，并改善了微电网的运行稳定性和经济性。为了更好地抑制功率波动的效果，混合储能系统的容量通常很大。，但是随着混合储能系统的能力增加，其成本也会增加[5]。混合储能系统的成本与其水平效果相矛盾。因此，非常有必要在经济和合理地配置混合储能系统的能力。