混沌布谷鸟搜索算法在谐波估计中的应用

摘要：

针对布谷鸟搜索(CS)算法存在后期收敛速度慢、计算精度不高和陷入局部最优等缺点,提出了混沌布谷鸟(ccS)算法.首先,通过混沌理论初始化种群来增加种群多样性;然后,对局部最优值引入混沌扰动算子来跳出早熟收敛,提高计算精度,进而完成全局优化.对4个单目标基准函数进行仿真测试,对比最优值、最差值、平均值、中位数值及标准差值,结果表明,基于CCS算法比CS算法有更快的收敛速度和更高的收敛精度.在电力系统中谐波问题成分引起电流波形畸变,电网不稳定.精确分析谐波成分是解决谐波污染的重要前提.将性能更好的CCS算法应用于谐波估计,通过比较估计均值及标准偏差,结果显示在分析谐波电流时CCS算法相比粒子群优化(PSO)算法具有更好的性能.

关键词：粒子群优化算法、布谷鸟搜索算法、混沌理论、函数优化、谐波估计

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：the Graduate Science and Technology Innovation Program of Taiyuan University of Science and Technology20145019;the Doctoral Research Start-up Funds of Taiyuan University of Science and Technology 20142003.太原科技大学研究生科技创新项目20145019;太原科技大学博士科研启动基金资助项目20142003

在线出版日期：2017-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：239-243