PS算法优化方案
PS算法优化方案
项目名称 RNC V2.1 RRM
文档编号 DTM6.507.A61SJ
版 本 号 V 1.0.0
作 者 景志宏 张爽
版权所有
大唐移动通信设备有限公司
本资料及其包含的所有内容为大唐移动通信设备有限公司(大唐移动)所有,受中国法律及适用之国际公约中有关著作权法律的保护。未经大唐移动书面授权，任何人不得以任何形式复制、传播、散布、改动或以其它方式使用本资料的部分或全部内容，违者将被依法追究责任。 大唐移动通信设备有限公司 PS算法优化方案
封页 2
文档更新记录
日期 更新人 版本 备注
2006-2-6 景志宏 V 0.0.1 创建
2006-2-24 景志宏，张爽 V 1.0.0 根据评审意见修改
大唐移动通信设备有限公司 PS算法优化方案
封页 3 目 录
1 引言 .................................................................................................................................................. 4
1.1 编写目的 ................................................................................................................................. 4
1.2 预期读者和阅读建议 ............................................................................................................. 4
1.3 参考资料 ................................................................................................................................. 4
1.4 缩写术语 ................................................................................................................................. 4
2 特性概述 .......................................................................................................................................... 4
3 PS调度算法的改进需求 ................................................................................................................ 4
4 PS算法优化方案 ............................................................................................................................ 5
4.1 分组调度特性描述 ................................................................................................................. 5
4.1.1 基于链路质量的分组调度 ............................................................................................. 5
4.1.2 基于小区负荷的分组调度 ............................................................................................. 5
4.1.3 基于业务量的分组调度 ................................................................................................. 5
4.2 分组调度流程图 ..................................................................................................................... 6
4.3 用户差异化的体现 ................................................................................................................. 6
4.4 分组调度优化策略 ................................................................................................................. 7
5 待研究的问题 .................................................................................................................................. 9 大唐移动通信设备有限公司 PS算法优化方案
第 4 页 共 9 页 1 引言
1.1 编写目的
PS算法是RRM中的一个重要内容。根据测试需求及测试数据，目前需要解决PS过程中，数据上调速度慢的问题。本算法优化方案就是针对目前部分需求展开的。
1.2 预期读者和阅读建议
本文档的预期读者是与RRM算法相关的研发人员。
1.3 参考资料
A. 分组调度特性实现方案 郭俊利 张爽 大唐移动通信设备有限公司 2005-11-3
B. 统一业务模型表述研究报告 张旗 房家奕 李楠 大唐移动通信设备有限公司2005-12-10
C. 中国移动3G技术澄清――3G用户差异化服务 2005-01
D. PS测试报告 张爽 王玲 高卓 大唐移动通信设备有限公司 2006-01-06
E. TDR2000设备需求列表 伍鹏、杨景军 大唐移动通信设备有限公司 2005.12.30
F. 一种分组业务动态调整资源的方法 王安义
1.4 缩写术语
BO Buffer Occupancy
PS Packet Schedule
QoS Quality of Service
TCTV Transport Channel Traffic Volume
2 特性概述
PS调度的业务是指非实时业务，即交互类、背景类业务。
分组业务的突出特征就是突发性，数据量波动较大。当使用DCH为其服务时，初始分配的信道速率可能不适合继续使用，为保证用户的QoS，提高系统资源利用率，一般情况下，当缓冲区数据量从少变多时，需要上调信道速率；当缓冲区数据量由多变少时，需要下调信道速率。
上行RLC缓冲区数据量由UE测量并上报RNC，下行RLC缓冲区数据量由RNC内部测量。业务量测量上报方式采用4A/4B事件触发。4A和4B都用到了业务量(TCTV) 门限，以及Time
to Trigger、Pending Time after Trigger两个定时器。
3 PS调度算法的改进需求
需求一：
128k和144k相比，速率变化不大，在分组调度过程中，考虑去掉144k，以减少信令交互过程。
需求二：
PS调度应能够考虑跨档调整，而不只是逐档调整。
大唐移动通信设备有限公司 PS算法优化方案
第 5 页 共 9 页 需求三：
PS调度应能够考虑用户的优先级，优先保证高优先级用户的服务质量。
4 PS算法优化方案
4.1 分组调度特性描述
分组调度的调度策略采取：
基于链路质量的分组调度；
基于小区负荷的分组调度；
基于业务量的调度策略。
4.1.1 基于链路质量的分组调度
基于链路质量的分组调度由无线链路检测算法触发。
打开无线链路检测算法开关、RLS是否可以触发PS的开关，分组用户的链路质量恶化之后，为了保证数据传输质量，会触发速率调整。
打开RLS开关，此时就触发了测量id＝5的测量控制。RNC向UE下发Measurement
Control消息，UE收到质量测量的Measurement Control消息后，将根据消息中规定的控制信息进行测量，当UE测量到的CRC错误数目大于给出的门限值（即满足5A事件）时将上报MEASUREMENT REPORT消息。
如果无线链路中包括分组业务（包括单分组业务、实时业务与分组业务的组合等情况），则无线链路质量、与分组业务质量之间的关系是：RNC收到5A事件之后，就认为无线链路质量发生恶化；仅当5A所对应的传输信道上承载有分组业务时，才认为分组业务质量恶化。
无线链路质量恶化之后，触发分组调度的条件为：
a) 条件一：不满足切换条件、不满足信道调整条件；而且，
b) 条件二：分组业务质量恶化、打开RLS是否可以触发PS的开关。
4.1.2 基于小区负荷的分组调度
LCC检测到小区拥塞后，若O&M配置了降速率的处理策略，那么LCC会针对非实时业务触发分组调度的降速率过程。LCC会告知分组调度下调后的新速率，而分组调度的处理就是检测LCC请求的新速率是否符合要求，并触发相应的空口过程完成降速率处理。
pscad参数
pscad参数
PSCAD是一种用于电力系统仿真的软件，它允许工程师们对电力系统进行模拟、分析和优化。PSCAD可以对各种各样的电力系统进行建模，包括输电线路、发电机、变压器等等。在电力系统设计和研究领域，PSCAD是非常有用的工具之一。
PSCAD提供了一个直观的图形界面，使得用户能够方便地进行建模和仿真。用户可以通过简单地拖拽和连接不同的组件来构建电力系统模型。PSCAD支持多种不同的元件，包括电阻、电容、电感、变压器等等，用户可以根据自己的需求选择合适的元件来构建模型。
PSCAD还提供了丰富的仿真功能，使用户能够对电力系统进行更详细和准确的仿真。用户可以设置不同的输入参数，并观察系统在不同条件下的响应。PSCAD支持时域仿真和频域仿真，用户可以选择合适的仿真方法来分析系统的性能。
PSCAD还具有强大的优化功能，可以帮助用户找到电力系统的最佳设计方案。用户可以设置不同的优化目标和约束条件，并运行优化算法来搜索最佳解。通过优化功能，用户可以提高电力系统的效能和性能，从而降低能源消耗和成本。
除了建模和仿真功能外，PSCAD还提供了丰富的分析工具，帮助用户更好地理解和评估电力系统的性能。用户可以使用PSCAD提供的图表、图像和波形显示功能来分析系统的各种指标和参数。用户还可以进行灵敏度分析和故障分析，以评估系统在异常情况下的表现。
PSCAD还支持与其他软件和工具的集成，例如MATLAB、Simulink等。用户可以将PSCAD中的模型导出为其他软件可以识别的格式，并在其他软件中继续进行仿真和分析。这种集成性使得PSCAD成为了一个非常强大和灵活的工具，在电力系统研究和设计中起到了重要的作用。
总结来说，PSCAD是一种功能强大的电力系统仿真软件，它为用户提供了建模、仿真、优化和分析等多种功能。用户可以通过PSCAD来构建电力系统模型，并使用丰富的仿真功能来分析系统性能。PSCAD还提供了强大的优化功能和分析工具，帮助用户找到电力系统的最佳设计方案。与其他软件和工具的集成使得PSCAD成为了一个非常灵活和实用的工具。总之，PSCAD在电力系统研究和设计中具有重要的地位和作用。
TD-SCDMA PS域防火墙优化方案及实施
第29卷第2期山东通信技术V01．29No．22009年6月ShandongCommunicationTechnologyJun．2009
TD—SCDMAPS域防火墙优化方案及实施
张心同1罗宝东2
(1中国移动上海公司．上海2001342中国联通德州市分公司，德州253000)
摘要：随着TD-SCDMA网络的不断建设和完善，其承栽的数据业务越来越多。作为核心设备的防火墙往往成为网络瓶颈。本文根据防火墙在TD-SCDMAPS域网络中的策略配置原则．提出了两种通过增加防火墙实现业务分流的方案，并应用改进后的方案对现网防火墙进行了改造。关键词：TD-SCDMAPS域防火墙业务分流
l引言
TD—SCDMA是我国具有自主知识产权的第三代
移动通信系统标准之一。随着TD—SCDMA网络的不
断建设和完善，其承载的数据业务越来越多。包括手
机电视、视频共享等。2008年9月，中移动就开始了
TD—SCDMA试验网的二期建设．由一期的8个城市
再增加28个主要城市。随着网络规模的扩大、业务类
型的丰富，数据业务流量迅速增长．这对承载数据业
务的TD．SCDMA分组域(PS域)核心网设备的网络
能力提出了更高的要求。尤其是防火墙。
本文分析了防火墙在TD．SCDMAPS域网络中
的重要作用、策略配置。提出并分析了在现有防火墙
性能不足的条件下增加防火墙进行业务分流的两种
方案，介绍了采用改进后的方案对现网防火墙进行改
造实施的实际案例。
2TD．SCDMAPS域网络中的防火墙
2．1TD—SCDMAPS域网络
TD—SCDMAPS域网络设备主要包括SGSN(服
务GPRS支持节点)、GGSN(网关GPRS支持节点)、
DNS(域名服务器)和NTPServer(网络时间协议服务
器)。在实际的网络中，可以仅有一个或多个SGSN，也可以仅有一个或者多个GGSN．或者是以上两种情
况的组合。DNS和NTPServer一般是一套双机备份。
网络结构如图l所示。
图1TD-SCDMAPS域网络架构
一种融入模式搜索的改进人群搜索算法
一种融入模式搜索的改进人群搜索算法
封京梅
【摘 要】针对人群搜索算法在后期搜索时收敛速度减慢、容易陷入次优解、计算效果变差等缺点,设计一种融入模式搜索的改进人群搜索算法.利用6个标准测试函数进行仿真实验,发现改进后的算法在收敛速度和精度上明显提高,尤其是在后期能够进行突跳进而摆脱局部次优解,鲁棒性好,全局寻优能力增强.%An improved
Seeker optimization algorithm ( SOA ) is presented to overcome difficulties,
such as slow convergence speed, easy to fall into local optimal solution
and low precision in the standard SOA latterly, which combine pattern
search method in the process of search. Six standard test functions were
utilized in the simulation experiment and we found that as for the
improved algo-rithm, the convergence speed and accuracy were increased
significantly. The algorithm runs out of the local optimal solution and has
good robustness and global optimization ability.
【期刊名称】《西华大学学报（自然科学版）》
【年(卷),期】2017(036)001
【总页数】5页(P7-11)
【关键词】人群搜索算法;模式搜索法;全局寻优;局部寻优
一种自适应柯西变异的反向学习粒子群优化算法
第４２卷第１０期 ２０１５年１０月 计算机科学 Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ Ｖｏ１．４２ Ｎｏ．１０ ０ｅｔ ２０１５
一种自适应柯西变异的反向学习粒子群优化算法
康岚兰 。
（武汉大学计算机学院 武汉４３００７２） 董文永 田降森
（江西理工大学应用科学学院 赣州３４１０００）。
摘要针对传统粒子群优化算法易出现早熟的问题，提出了一种自适应变异的反向学习粒子群优化算法。该算法 在一般性反向学习方法的基础上，提出了自适应柯西变异策略（ＡＣＭ）。采用一般性反向学习策略生成反向解，可扩 大搜索空间，增强算法的全局勘探能力。为避免粒子陷入局部最优解而导致搜索停滞现象的发生，采用ＡＣＭ策略对 当前最优粒子进行扰动，自适应地获取变异点，在有效提高算法局部开采能力的同时，使算法能更加平稳快速地收敛 到全局最优解。为进一步平衡算法的全局搜索与局部探测能力，采用非线性的自适应惯性权值。将算法在１４个测试 函数上与多种基于反向学习策略的ＰＳＯ算法进行对比，实验结果表明提出的算法在解的精度以及收敛速度上得到了
大幅度的提高。 关键词粒子群优化，一般性反向学习，自适应柯西变异，自适应惯性权值 中图法分类号ＴＰＩ８１ 文献标识码Ａ ＤＯＩ １０．１１８９６／ｊ．ｉｓｓｎ．１００２—１３７Ｋ ２０１５．１０．０４６
Ｏｐｐｏｓｉｔｉｏｎ。ｂａｓｅｄ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ ｗｉｔｈ Ａｄａｐｔｉｖｅ Ｃａｕｃｈｙ Ｍｕｔａｔｉｏｎ
ＫＡＮＧ Ｌａｎ－ｌａｎ ’。ＤＯＮＧ Ｗｅｎ－ｙｏｎｇ ＴＩＡＮ Ｊｉａｎｇ－ｓｅｎ （Ｃｏｍｐｕｔｅｒ Ｓｃｈｏｏ１，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００７２，Ｃｈｉｎａ） （Ｃｏｌｌｅｇｅ ｏｆ Ａｐｐｌｉｅｄ Ｓｃｉｅｎｃｅ，Ｊｉａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｇａｎｚｈｏｕ ３４１０００，Ｃｈｉｎａ）
基于粒子群算法的室内环境节能优化控制
邮局订阅号：82-946360元/年技术创新智能建筑
《PLC技术应用200例》您的论文得到两院院士关注
基于粒子群算法的室内环境节能优化控制
IndoorEnvironmentEnergyConservationOptimizationControlBasedonPSO
(上海市建筑科学研究院)吴洲叶倩罗堃李爱国WUZhouYEQianLUOKunLIAi-guo摘要:目前建筑室内环境节能优化控制大多侧重于室内空调、照明等各分系统的独立优化控制,但从能量消耗角度来考虑,如何兼顾各个系统的耗能,使整体耗能最小是最节能的。针对这一问题,提出了一种基于粒子群算法的节能综合控制,通过寻找窗帘开启的最优角度,调节高精度电动窗帘满足室内光环境需求,降低照明能耗,同时将日射得热引起的空调冷负荷降到最低,使整体效能最佳,从而提高系统的效率。实验结果表明,该控制方案综合考虑了照明能耗和空调能耗的合理分配,能为建筑物整体能耗节约了大约30%的能耗。关键词:建筑节能;粒子群算法;模糊控制中图分类号:TP273文献标识码:AAbstract:Atpresentbuildingindoorenvironmentenergyconservationoptimizationcontrolmostlytostressontheindooraircondition-ing,theilluminationandsoonvarioussubsystems'independentoptimizedcontrol,buthowtogivedualattentiontoeachsystem'sconsumingenergy,causesthewholetoconsumeenergyslightlyismostconservesenergy.Inviewofthisquestion,proposedonekindofenergyconservationintegratedcontrolbasedonPSO,throughseeksforthemostsuperiorangleofwindow’sblindopening,theadjustmenthighaccuracyelectricallyoperatedwindowblindmeetstheneedofindoorlightenvironment,reducestheilluminationen-ergyconsumption,simultaneouslyshootstheairconditioningcoldload,causestheoverallpotencytobebest,thusraisessystem'sef-ficiency.Theexperimentalresultindicatedthatthiscontrolplanoverallevaluationilluminationenergyconsumptionandtheairconditioningenergyconsumption'srationaldistribution,couldsaveabout30%energyconsumptionsforthebuildingoverallenergyconsumption.Keywords:buildingenergyconservation;particleswarmoptimization;fuzzycontrol文章编号:1008-0570(2010)03-1-0159-03
基于PSO和LM的信号稀疏分解快速算法
第４２卷 第２期 ２０１２年２月 激光与红外 ＬＡＳＥＲ ＆ ＩＮＦＲＡＲＥＤ Ｖｏ１．４２，Ｎｏ．２ Ｆｅｂｒｕａｒｙ，２０１２
文章编号：１００１－５０７８（２０１２）０２－０２２７－０４ ・图像与信号处理・
基于ＰＳＯ和ＬＭ的信号稀疏分解快速算法
王菊，王朝晖，刘 银 （燕山大学信息科学与工程学院，河北秦皇岛０６６００４）
摘要：传感矩阵和：重建算法的性能分析和优化是目前压缩传感领域研究的热点。针对匹配 追踪算法在信号稀疏分解中计算量巨大的难题，提出了一种交替使用粒子群算法和Ｌｅｖｅｎｂｅｒｇ
Ｍａｒｑｕａｒｄｔ算法的混合智能算法来寻找最佳原子。首先利用粒子群算法得到群体最优解，再以 该解作为ＬＭ算法的初值，交替使用两种算法，直至发现满意的最优解。数值分析表明，新算
法克服了粒子群算法过早收敛于局部极值和ＬＭ算法依赖初值的问题，保证了求解的速度和 精度。
关键词：压缩传感；稀疏分解；匹配追踪算法；粒子群算法；Ｌｅｖｅｎｂｅｒｇ Ｍａｒｑｕａｒｄｔ算法 中图分类号：ＴＰ３９１ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１．５０７８．２０１２．０２．０２５
Ｆａｓｔ ａｌｇｏｒｉｔｈｍ ｏｆ ｓｐａｒｓｅ ｓｉｇｎａｌ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｂａｓｅｄ ｏｎ ＰＳＯ ａｎｄ ＬＭ
ＷＡＮＧ Ｊｕ，ＷＡＮＧ Ｚｈａｏ—ｈｕｉ，ＬＩＵ Ｙｉｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ ０６６００４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｐｅｒｆｏｒｍａｎｃｅ ａｎａｌｙｓｉｓ ａｎｄ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｓｅｎｓｉｎｇ ｍａｔｒｉｘ ａｎｄ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｈａｖｅ ｂｅｃｏｍｅ ａ ｈｏｔ ｒｅ— ｓｅａｒｃｈ ｆｉｅｌｄ ｉｎ ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ．Ｍａｔｃｈｉｎｇ ｐｕｒｓｕｉｔ ａｌｇｏｒｉｔｈｍ ｈａｓ ａ ｈｕｇｅ ｃｏｍｐｕｔａｔｉｏｎａｌ ｐｒｏｂｌｅｍ ｆｏｒ ｓｐａｒｓｅ ｓｉｇｎａｌ ｄｅ－ ｃｏｍｐｏｓｉｔｉｏｎ，ＳＯ ａ ｈｙｂｒｉｄ ｉｎｔｅｌｌｉｇｅｎｔ ａｌｇｏｒｉｔｈｍ ｏｆ ｕｓｉｎｇ ａｌｔｅｒｎａｔｅｌｙ ｐａｒｔｉｃｌｅ ｓｗａｒｌｎ ｏｐｔｉｍｉｚａｔｉｏｎ ａｎｄ Ｌｅｖｅｎｂｅｒｇ Ｍａｒｑｕａｒｄｔ ｈａｓ ｂｅｅｎ ｐｕｔ ｆｏｒｔｈ ｔｏ ｆｉｎｄ ｔｈｅ ｂｅｓｔ ａｔｏｍ．Ｆｉｒｓｔｌｙ，ａ ｇｒｏｕｐ ｏｆ ｏｐｔｉｍａｌ ａｐｐｒｏｘｉｍａｔｅ ｓｏｌｕｔｉｏｎｓ ａｒｅ ｏｂｔａｉｎｅｄ ｂｙ ｔｈｅ ｗａｙ ｏｆ ｔｈｅ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ．Ｔａｋｉｎｇ ｔｈｅｓｅ ａｐｐｒｏｘｉｍａｔｅ ｓｏｌｕｔｉｏｎｓ ａｓ ｔｈｅ ｉｎｉｔｉａｌ ｖａｌｕｅｓ，ｔｈｅ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａ－ ｔｉｏｎ ａｎｄ ＬＭ ａｌｇｏｒｉｔｈｍ ａｒｅ ａｌｔｅｒｎａｔｅｌｙ ｕｓｅｄ ｕｎｔｉｌ ｔｈｅ ｓａｔｉｓｆａｃｔｏｒｙ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎ ｉｓ ｆｏｕｎｄ ａｔ ｌａｓｔ．Ｔｈｅｓｅ ｆｉｎｄｉｎｇｓ ｉｎｄｉ－ ｃａｔｅ ｔｈａｔ ｔｈｅ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｏｖｅｒｃｏｍｅｓ ｐｒｅｍａｔｕｒｅ ｃｏｎｖｅｒｇｅｎｃｅ ｏｆ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ ｗｅａｋｅｎｓ ｉｔｓ ｄｅｐｅｎｄｅｎｃｅ ｏｎ ｔｈｅ ｉｎｉｔｉａｌ ｃｏｎｄｉｔｉｏｎｓ ｉｎ ｔｈｅ ＬＭ ａｌｇｏｒｉｔｈｍ．Ｉｔ ｇｕａｒａｎｔｅｅｓ ｔｈｅ ｓｐｅｅｄ ａｎｄ ｐｒｅｃｉｓｉｏｎ ｏｆ ｔｈｅ ｓｏｌｖｉｎｇ ｐｒｏｃｅｓｓ・ Ｋｅｙ ｗｏｒｄｓ：ｃｏｍｐｒｅｓｓｅｄ ｓｅｎｓｉｎｇ；ｓｐａｒｓｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｍａｔｃｈｉｎｇ ｐｕｒｓｕｉｔ；ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ；Ｌｅｖｅｎｂｅｒｇ Ｍａｒ－ ｑｕａｒｄｔ ａｌｇｏｒｉｔｈｍ
基于改进PSO算法的发酵过程模型参数估计
第３ｌ卷第１期 ２０１０年１月 仪器仪表学报
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｓｃｉｅｎｔｉｔｉｃ Ｉｎｓｔｒｕｍｅｎｔ 、，＿０ｌ＿３１ＮＯ．１ Ｊａｎ．２０１０
基于改进ＰＳＯ算法的发酵过程模型参数估计冰
薛尧予， 王建林， 于涛， 赵利强
（北京化丁大学信息科学与技术学院北京 １０００２９）
摘要：建立准确的非线性机理模型是发酵过程优化调控的关键。提出了一种基于改进粒子群优化算法（ＰＳＯ，ｐａｒｔｉｃｌｅ ｓｗａｒｍ
ｏｐｔｉｍｉｚａｔｉｏｎ）的发酵过程模型参数估计方法，并将该方法用于青霉素发酵过程建模。改进的ＰＳＯ算法通过引入粒子群能量 对粒子进行自适应分群以防止粒子陷入局部最优，从而保证收敛于全局最优解。实验结果表明，该方法可以有效地实现青霉
素发酵过程模型参数的准确估计，所得到的模型精度能够满足发酵过程的状态估计和控制需求。 关键词：粒子群算法； 青霉素发酵； 非线性模型； 参数估计
中图分类号：ＴＰ２７３ 文献标识码：Ａ 国家标准学科分类代码：１２０．３０
Ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｆｅｒｍｅｎｔａｔｉｏｎ ｐｒｏｃｅｓｓ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ａｎ
ｉｍｐｒｏｖｅｄ ＰＳＯ ａｌｇｏｒｉｔｈｍ
Ｘｕｅ Ｙａｏｙｕ， Ｗａｎｇ Ｊｉａｎｌｉｎ， Ｙｕ Ｔａｏ， Ｚｈａｏ Ｌｉｑｉａｎｇ
（Ｃｏｌｌｅｇｅ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＣｈｅｍｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ，ＢｅＵｉｎｇ １０００２９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｅｓｔａｂｌｉｓｈｉｎｇ ａｎ ａｃｃｕｒａｔｅ ｎｏｎｌｉｎｅａｒ ｍｅｃｈａｎｉｓｍ ｍｏｄｅｌ ｉｓ ｔｈｅ ｋｅｙ ｏｆ ｏｐｔｉｍａｌ ｒｅｇｕｌａｔｉｏｎ ｉｎ ｆｅｒｍｅｎｔａｔｉｏｎ
ｐｒｏｃｅｓｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｆｅｒｍｅｎｔａｔｉｏｎ ｐｒｏｃｅｓｓ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ａｎ ｉｍｐｒｏｖｅｄ ｐａｒｔｉ—
pscad案例讲解
pscad案例讲解
PSCAD案例讲解
1. 风电场并网系统仿真
在该案例中，使用PSCAD对风电场并网系统进行仿真。通过建立风电场模型和电网模型，可以模拟风电场接入电网的过程，并分析系统的稳定性、电压波动等关键指标。
2. 电动汽车充电桩建模
该案例中，使用PSCAD对电动汽车充电桩进行建模和仿真。通过模拟充电桩的工作原理和电动汽车的充电过程，可以评估充电桩的性能、功率需求等关键参数，并优化充电桩的设计。
3. 太阳能光伏发电系统仿真
通过PSCAD对太阳能光伏发电系统进行仿真，可以模拟光伏阵列的工作原理、电池组的充放电过程以及逆变器的工作特性。该仿真可以评估光伏发电系统的发电能力、电池组的容量等关键指标。
4. 电力电子变流器建模与仿真
该案例中，使用PSCAD对电力电子变流器进行建模和仿真。通过模拟变流器的工作原理和控制策略，可以评估变流器的输出性能、谐波失真程度等关键指标，并优化变流器的设计和控制算法。
5. 输电线路短路故障仿真
通过PSCAD对输电线路的短路故障进行仿真，可以模拟故障发生时的电流、电压等参数变化，评估故障对系统的影响，并设计合理的保护措施。
6. 电力系统稳定性分析
使用PSCAD对电力系统的稳定性进行分析，通过建立电力系统的模型，模拟系统的运行过程，评估系统的动态响应、稳定性边界等关键指标，并优化系统的控制策略。
7. 智能电网建模与仿真
在该案例中，使用PSCAD对智能电网进行建模和仿真。通过模拟智能电网中的各种组件和控制算法，可以评估智能电网的性能、可靠性等关键指标，并优化智能电网的设计和运行策略。
8. 小型水力发电站仿真
通过PSCAD对小型水力发电站进行仿真，可以模拟水轮机的工作原理、发电机的输出特性以及整个发电系统的运行过程。该仿真可以评估发电站的发电能力、水源供给等关键指标。
9. 变压器故障仿真
使用PSCAD对变压器的故障进行仿真，可以模拟变压器的故障类型和故障时的电流、电压等参数变化。该仿真可以评估故障对变压器和系统的影响，并设计合理的保护措施。
改进的PSO在补偿电容器优化配置中的应用
电力自动化
改进的ＰＳＯ在｛；Ｉ１Ｉ偿电容器优化配置【ｌ】的应用
黎瑜新 ，王黎。，郭惠敏。，李强。
（１．广西电网公司物资分公司招标中心，广西南宁 ５３００２３；２．华北电力大学 电力工程系，北京
昌平 １０２２０６；３．河南省信阳市变电检修部，河南信阳４６４０００）
［摘要］在建立电容器优化配置问题的非线性整数规划模型时，考虑了电压谐波畸变率３，ｔ束条件，以保证优
化方案下的各节点电压总谐波畸变率控制在规定限值以内。应用了一种简单有效、收敛性很好的演
化计算算法一微粒群优化算法（Ｐ￣Ｏ）进行问题的求解。从编码方式、操作过程、目标函数选取、
参数调节以及信息共享机制等５个方面分析了该算法的优越性，并给出了用于电容器优化配置问题
中算法的具体求解步骤。
关键词微粒群优化算法电容器配置谐波畸变率
０引言 １ ＰＳＯ算法及其改进
在配电网中安装电容器能够有效地降低网损，
调节电压，提高系统安全稳定性和增加系统容量。
其经济效益通过电容器的优化配置获得，即确定电
容器的安装数量、位置、类型和在不同负荷水平下
的控制策略，使得在负荷和运行条件的限制下获得
某种目标函数的最优值，这就是电容器优化配置问
题。
电容器的优化配置问题是一个非线性整数优化
问题，其目标函数和约束条件都是离散控制量的非
线性函数，因而难以用传统规划方法进行问题的精
确求解。近年来，以遗传算法为代表的演化计算技
术的发展为解决这类优化问题提供了新的途径。本
文提出一种考虑谐波影响的电容器优化配置问题的
非线性整数规划模型，并应用微粒群优化算法进行
求解，针对问题中的离散控制量对算法作了离散化
处理，解决了ＰＳ０算法用于整数优化或混合整数优
化的问题。
收稿日期：２００５・１２—２Ｏ 作者简介：黎瑜新（１９７８－），男，硕士，从事人工智能算
法在电力系统中的应用研究；
王箨（１９８２一），女，硕士，从事人工智能在电力系统中的 应用；
智能优化算法论文解读和复现（一）：MOPSO
智能优化算法论⽂解读和复现（⼀）：MOPSO
⼀、MOPSO论⽂精读
⾸先附上原⽂链接：摘要
粒⼦群优化(Particle Swarm Optimization,PSO)是⼀种模拟鸟类飞⾏寻⾷机制，并基于种群迭代的启发式智能优化算法。原始的PSO算法被设计为专门解决单⽬标优化问题，本⽂的主要⼯作就是将PSO这⼀算法扩展应⽤到解决多⽬标优化问题的领域中去。主要的实现⽅法包括：
1.通过引⼊帕累托占优(Pareto Dominance)的概念来决定粒⼦的飞⾏⽅向。
2.通过维持⼀个全局⾮⽀配解向量的档案库来修正其他粒⼦的飞⾏⽅向。引⽂
随着启发式优化技术的蓬勃⽣长，⼀个重要的研究⽅向就是设计⼀些更有效率的算法来保证具有较好收敛性的同时让解的多样性得以维持，PSO就是其中⼀种。在这篇⽂章中，原作者提出了⼀种多⽬标粒⼦群优化(Multi-Objective Particle Swarm Optimizaton)算法，让PSO能够解决多⽬标优化问题。这个算法基于种群迭代，并且额外维持了⼀个档案库(repository)和⼀些基于地理(geographically-based)的⽅法来维持解的多样性。原作者将MOPSO在⼀些基本测试算例上进⾏了数值实验，并与帕累托存档进化算法(Pareto Archive Evolution Strategy,PAES)和⾮⽀配排序遗传算法(Nondominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)进⾏了⽐较。粒⼦群优化
略。⽅法描述
PSO和进化算法的相似性让引⼊帕累托排序⽅法来将PSO拓展到多⽬标算法成为了最直接的改进⽅案。对⼀个个体历史最优解的记录可以被⽤来存储迭代中产⽣的⾮⽀配解（类似于多⽬标进化算法中精英机制的概念）。全局吸引机制的使⽤和对历史⾮⽀配解的保存会更可能让最终结果向全局⾮⽀配解收敛。
所以，原作者的基本思想就是建⽴⼀个全局资料库来让每个粒⼦在每次迭代后保存⾃⼰的飞⾏经验。此外，对这个资料库的更新会使⽤⼀种对每个个体计算得到的⽬标函数值决定的地理系统来进⾏。这个技术是受帕累托存档进化策略算法的启发得到的。这个机制曾经⽤来让每个粒⼦识别应该跟随的能指引搜索过程的leader；在本⽂中，原作者⽤这种⽅法来让每个粒⼦可以选择不同的向导进⾏搜索。