准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益。针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法。首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证。结果表明该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值。

为解决产品改造升级复杂度高、拆卸难度大等问题,在机电产品设计阶段引入影响产品改造升级相关因素,提出一种考虑改造升级风险的复杂产品模块智能聚类方法。从产品零部件的功能相关性、结构相关性、关联更改概率、拆卸相关性等方面定义零部件关联属性,建立产品零部件间综合关联矩阵;采用结合改进人工蜂群算法的密度峰值聚类算法求解模块划分方案,以模块划分质量为优化目标,实现截断距离的优选。以某型号升降电梯的零部件模块划分为例,验证了所提方法的可行性和有效性。

为了使机器人在复杂环境下规划出最优路径,提出了基于改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理;为适应复杂环境下路径规划,引入了小步长侦查蜂用于侦查跟随蜂可能前进方向的障碍物分布情况,根据侦查出的障碍物复杂度和节点与目标点距离对可行节点进行评分,得分大小作为跟随蜂选择下一节点的依据,这样就可以使跟随蜂成功避开障碍物复杂区域。使用改进算法进行路径规划,将规划结果与传统蚁群算法和传统人工蜂群算法比较,改进人工蜂群算法规划路径最短,且算法耗时最少。