基于QPSO算法的电力载波通信自适应阻抗匹配

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (1): 228-233.

基于QPSO算法的电力载波通信自适应阻抗匹配

宋建立，谭阳红，张海霞，贾庸，于辉

湖南大学电气与信息工程学院，长沙 410082

出版日期:2015-01-01 发布日期:2015-01-06

Adaptive impedance matching for power line communication based on quantum particle swarm optimization

SONG Jianli, TAN Yanghong, ZHANG Haixia, JIA Yong, YU Hui

College of Electrical and Information Engineering, Hunan University, Changsha 410082, China

Online:2015-01-01 Published:2015-01-06

摘要/Abstract

摘要： 电力载波通信技术是电力系统中的重要通信手段，针对电力载波通信中阻抗失配问题，提出一种基于量子粒子群算法的电力载波通信自适应阻抗匹配模型。采用[∏]型网络结构，有效地消除了匹配禁区问题，能够快速精准地获得匹配结果。针对遗传算法收敛速度慢、优化精度不高的缺陷，对量子粒子群算法在非对称区间进行分层变异改进处理，并将其应用于自适应阻抗匹配元件参数值的优化。测试结果表明此方案在阻抗匹配的精度和时间方面都有很大的提高，解决了电力线阻抗变化的问题，满足了电力载波通信在精准性、高效性和实时性的要求，在工程实践中具有一定的理论意义和应用价值。

关键词: 自适应阻抗匹配, 电力载波, 量子粒子群算法, 非对称变异

Abstract: Power Line Communication（PLC） technology is an important communication method which has been extensively used in power system. In order to solve the impedance mismatch of PLC system, an adaptive impedance matching model for power line communication based on Quantum Particle Swarm Optimization（QPSO） has been proposed. With the help of [∏] type matching network, PLC system can effectively eliminate matching restricted areas and get very accuracy matching results and fast matching speed. Dealing with the asymmetrical region by the variation, an improved quantum particle swarm optimization algorithm is proposed. Compared with GA（Genetic Algorithm）, QPSO is employed in the impedance match because of fast convergence and satisfactory solutions. Test results indicate that the accuracy and the velocity of impedance match for PLC have been greatly improved, which effectively overcome the impedance mismatch of PLC system. Therefore, it will provide a perfect significance and application value in the engineering practice.

Key words: adaptive impedance matching, power line communication, quantum particle swarm optimization, asymmetrical variation

宋建立，谭阳红，张海霞，贾庸，于辉. 基于QPSO算法的电力载波通信自适应阻抗匹配[J]. 计算机工程与应用, 2015, 51(1): 228-233.

SONG Jianli, TAN Yanghong, ZHANG Haixia, JIA Yong, YU Hui. Adaptive impedance matching for power line communication based on quantum particle swarm optimization[J]. Computer Engineering and Applications, 2015, 51(1): 228-233.

[1]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[2]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[3]	陈佳瑜，李梁，罗云. 采用多样性选择的量子粒子群双向聚类算法[J]. 计算机工程与应用, 2018, 54(9): 42-46.
[4]	唐亮1，2，仲元昌2，沈甲甲2，马天智2. 粗糙集和支持向量机的表具识别算法研究[J]. 计算机工程与应用, 2018, 54(2): 253-258.
[5]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[6]	欧阳龙，杨剑锋，徐俊，郭成城. 基于CRQP的多小区OFDMA系统联合资源分配算法[J]. 计算机工程与应用, 2017, 53(5): 121-127.
[7]	靳雁霞，任超，李照，程思岳，王贺，韩慧妍. 融合智能算法的变形体碰撞检测算法研究[J]. 计算机工程与应用, 2017, 53(19): 130-135.
[8]	苑帅，沈西挺，邵娜娜. 引入人工蜂群搜索算子的QPSO算法的改进实现[J]. 计算机工程与应用, 2016, 52(15): 29-33.
[9]	张拓1，王建平2. 基于CQPSO-LSSVM的网络入侵检测模型[J]. 计算机工程与应用, 2015, 51(2): 113-116.
[10]	张明光，王世亮. 基于BQPSO的电网多目标优化规划[J]. 计算机工程与应用, 2015, 51(18): 266-270.
[11]	刘甲甲，王凯，袁建英，江晓亮，李柏林. 铁路扣件图像检测中的RBF-SVM模型优化[J]. 计算机工程与应用, 2014, 50(15): 30-33.
[12]	段明秀. QPSO优化的改进CLARANS聚类算法[J]. 计算机工程与应用, 2013, 49(9): 168-170.
[13]	黄震. 混合量子粒子群算法求解车辆路径问题[J]. 计算机工程与应用, 2013, 49(24): 219-223.
[14]	陈建宏，周汉陵，于凤玲，杨珊. 改进的QPSO-BP算法的铀价格预测模型及应用[J]. 计算机工程与应用, 2013, 49(21): 235-239.
[15]	冯华丽1，刘渊1，2，陈冬1. QPSO算法优化BP网络的网络流量预测[J]. 计算机工程与应用, 2012, 48(3): 102-104.