基于雅可比矩阵逆预处理的快速潮流计算方法

随着电网规模变大，利用稳定双共轭梯度法（Bi-CGSTAB）求解潮流计算中的修正方程组时，收敛速度会变得很慢。通过寻找合适的预处理矩阵是解决问题的关键。研究了雅可比矩阵预处理方法，针对牛顿法求解潮流过程中雅可比矩阵的变化特性，提出将第一次外迭代的雅可比矩阵逆作为预处理矩阵，并与稳定双共轭梯度法相结合，提高潮流计算的收敛速度。借助InterPSS电力系统仿真软件，对IEEE118、IEEE162、IEEE300和一个欧洲大陆真实电力系统进行仿真计算，验证了在处理大规模电网时，所提方法相对稀疏近似逆预处理具备更好的有效性。     

基于Matpower的潮流计算方法

介绍了Matpowe嗽件的基本操作方法,并通过实际分析和计算,说明了Matpower软件在电力系统分析中的优越性,同时介绍YMatpower软件应用简易、计算精度高、准确快速和直观明了等特点。     

基于牛顿-拉夫逊电力系统潮流计算的改进算法

牛顿-拉夫逊法是求解非线性代数方程有效的迭代计算方法,广泛应用于现代电力系统安全分析、故障诊断与控制的潮流计算中。为提高牛顿-拉夫逊潮流计算方法的快速性和收敛精度,本文提出一种改进的牛顿-拉夫逊潮流计算法,并通过IEEE14和IEEE30节点测试系统分析表明与传统方法相比该方法所具有的优点。     

基于二级多重分裂迭代法的配电网并行潮流计算方法

根据图论理论及电网络拓扑分析中的树生成方法,并结合配电网少环这一特征,以树为基本单元将含有环网的配电网分解成一组相互独立的子系统,每个子系统又分解为树和补树。在此基础上,利用二级多重分裂迭代法对分解的子系统进行分解和协调计算,从而导出一种新颖的配电网并行潮流计算方法。以IEEE33节点系统和一个实际的中等规模配电系统为例,利用计算机网络对所提出的算法进行并行装配和测试,验证这一全新算法的有效性。     

基于梯度蜂群混合算法的电力系统最优潮流计算

针对电力系统最优潮流计算的问题提出一种基于梯度蜂群混合算法GABC.利用梯度算法的快速寻优特性得到某一局部极值,然后采用蜂群算法的全局寻优能力跳出该局部极值,并经过反复交替迭代最终找到问题的最优解.通过对IEEE5节点系统的计算结果表明改进后的人工蜂群算法可较好的处理最优潮流约束条件,有效提高基本蜂群算法的全局寻优能力...     

基于改进人工鱼群最优潮流计算

基于改进人工鱼群算法（Modified Artificial Fish Swarm Algorithm,MAFSA）对电力系统进行最优潮流计算的方法；在整合动态调整罚函数方式，将最优潮流转化为一无约束求系统发电费用最小的极值问题，为了提高算法收敛精度，对人工鱼群中参数一补偿和拥挤度因子进行改进。仿真计算结果表明算法有效...     

基于MTL的电力系统潮流计算

潮流计算是电力系统分析中的一项重要的功能,是进行电力网络、故障分析的必要工具,本文研究了采用MTL4标准矩阵库的方法实现潮流计算,电力系统的数学建模以牛顿-拉夫逊方法为基础,在VS2008中采用C＋＋结合MTL4库的方法实现潮流计算,能较为有效地降低程序的复杂程度并提高计算速度。     

基于MATLABGUIDE的电力系统潮流计算

潮流计算是电力系统分析中最基本和最重要的一种计算。对电力系统的数学建模以牛顿-拉夫逊法为基础,通过改进雅可比矩阵的分块方式以利于计算机编程。以MATLAB开发潮流算法程序,利用MATLAB内置的可视化编程工具GUIDE开发潮流计算程序界面,并给出了相关实例。     

线性系统求解中迭代算法的GPU加速方法

在求解线性系统时,迭代法是一种基本的方法,特别是在系数矩阵为大规模稀疏矩阵的情况下,高效地使用迭代法求解变得十分重要。本文通过分析迭代法的一般特点,提出了使用具有强大计算能力和存储带宽的GPU加速迭代法的一般方法。利用这些方法,在两种主流GPU平台上实现了一个经典的迭代法PQMRCGSTAB,并且针对不同的GPU平台特点提出了具体的优化方法。与AMD Opteron 2.4GHz 4核处理器相比,双精度版本的PQMRCGSTAB算法经NVIDIA Tesla S1070加速后性能提高31倍,经AMD Radeon HD 4870 X2加速后性能提高9倍。     

基于SIP 算法的暂态稳定约束最优潮流计算

提出一种基于约束转换方法的建立暂态稳定约束最优潮流(OTS)的算法.运用函数转换技术等价变换OTS为半无限优化(SIP)问题,转换后的SIP问题与常规的最优潮流(OPF)具有相同的维数;基于有效集策略设计了转换后SIP问题的迭代法,该方法减少了子问题中不等式约束的个数.电力系统的2个数值仿真例子验证了所提出算法的有效性.     

三维互连阻抗的混合边界积分方程提取算法

基于混合边界元三维互连阻抗提取方法,针对其离散线性方程组的特点,提出有效的稀疏矩阵组织和矩阵行列调整技术,以及一种预条件迭代求解技术,这些技术结合起来形成了一种有效的三维互连阻抗提取算法.该算法在保证计算精度的同时,速度优于MIT最新的提取算法FastImp.最后通过2个典型互连结构的数值实验验证了该算法的有效性.     

改进牛顿法大规模电力系统潮流计算

电网互联导致电力系统规模不断扩大,对牛顿法进行潮流计算提出了更高的要求。探讨5种改进牛顿法应用到大规模电力系统潮流计算中。经IEEE 300、Poland多个互联的大规模电力系统共6个算例分析表明,算法1和算法2改善了初值范围,同样的迭代次数下,收敛精度较经典牛顿法高,但计算时间较经典的牛顿法并未明显提高;算法3和算法4提高潮流计算的速度和收敛精度。经UCTE 1254病态系统测试,算法3较算法5能高效地处理病态潮流问题,因而更适合于大规模电力系统潮流计算。     

基于流计算的电力调度网络流量监测平台

由于电力调度网出现任何网络故障都可能发生极度严重的事故,因此具有的极高可靠性及安全性的要求.而当前传统的网络监测系统在面对大数据量时,其实时处理能力和扩展能力都无法满足需求.因此对实时产生的大规模各类型数据的分析处理则需要一种专门的实时数据分析平台完成.本文结合电力调度信息网络的特点以及监测准确性及实时性的需求,构建出一个基于流计算的数据处理分析平台,以Apache Spark中的Spark Streaming为代表的开源流计算框架,加入如Kafka分布式消息队列、Redis内存数据库等组件,为数据分析平台提供稳定高效的数据来源和数据服务接口,从而实现适用于电力调度网的各类海量数据的实时分析处理完成流量异常监测场景.     

基于运行可靠性的潮流计算与发电再调度组合模型研究

针对离线可靠性评估存在的问题,通过对潮流计算和发电再调度模型的研究,提出了一种非常适用于在线运行可靠性评估过程的组合模型。RTS-24标准系统和某省级实际电网的算例测试结果表明,该组合模型不仅在计算精度方面满足了工程需要,更重要的是在计算时间方面表现出了较好的性能,具有较好的工程应用价值。     

基于流向标量场与快速扫掠法的图像分割

通过将梯度向量流(Gradient vector flow, GVF)场与种子区域生长(Seeded region growing, SRG)法相结合, 提出了一种快速的自动图像分割方法. 首先基于梯度向量流场构建一个流向标量场, 然后提出一种新型的快速种子区域生长分割法——快速扫掠法(Fast scanning method, FSM)对标量场进行初始分割, 最后采用区域邻接图对初始分割结果进行区域合并得到最终结果. 本方法分割速度快, 如采用一个快速的梯度向量流算法, 则可以用于实时应用. 实验结果证实了本方法的高效与鲁棒.     

基于颜色和纹理信息的快速前景提取方法

近年来,研究者们提出了许多算法来处理前景提取和图像抽取问题.然而,这些算法存在许多共同缺点:需要三元图作为输入、计算时间过长、大部分算法仅仅使用颜色信息等等.在这篇文章里,作者提出了一种新的快速多层次前景提取办法.首先,应用一种改进的多层次图分割算法,将输入图像粗略地分割为前景和背景两个部分.然后,使用信念传播算法(belief propagation)估计前景/背景交界处像素的不透明度.不同于通常的信念传播算法,在平滑项和颜色项之外,作者通过构造灰度共生矩阵引人了纹理信息.鉴于数码相机图像的分辨率仍在持续快速增长,作者提出的多层次图分割算法可以在加速上述计算过程的同时,获得可以和当前许多算法相媲美的局部最优解.实验结果证明文中所提出的算法对于大尺寸图像尤其有效.     

基于广义高斯分布的贝叶斯概率矩阵分解方法

贝叶斯概率矩阵分解方法因较高的预测准确度和良好的可扩展性,常用于个性化推荐系统,但其推荐精度会受初始评分矩阵稀疏特性的影响.提出一种基于广义高斯分布的贝叶斯概率矩阵分解方法GBPMF(generalized Gaussian distribution Bayesian PMF),采用广义高斯分布作为先验分布,通过机器学习自动选择最优的模型参数,并基于Gibbs采样进行高效训练,从而有效缓解矩阵的稀疏性,减小预测误差.同时考虑到评分时差因素对预测过程的影响,在采样算法中添加时间因子,进一步对方法进行优化,提高预测精度.实验结果表明：GBPMF方法及其优化方法GBPMF-T对非稀疏矩阵和稀疏矩阵均具有较高的精度,后者精度更高.当矩阵非常稀疏时,传统贝叶斯概率矩阵分解方法的精度急剧降低,而该方法则具有较好的稳定性.     

基于ARMA模型预测的交换机流表更新算法

针对SDN网络中交换机在网络流量高峰期流表匹配率低以及控制器负载过重的问题,提出了一种基于自回归移动平均（ARMA）模型预测的交换机流表更新算法。算法首先收集每个取样周期内的新增流表项数量作为历史数据,然后使用ARMA模型对收集的历史数据进行分析,预测下一个周期内新增加的流表项数量,并结合当前流表空间的使用情况,清除交换机中过去一段时间内使用频率较低的流表项。采用真实数据中心网络数据的模拟实验结果表明,与流表更新的一般方法相比,该算法有效地提高了交换机流表的匹配率,并减少了交换机与控制器之间交互的次数,降低了控制器端的负载。     

基于深度神经网络二阶信息的结构化剪枝算法

现有结构化剪枝算法通常运用深度神经网络(DNN)的一阶或者零阶信息对通道进行剪枝,为利用二阶信息加快DNN网络模型收敛速度,借鉴HAWQ算法思想提出一种新的结构化剪枝算法.采用幂迭代法得到经过预训练的网络参数对应Hessian矩阵的主特征向量,据此向量衡量网络通道的重要性并进行通道剪枝,同时对剪枝后的网络参数进行微调提...