基于节点撕裂和化学反应优化算法的接地网故障诊断

针对接地网故障诊断准确率不高的问题,结合电网络理论、虚拟分子理论和化学反应优化算法,提出了基于节点撕裂和化学反应优化算法的接地网腐蚀故障诊断方法。根据接地网的拓扑结构,将接地网撕裂成若干个子网络和自由支路,建立故障诊断多目标优化模型;将Logistic映射融入化学反应优化算法中,构建了一种新的化学反应优化算法,并运用该算法对所构建的故障诊断模型进行求解。仿真结果表明,所提方法故障诊断准确率高,能有效诊断接地网故障。     

一种模糊自适应粒子群优化在配电网规划中的应用

根据以配电网最小网损为目标函数建立的规划模型，提出将一种模糊白适应粒子群优化算法应用于配电网规划中。针对迭代过程中二进制粒子群算法会产生大量不可行解的问题，通过建立节点分层矩阵进行辐射状判断和配电网潮流计算。IEEE16节点算例结果表明，优化算法使配电网更经济运行，且模糊自适应粒子群优化算法较基本粒子群优化算法收敛速度...     

基于最小二乘支持向量机的短期负荷预测

针对当今人工智能短期负荷预测方法存在的缺陷,提出了一种最小二乘支持向量机(LS-SVM)短期负荷预测方法,即建立最小二乘支持向量机(LS-SVM)回归模型。在选取该模型训练样本时,为了提高预测精度,采用灰色关联投影法来选取相似日。同时,针对标准粒子群优化算法易陷入局部最优的缺点,提出自适应变异粒子群优化算法来选择最小二乘向量机的参数,从而提高了负荷预测精度,避免了对模型参数的盲目选择。仿真结果分析表明,该方法有效、可行。     

利用分块模型的接地网撕裂法故障诊断

为了便于接地网故障诊断,通常对大规模的接地网采用电路网络理论中的撕裂法进行分解,从而将大规模的接地网撕裂分解成若干个小规模子网络分别诊断,以提高诊断效率。然而传统的撕裂方法会对撕裂边界的接地网支路的故障诊断可测性产生影响。因此分析了传统撕裂法对接地网故障诊断可测性的影响原因,提出了一种基于分块模型理论的分块撕裂故障诊断方法,从而避免了传统撕裂方法对接地网诊断时的可测性影响。首先定义了块及其原形、不确定支路组及其原形等概念,在此基础上,提出了一种接地网分块撕裂的基本原则和分块故障诊断方法。在各个块中,基于面向各个节点分区的测试数据,采用线性最小二乘法求解与各块相关的本征支路电阻,确定各块中的明晰支路电阻,对于不确定支路还可采用二分法求出不确定支路电阻的取值范围。提出的方法将接地网拆分成若干个小规模的子网络进行求解,不仅可以提高计算效率,还可减少量测误差对测试结果的交叉干扰影响,且避免了以往求解本征支路电阻的非线性迭代过程。在陕西渭南东330 kV变电站的一个38条支路的实验接地网上进行了实验验证,结果表明所建议方法是可行的,能够有效减少测试工作量,提高故障诊断效率。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于动态混沌粒子群的接地网腐蚀分块诊断方法

分析和总结了目前现有的接地网腐蚀诊断方法,提出了基于动态混沌粒子群优化算法的分块诊断方法。该方法针对不规则接地网拓扑结构,将其分块成规则的子模块,并根据电路分析原理,建立了数学关系模型及诊断方程组。通过诊断模型的优化和采用动态混沌粒子群优化算法来求解,以搜索全局最优解。该方法降低了诊断方程组的病态程度,提高求解精度。通过适应度评价准则动态增减混沌粒子数目,从而达到既提高了求解精度和加快求解速度的目的。通过某变电站地网结构的实际算例分析,证明了该算法的可行性。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于动态混沌粒子群的接地网腐蚀分块诊断方法

分析和总结了目前现有的接地网腐蚀诊断方法,提出了基于动态混沌粒子群优化算法的分块诊断方法.该方法针对不规则接地网拓扑结构,将其分块成规则的子模块,并根据电路分析原理,建立了数学关系模型及诊断方程组.通过诊断模型的优化和采用动态混沌粒子群优化算法来求解,以搜索全局最优解.该方法降低了诊断方程组的病态程度,提高求解精度.通过适应度评价准则动态增减混沌粒子数目,从而达到既提高了求解精度和加快求解速度的目的.通过某变电站地网结构的实际算例分析,证明了该算法的可行性.     

接地网的分块模型及分块故障诊断

为了便于接地网故障诊断,建立了接地网的分块模型,定义了块及其原形、不确定支路组及其原形、块的投影和节点分区等概念;在此基础上,提出了一种基于分块模型的分块故障诊断方法,根据接地网中拟需诊断的支路分布确定接地网中参与诊断的块及其投影和分区;基于面向各个节点分区的测试数据,采用线性最小二乘法求解出各个块内的本征支路电阻,确...     

粒子群优化算法与灵敏度分析在电力系统无功优化中的研究

分析应用粒子群优化算法的优缺点以及实际应用可行性,选取的目标函数是系统的有功网损最小,求出各节点的有功网损对无功的灵敏度,将灵敏度高的节点作为无功补偿节点,建立无功优化模型,采用粒子群算法进行求解。最后对典型系统IEEE-14节点系统的优化结果表明该算法和模型的有效性。     

含抽水蓄能电站的互联电网负荷频率自抗扰优化控制研究

针对发电能源结构的多元化发展给互联电网负荷频率的稳定性控制带来较大的挑战,建立含抽水蓄能电站的两区域互联电网多元混合发电的负荷频率控制模型,提出一种基于粒子群优化算法的负荷频率线性自抗扰控制器参数整定优化策略,通过粒子群算法的迭代寻优计算获得最优的线性自抗扰控制器参数。考虑互联电网各区域发生不同的负荷扰动,在抽水蓄能电站的抽水和发电2种工况下,对所提出的控制方法进行系统仿真。仿真结果表明,通过粒子群算法优化的负荷频率线性自抗扰控制器,与传统PI控制器对比,前者具有更强的抗扰动能力和适应性,系统动态稳定性更好。     

基于节点不平衡功率的粒子群潮流转移控制算法

通过将潮流转移的校正控制转化为非线性规划问题,提出了基于节点不平衡功率的潮流转移控制算法。首先将常规优化问题中的功率平衡等式转化为节点不平衡功率,作为优化目标处理,避免了常规人工智能优化算法中必须先满足潮流等式后再优化求解的弊端,提高了计算速度;然后应用信息充分交流的粒子群优化方法求解该模型。为了克服粒子群算法的早熟,采用混沌序列初始化粒子位置,发生早熟停滞时进行混沌寻优,以增强搜索多样性。该方法可同时计及实施过程中的各种约束。系统负荷较重时,常规方法无法使用,但文中所述算法依然有效。利用新英格兰39节点系统验证了该方法的有效性。     

A proposed grey model for short-term electricity price forecasting in competitive power markets

In order to improve the performance of traditional grey models for short-term electricity price prediction in competitive power markets, a novel grey model, named PGM(1,2,a,b), is proposed in this paper. In the proposed model, the reference sequence is determined with correlation method. Furthermore, considering the limitation of the least square method (LSM), particle swarm optimization algorithm (PSO) is adopted to identify the parameters instead of LSM. To demonstrate the superiority of the proposed model, public available data coming from Nordpool, California, and Ontario power markets were used for training and testing. Simulation results show that the proposed model is capable of forecasting short-term electricity price efficiently and accurately.     

采用自组织RBF网络算法的变压器故障诊断

针对以往神经网络常采用试凑法设计网络节点的缺陷,提出了一种自组织径向基函数(RBF)神经网络算法。该算法首先通过模糊C-均值(FCM)算法得到初始的RBF神经网络节点数和中心向量,再利用经Gaussian随机分布改进的粒子群优化(PSO)算法对初始RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织RBF神经网络算法进行了仿真测试,证明该算法对于提高分类精度和优化RBF神经网络结构有一定的作用。最后,将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中,结果证明所提的自组织RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。     

变电站地网缺陷诊断优化算法研究

介绍了目前地网缺陷检测的方法和存在的问题,提出了一套创新的可以在实际接地网故障诊断项目中应用的诊断方法。该诊断方法建立了非线性、超定优化数学模型,引入了改进的概率搜索算法,将经典确定性优化算法和现代概率搜索优化算法结合起来,有效地解决了接地网故障诊断中的大容差、多故障、非线性、多解、病态等难题。该研究方法通过了大量仿真计算、模拟地网试验和现场实际测试,表明这种新方法是有效可行的。     

电力系统经济负荷分配的混沌粒子群优化算法

提出一种新的混沌粒子群优化(CPSO)算法,将其用于求解复杂的电力系统经济负荷分配(ELD)问题。该算法保持了粒子群优化(PSO)的简单结构,先利用PSO算法的全局收敛能力进行搜索,以获得近似解(即粒子经过的最佳位置),然后利用混沌优化的混沌运动特性在近似解的邻域内进行局部搜索,从而获得精确的全局最优解。多个算例的仿真结果表明,该算法能快速有效求取电力系统ELD问题更精确的最优解。     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

基于细菌觅食算法优化的电力变压器故障诊断技术

针对支持向量机(SVM)分类性能受参数影响,且最优参数难以获取这一问题,提出一种基于细菌觅食算法(BFA)的电力变压器故障诊断模型的参数寻优方法。该方法以电力变压器油中特征气体含量作为状态评价样本,通过BFA寻找全局最优SVM参数解,构建k-折平均分类准确率目标函数,建立变压器故障诊断模型。仿真结果表明,BFA对SVM最优参数的选取较遗传算法(GA)、粒子群算法(PSO)更迅速,且优化后的SVM电力变压器故障诊断模型具有更高的精确度;利用BFA优化方法建立的SVM电力变压器状态诊断模型,对IEC三比值法中无法判断的数据也可进行精确诊断。最后,通过实例分析,验证了方法的有效性。     

220kV迪光变电站接地网故障诊断优化分析

针对传统变电站接地网故障诊断分析中,存在因实测误差导致收敛性不足,存在大量误诊断的情况。本文针对中山市220kV迪光变电站接地网(采用ф22型镀锌钢铺设)实际故障情况,采用基于Matlab的最优化遗传算法(Genetic Algorithm,简称GA),对迪光变电站接地网系统故障进行诊断。遗传算法经过5000次迭代以后,具有迅速收敛性,大大提高了工作效率,使能够迅速的找出故障所在位置。