基于滚动寻优动态规划的负荷优化分配研究

针对动态规划算法在负荷优化分配过程中存在的“维数灾”问题,对算法进行改进。在顺序造表阶段,利用前一阶段的优化信息,完成本阶段的优化计算,建立一种滚动的优化计算方法,以滚动寻优代替全域枚举寻优的方式构造负荷优化分配顺序表,再将构造好的顺序表用于机组逆序分配。改进后的算法减少了优化计算的计算量,提高了优化计算效率,高效准确地完成机组负荷优化分配任务。以贵州某电厂4台300MW机组和1台660MW机组为例进行计算,验证改进后算法的准确性以及算法改进的有效性。算例结果表明：采用滚动寻优方式可以有效减少优化计算量,减少优化计算耗时,提高计算效率。     

改进蜂群算法在大型电力变压器故障诊断中的应用

电力变压器故障危及电网供电安全,为提高其故障诊断精度,避免传统算法自身固有缺陷,提出了一种改进蜂群算法优化的BP神经网络故障诊断模型。首先改进传统蜂群算法,并将其与BP神经网络相结合以优化模型参数;然后将优化后的网络模型代入变压器故障识别中,以达到提高故障诊断准确率的目的。对比不同模型预测结果表明,所提模型与方法可实现对变压器故障的精确预测。     

基于IFOA-GRNN的电力系统短期负荷预测

考虑到电网负荷与诸多因素有关,设计了一种带有温度、气象、日期类型的广义回归神经网络（GRNN）负荷预测模型。为了提高该模型的预测精度,提出了一种改进果蝇优化算法优化广义回归神经网络（IFOA-GRNN）的方法,即在利用果蝇优化算法（FOA）进入迭代寻优时,通过改进搜索距离优化该算法的性能和稳定性。利用改进的FOA优化GRNN的光滑参数,然后利用训练好的预测模型对甘肃省某地区进行了短期负荷预测,并与FOA-GRNN和误差反向传播神经网络(BPNN)模型结果进行了误差比较。结果表明, IFOA-GRNN具有较高的预测精度,能够满足电力系统短期负荷预测的要求。     

基于RBF神经网络的面状水体识别模型及其应用

针对面状水体识别过程中面状水体数据特征不宜提取、伪洼地易与面状水体混淆的问题,通过分析面状水体的面积、深度和潜在出水口等基本DEM数据特征,构建了面状水体识别模型,并将面状水体的三个数据特征和面状水体识别模型的计算结果作为输入输出神经元,利用RBF神经网络对建立的面状水体识别模型进行了仿真验证。从全国1∶250 000 DEM数据中选取150组洼地数据作为样本数据,采用减聚类算法对RBF神经网络进行训练,训练时样本的最小平均相对误差为2.75%,仿真的准确率为98%,表明面状水体识别模型可解决面状水体和伪洼地难以区分的问题,并提高了面状水体识别的准确率。     

基于改进GP-GWO算法的电力负荷自动建模

负荷模型的建立是电力系统稳定性分析的重要环节,要求负荷模型既能准确反映负荷特征又要具有相对简单的模型结构。而目前的负荷模型往往是通过人工的方法来确定,具有很强的主观性。针对现有状况做出改进,提出将遗传算法和灰狼算法相结合的混合算法GP-GWO,实现电力负荷的自动建模。在使用遗传程序设计框架的基础上,首先用分层树结构表示复杂负荷函数模型。其次,由于灰狼算法具有较强的全局搜索能力和快速收敛能力,将改进GP算法与灰狼算法相结合,结合后的算法GP-GWO在优化模型参数、提高模型精度等性能方面有所提升。最后,从静态负荷模型和动态负荷模型中各选取一个算例,分别对其有功、无功进行建模、测试和评估,将GP-GWO算法结果数据与实验数据进行拟合对比,对比结果验证了该算法的可行性。     

考虑重要负荷孤岛的分布式电源优化配置

考虑到分布式电源的配置对重要负荷孤岛供电可靠性的影响,提出了集中度指标来描述孤岛划分效果。采用经济运行、电压稳定和集中度指标构建了多目标优化模型,并通过改进的初始种群NSGA-Ⅱ算法求解,得到Pareto解集。算例结果表明,考虑重要负荷后的配置方案能够得到更优的孤岛划分,有效提高了配电网可靠性。     

基于改进FOA LSSVM的变压器故障诊断

针对基于油中溶解气体（DGA）变压器故障诊断方法存在的不足,提出了改进果蝇算法优化LSSVM的变压器故障诊断方法。为克服果蝇算法易陷入局部极值、收敛精度低的缺陷,引入线性递减步长、变异操作和混沌搜索策略进行改进。建立了LSSVM变压器故障诊断模型,并用改进的果蝇算法优化参数。仿真试验及对比研究表明,改进模型可准确、有效地识别变压器故障类型,相较其他模型（BPNN、FOA PNN和FOA LSSVM）,该模型的准确率较高,更适合于变压器故障诊断。     

600 MW双机热电联供系统智能优化方法研究

以600 MW双机热电联供系统为研究对象,引入基于灰狼捕食行为模拟的群智能优化算法,针对其繁琐更新机制导致热电负荷分配时效性差的问题,进一步提出改进的灰狼优化算法(GGWO),利用前3等级狼的位置和高斯采样进行种群进化机制更新。通过EBSILON平台开展仿真试验,揭示600 MW双机热电联供系统的热电耦合特性和系统运行特性,并将改进的灰狼优化算法应用于该系统的热电负荷优化分配。结果表明：两台机组电负荷一定时,尽可能增大抽凝机组的抽汽供热量可减小系统总热耗量;通过智能热电负荷运行优化,可有效降低系统总热耗量,提高系统经济效益。     

基于改进型蚁狮混合优化系统模型负荷可调节能力预测

为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行...     

多输入输出多跳电力系统的负荷控制算法

在多输入输出多跳电力系统中,需要对电力传输节点进行负荷控制设计,提高电力系统的综合评估和控制能力。传统方法对电力负荷的控制方法采用多维子空间QoS预测算法,对多输入输出(MIMO)的电力传输节点的负荷预测精度不高。提出一种基于多跳节点子空间特征分解的电力系统的负荷控制算法。构建了多输入输出的电力负荷的时间序列信号模型,采用分数阶傅里叶变换对信号模型进行特征空间重构,在信号子空间中,采用高阶累积量对角切片负荷时间序列进行特征分解,在此基础上,采用多跳节点子空间特征分解对MIMO节点的电力系统负荷进行准确预测控制。仿真实验进行了性能验证,实验结果表明,采用该算法对电力系统负荷的控制品质较高,提高了对电力系统负荷的预测精度和调度能力。     

Applying a non-intrusive energy-management system to economic dispatch for a cogeneration system and power utility

Non-intrusive energy-management (NIEM) techniques are based on energy signatures. While such approaches lack transient energy signatures, the reliability and accuracy of recognition results cannot be determined. By using neural networks (NNs) in combination with turn-on transient energy analysis, this study attempts to identify load demands and improve recognition accuracy of NIEM results. Case studies are presented that apply various methods to compare training algorithms and classifiers in terms of artificial neural networks (ANN) due to various factors that determine whether a network is being used for pattern recognition. Additionally, in combination with electromagnetic transient program (EMTP) simulations, calculating the turn-on transient energy facilitate load can lead to identification and a significant improvement in the accuracy of NIEM results. Analysis results indicate that an NIEM system can effectively manage energy demands within economic dispatch for a cogeneration system and power utility. Additionally, a new method based on genetic algorithms (GAs) is used to develop a novel operational strategy of economic dispatch for a cogeneration system in a regulated market and approach the global optimum with typical environmental constraints for a cogeneration plant. Economic dispatch results indicate that the NIEM system based on energy demands can estimate accurately the energy contribution from the cogeneration system and power utility, and further reduce air pollution. Moreover, applying the NIEM system for economic dispatch can markedly reduce computational time and power costs.     

基于改进粒子群的超超临界机组负荷控制系统模型辨识

针对火电厂负荷控制系统因强耦合性强非线性等特点而难以对其建立精确热工模型的问题,结合工程实际分析三输入三输出负荷控制对象的动态特性,将免疫算法(Immunity Algorithm,IA)的免疫记忆功能引入粒子群算法(Particle Swarm Optimization,PSO),形成免疫记忆粒子群算法(Immune Memory PSO,IM-PSO)并运用在超超临界火电机组负荷控制对象的模型辨识中。辨识结果表明IM-PSO相对于普通PSO收敛速度提高了50%,收敛精度提高了6.08%,改善了PSO易早熟、粒子后期相似度过高的缺点,同时也验证了IM-PSO对于大型火电机组负荷控制对象辨识的有效性。     

基于膜聚类的改进极限学习机在短期负荷预测中的应用

针对历史数据样本存在无效性影响预测精度和极限学习机的输出随机性、稳定性较差的问题,提出了一种模糊膜聚类算法与改进极限学习机相结合的组合预测方法。考虑负荷自身特征、天气温度及日类型等指标,利用模糊膜聚类算法选取出与预测日具有相似特性指标的负荷数据作为负荷预测日的输入样本,运用经过粒子群算法及隐含层神经元个数遍历法改进后的极限学习机进行预测。试验结果表明,所提方法对两个地区的某日负荷进行预测时降低了预测误差,提高了短期负荷预测的准确性。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

基于GNBR算法的BP网络对绝缘子 运行状态预测研究

电力系统输电线路绝缘子运行中受到空气环境的污染,绝缘子表面污秽主要有大气中的盐密和灰密成分,不同地区不同环境下盐密和灰密对对绝缘子闪络电压影响具有非线性关系,为了较好辨识此非线性关系,运用基于GNBR算法的BP神经网络诊断该非线性关系,BP网络中采用GNBR算法,使网络具有很好的收敛性和很高的辨识精度,解决了BP网络局部最优、训练速度慢和辨识精度低的问题。实验结果表明设计的基于GNBR算法的BP神经网络能够很好地辨识绝缘子污秽对闪络电压的影响关系。     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

Multi-stage power source and grid coordination planning method considering grid uniformity

Given the increasing uncertainties in power supply and load, this paper proposes the concept of power source and grid coordination uniformity planning. In this approach, the standard deviation of the transmission line load rate is considered as the uniformity evaluation index for power source and grid planning. A multi-stage and multi-objective optimization model of the power source and grid expansion planning is established to minimize the comprehensive cost of the entire planning cycle. In this study, the improved particle swarm optimization algorithm and genetic algorithm are combined to solve the model, thus improving the efficiency and accuracy of the solution. The analysis of a simple IEEE Garver’s 6-node system shows that the model and solution method are effective and feasible. Moreover, they are suitable for the coordinated planning of the power source and grid under a diversified nature of power supply and load.     

基于需求侧响应的配电网供电能力模糊综合评估

需求侧响应策略的引入可降低配电网峰值负荷和峰谷负荷差,提高其供电能力,但其提升作用的延续性一定程度上依赖于客户的主观意愿,从单一技术层面考察配电网供电能力的评估指标体系不再完全适用,对此引入供电生态可持续性指标,从电网技术性和服务性两方面对配电网供电能力进行综合评估。在需求侧响应模型中提出客户舒适性和支出合理性限制条件;考虑客户与电力系统之间生态的平衡情况,更新了配电网评估指标体系并采用重复潮流法计算相关指标;利用基于指标分层的模糊综合评估法对不同客户舒适性条件下配电网供电能力进行评估。通过算例对比分析,验证了所提供电能力评估指标体系的有效性和可行性,为制定需求侧响应策略提供了参考。     

Improved Cuckoo Search Algorithm for Solving Inverse Geometry Heat Conduction Problems

Cuckoo Search (CS) algorithm has shortcomings of weak local search ability, slow convergence speed, and low accuracy. In order to overcome these disadvantages, an improved CS algorithm based on Broyden–Fletcher–Goldfarb–Shanno (BFGS) algorithm (CS-BFGS) is proposed for solving inverse geometry heat conduction problems, and the physical field is the steady-state heat conduction. Firstly, the unknown initial boundary is evolved by Lévy flights and elimination mechanism. Then the BFGS algorithm is applied to minimize the objective function. Finally, the influences of random errors, measurement point number, and measurement point position on the inverse results are investigated. The results show that the CS-BFGS algorithm has higher accuracy and faster convergence speed than BFGS and CS algorithm. With the decrease of measurement errors, the increase of measurement point number, and measurement point position closer to the inverse boundary, the results become more accurate.