基于Visio图形化的继电保护整定计算软件的研究

本文提出并研究了一种以Microsoft Visio2003图形软件为平台,利用VBA进行二次开发的图形化继电保护整定计算软件的新技术和新的实现方法.介绍了通用的图形化继电保护整定的各种模具和整定计算界面,以及电气接线图的电网拓扑结构识别的算法,为各种电气计算软件的开发奠定了基础.     

无功优化软件图形平台集成的研究

在无功优化系统中需要管理母线、交流线、负荷等设备数据 ,需要以文本和图形两种不同方式显示和管理。目前主要的无功优化软件对于文本方式和图形方式是分开管理的 ,给使用带来不变。该文采用面向对象的编程思想 ,针对无功优化系统设备数据的文本和图形处理特点 ,设计了完整的基础类层次结构。在图形平台的研究中 ,阐述了设备图元绘制方法 ,和自动布线的处理 ,引用图层的概念有效管理设备图形 ,最后采用管理树的方式将文本方式和图形方式有效地集成在一起     

配电网无功优化软件的设计

关于优化配电网的质量问题,针对目前配电网无功补偿普遍缺乏合理的无功规划,导致运行电压较低及较大的线损的问题,迫切要求改善现有配电网无功优化的现状,为有效地提高现有无功补偿装置的效率,提升配电网运行电压以及降低线损。结合配电网绝大部分线路是放射状的实际情况,以辐射型网络潮流的分层前推回代算法分析计算配电网的潮流,在潮流结果的基础上根据无功精确矩确定无功补偿点及补偿容量,通过重复多次计算得到最优方案。通过vb6.0软件建立电网拓扑模型,结合理论分析,并进行仿真。仿真结果证明,补偿效果较好,软件已在韶关市配电系统中得到试用,并具有良好的实用性,无功优化效果良好。     

基于粒子群优化算法的电力系统无功优化

针对粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题,结合全局-局部最优模型,提出一种改进的全局-局部参数最优粒子群优化算法。利用全局-局部最优惯性权重及全局-局部最优加速度常数,简化速度更新方程,使算法性能得到改善。将该算法应用于电力系统无功优化中,仿真结果表明,网损平均值更低,寻优性能更好,优化的网损值集中在较小的区间。     

基于随机自适应粒子群算法的电力系统无功优化

无功优化是保证电力系统安全经济运行的有效手段,是提高电力系统电压质量的重要措施之一。本文首先介绍无功优化的一般数学模型,然后重点分析粒子群优化算法的组成结构与工作原理,进而提出一种改进的粒子群优化算法。该算法采用随机自适应策略,能够对当前所产生的局部最优值进行变异,再重回粒子群算法中搜寻全局最优值,从而可以有效改善传统粒子群算法求解电力系统无功优化问题时存在的收敛精度不高、容易陷入局部最优等不足,一定程度上提高了粒子群算法的寻优能力。最后,通过在IEEE 30节点上进行仿真实验比较,结果表明该算法是可行和有效的,达到了提高供电质量、降低线损的目的。     

遗传算法在电力系统无功优化中的应用及研究

该文阐述了将遗传算法应用于电力系统无功优化模块中,目的是可以有效地降低电力系统网络有功损耗,提高系统的电压合格率,从而降低电力网络运行费用,提高供电质量。     

基于APSO算法的电力系统无功优化

针对粒子群优化算法易早熟收敛的缺点,提出一种自适应粒子群优化算法(ASPO),将物种的概念引入种群多样性测度中,利用种群多样性信息对惯性权重进行非线性的调整,并引入速度变异算子和位置交换算子,增强算法的全局收敛性能。将APSO算法应用于电力系统无功优化,对IEEE-30节点系统进行仿真计算,仿真结果表明,系统网损从5.988 MW降到4.889 MW,下降率为18.36%,算法的收敛精度和收敛稳定性均较当前常用方法有明显的提高。     

遗传算法在电力系统无功优化中的应用及研究

该文阐述了将遗传算法应用于电力系统无功优化模块中,目的是可以有效地降低电力系统网络有功损耗．提高系统的电压合格率．从而降低电力网络运行费用,提高供电质量。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

一种基于遗传算法的电力系统无功优化规划

遗传算法是一种基于自然选择规律的优化方法。文章针对电力系统长期存在的无功优化问题,提出了基于遗传算法的无功优化规划算法。该方法弥补了以往无功补偿规划没有考虑系统最小负荷方式和事故情况下无功补偿要求、以及不同年份下由于负荷变化对补偿有不同要求的缺陷。计算结果表明该算法合理、有效。     

基于Visio平台的故障树自动建模软件开发

故障树分析(FTA)是概率安全评价方法(PSA)的主要方法,故障树建模则是整个分析过程最基本也是最繁琐的一个过程。而PSA主要应用在对可靠性要求极高的系统上,诸如航天航海系统和核电厂数字化仪控系统。这类系统往往规模大、结构复杂、相关性高,对其进行故障树建模的工作艰巨而繁琐。人为完成将会耗费大量人力物力,且正确性无法保障。通过开发故障树自动建模软件,使故障树建模过程自动化,减少PSA分析的前期准备时间,提高PSA分析的效率,降低人因失误的概率。