最优潮流问题的解耦半光滑牛顿型算法

提出一种求解最优潮流（OPF）问题的新算法--解耦半光滑牛顿型算法.该算法是对作者的投影半光滑Newton算法的改进和提高,它除了保持原算法不必识别不等式约束、对界约束的特殊处理以减少讨论问题的维数等优点外,其显著的特点是结合了电力系统固有的弱耦合性质,构造了求解OPF问题的一类解耦半光滑牛顿算法.解耦算法可达到加快计算速度、提高计算效率的目的.IEEE多个算例的数值实验以及与其他方法的比较均显示了新算法具有良好的计算效果.     

一类非光滑优化及其在控制系统稳定化中的应用

研究一类来自控制系统稳定化中的非光滑优化问题．考虑Lyapunov函数是非光滑的，特别是有限个光滑函数的极大值函数．建立了相应的非光滑优化模型，进一步导出了这类非光滑优化的KKT系统，然后基于非线性互补函数将KKT系统转化成一个非光滑方程组，最后分别用广义牛顿法和光滑化牛顿法求解此非光滑方程组。使得此类稳定化设计可以具体实现．     

求解广义支持向量机的光滑型算法

提出一种求解支持向量机(SVMs)的光滑型算法.该算法基于其对偶优化模型的KKT系统,提出一类新的光滑函数族,将其KKT系统重构为一个光滑方程组,并采用光滑型算法进行求解.在适当的条件下,该算法是全局收敛和局部超线性收敛的.多个算例表明该算法非常有效,具有广阔的应用前景.     

应用非线性互补方法的电力市场均衡分析

利用一种求解混合非线性互补问题的非线性互补方法，分析具有输电网络约束的电力市场模型的供应函数Nash均衡问题．该方法利用每个策略发电商优化问题的Karush-Kuhn-Tucker(KKT)条件将均衡问题表述为一个混合的非线性互补问题；然后采用某些具有特殊性质的非线性互补函数，将求解．混合的非线性互补问题转化为求解一组非线性代数方程．该方程组中包含不光滑的函数，因此采用一种基于次梯度的改进的Levenberg-Marquardt算法对其求解．算例分析表明了该方法的有效性。     

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.     

系统辨识与建模的一种新方法

本文从函数逼近观点研究线性和非线性系统辨 识问题,导出辨识方程,提出用神经网络建立线性和非线性系统的模型．根据函数内差逼近 原理建立神经网络学习方程,给出优化算法．计算机仿真表明新算法计算速度快,具有良好 的推广、逼近和收敛特性．     

一类控制系数有界的时变非线性系统的自适应鲁棒控制

针对一类带有有界控制系数和有界扰动的时变参数严反馈非线性系统, 将Nussbaum函数增益及光滑投影算法与自适应逆推设计工具相结合, 提出一种自适应鲁棒非线性控制方案. 在此方案中无需知道控制系数的符号, 以及时变参数和扰动的界. 借助Lyapunov函数及相关引理证明了所设计的自适应鲁棒非线性控制器能保证闭环系统中的所有信号全局一致有界. 可以通过恰当地选取设计参数, 保证系统具有任意指定的控制性能. 仿真研究证明了所提出算法的可行性和有效性.     

罚函数凸优化迭代算法及在无人机路径规划中的应用

针对无人机路径规划问题,建立了具有定常非线性系统、非仿射等式约束、非凸不等式约束的非凸控制问题模型,并对该模型进行了算法设计和求解。基于迭代寻优的求解思路,提出了凸优化迭代求解方法和罚函数优化策略。前者利用凹凸过程(CCCP)和泰勒公式对模型进行凸化处理,后者将经处理项作为惩罚项施加到目标函数中以解决初始点可行性限制。经证明该方法严格收敛到原问题的Karush-Kuhn-Tucker(KKT)点。仿真实验验证了罚函数凸优化迭代算法的可行性和优越性,表明该算法能够为无人机规划出一条满足条件的飞行路径。     

双馈感应电机风电场并网后的配电网无功优化算法

探讨风电场中双馈感应风电机组在不同风速条件下的无功容量极限和风电场并网点电压间的关系,建立以系统有功网损最小为目标函数的无功优化模型,把含双馈感应电机风电场的配电网无功优化问题转换为一个多约束的非线性混合整数优化数学问题,并应用粒子群优化算法进行求解.将33节点配电系统作为算例进行仿真分析,结果验证了此算法的有效性.     

一类对称非线性系统的约束自校正控制器

针对MIMO随机广义Hammerstein模型,从实际工程对象的物理意义出发,分析了其不能描述＂对称非线性系统＂的问题。在模型中加入控制输入的符号函数,提出一可描述＂对称非线性系统＂的MIMO随机广义Hammerstein模型。在目标函数中加入控制输入的高次项和其符号函数提出一超二次型目标函数。对控制输入加入饱和限幅限制,给出了改进的MIMO随机广义Hammerstein模型的约束自校正控制器算法,适用于开环不稳定的＂非最小相位＂系统。提出一控制策略使算法无稳态偏差,且控制输入收敛于以原点为中心的变化域内。采用约束最优化的投影梯度法和无约束最优化的变尺度算法对目标函数寻优,证明了可行域内所有点均可作为投影梯度算法的初始可行点,并证明了线性不等式约束的任意紧约束组合时其可行域即为正则域。仿真研究表明了上述研究的合理性和有效性。     

Optimal placement of UPFC in power systems using immune algorithm

This paper presents the application of immune algorithm (IA) to find optimal location of unified power flow controller (UPFC) to achieve optimal power flow (OPF) and congestion management. Objective function in the OPF, that is to be minimized, is the overall cost functions, which includes the total active and reactive production cost function of the generators and installation cost of UPFCs. The OPF constraints are generators, transmission lines and UPFCs limits. In power system, it may not always be possible to dispatch all of the contracted power transactions due to congestion of the transmission corridors. We propose IA method to minimize the objective function under all equality and inequality constraints. Simulations are performed on 4-bus, IEEE 14-bus and IEEE 30-bus test systems for optimal location of UPFC and the results obtained are encouraging and will be useful in electrical restructuring.     

Optimal power flow of HVDC system using teaching–learning-based optimization algorithm

In this paper, a solution to the optimal power flow (OPF) problem in electrical power networks is presented considering high voltage direct current (HVDC) link. Furthermore, the effect of HVDC link converters on the active and reactive power is evaluated. An objective function is developed for minimizing power loss and improving voltage profile. Gradient-based optimization techniques are not viable due to high number of OPF equations, their complexity and equality and inequality constraints. Hence, an efficient global optimization method is used based on teaching–learning-based optimization (TLBO) algorithm. The performance of the suggested method is evaluated on a 5-bus PJM network and compared with other algorithms such as particle swarm optimization, shuffled frog-leaping algorithm and nonlinear programming. The results are promising and show the effectiveness and robustness of TLBO method.

     

Modeling the consumer benefit in the optimal power flow

The addition of a model of the consumer into the traditional optimal power flow (OPF) algorithm that minimizes supplier costs is investigated. The development of such a model is based on the solution of the OPF using an objective function for maximization of social welfare. A traditional OPF algorithm can be modified to solve the social welfare maximization problem by including price-dependent load models. This modification to the traditional OPF is intuitive and very simple. This modified OPF formulation facilitates simulation of spot markets for both real and reactive power. The algorithm is effective on systems of hundreds of buses, but small examples to compare the results to the traditional OPF are also insightful. The impact of price-dependent loads on systems with transmission congestion, increased fuel costs, and voltage problems can be studied.     

不完全SIC下CR-NOMA系统的功率分配算法

在不完全连续干扰消除（SIC）条件下,对认知无线电-非正交多址混合系统中的次用户总传输速率进行研究,提出一种基于参数变换和KKT条件的功率分配算法。采用非正交多址方式使次用户接入授权信道,在主次用户服务质量、最大发射功率等约束条件下,通过参数变换对原约束条件进行改写设计新的优化问题,并利用KKT条件求解最优功率分配因子进而实现系统中次用户总传输速率的最大化。仿真结果表明,与CNPA算法和等功率分配算法相比,该算法可明显提高系统中次用户的总传输速率,并且对于不完全SIC具有更强的承受能力。     

基于分簇协作频谱感知的认知无线网能量效率研究

针对认知无线网能量消耗引起的能量效率较低问题,在研究认知无线网分簇协作频谱感知能量效率的基础上,提出了一种最优功率分配算法来最大化次用户系统的能量效率。通过建立基于次用户能量效率最大化传输优化模型,在考虑传输功率、感知时间以及干扰限制的情况下,利用拉格朗日函数及KKT条件,得到最优次用户发射功率分配算法,以达到系统能量效率最大化的目的,同时分析了不同参数对能量效率的影响。仿真结果表明,本文所提算法能有效提高次用户系统的能量效率、减少系统开销。     

基于神经网络和非线性原—对偶内点算法的电网无功优化补偿

在简要分析了传统的电力系统无功优化的方法后，针对无功优化计算中离散变量和 连续变量共存的问题，提出了用神经网络对补偿后电网的质量参数进行预测，并结合求解无功优化的非线性原－对偶内点算法进行全局寻优，实现对电网无功优化补偿的控制方法．结果表明，该控制系统提高了系统的功率因数，减少了系统的损耗，初步解决了电网参数复杂、补偿系统难以建模等问题，并证明了该算法的有效性．     

Direct Power Control of Dfig by Using Nonlinear Model Predictive Controller

This paper proposes a nonlinear model predictive direct power control (PDPC) strategy for a double fed induction generator (DFIG)‐based wind energy generation system. Active and reactive power variations of DFIG are calculated based on machine rules, and a nonlinear model of DFIG is given. A nonlinear model predictive controller (NMPC) is presented based on the useful cost function and constraint that it results in more proximity between simulations and reality. The power and current ripples are reduced and the optimal rotor voltage is generated based on an objective function and the constraints. The rotor voltage vector is calculated in the synchronous reference frame and transferred into the rotor reference frame. Simulation results of a 2 MW DFIG system show good performance of the proposed method during variation of active and reactive powers, machine parameters, and wind speed. Also, the transient responses of active and reactive powers are within a few milliseconds.     

求解互补支持向量机的非单调信赖域算法

求解支持向量机的核心问题是对一个大规模凸二次规划问题进行求解。基于支持向量机的修正模型,得到一个与之等价的互补问题,利用Fischer-Burmeister互补函数,从一个新的角度提出了求解互补支持向量机的非单调信赖域算法。新算法避免了求解Hesse矩阵或矩阵求逆运算,减少了工作量,提高了运算效率。在不需要任何假设的情况下,证明算法具有全局收敛性。数值实验结果表明,对于大规模非线性分类问题,该算法的运行速度比LSVM算法和下降法快,为求解SVM优化问题提供了一种新的可行方法。