基于馈线自动化功能的配电网故障定位技术

针对当前已有方法的配电网故障定位成功率和容错率较差，定位延时较差的问题。提出一种基于馈线自动化功能的配电网故障定位方法，通过实际馈线终端的自动化功能组建统一的配电网故障定位模型。在分布式电源接入的情况下，通过搜索策略获取不同的开关状态。使用改进蚁群算法求解模型的初始解，建立分布式电源动态投切的开关函数。通过分区原则，对于无源树枝使用检测入口的FTU状态，简化故障定位计算流程，最终完成故障定位。仿真实验结果表明，方法能够有效提升配电网故障定位成功率和容错率，减少定位延时。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

分布式发电配电网故障区段定位新方法

针对分布式电源引入配电网中会造成传统的故障区段定位方法不再适用的情况,构建动态适应多个分布式电源投切的开关函数,且利用该开关函数的特点可以简化运算,提高定位效率。同时,针对蚁群算法容易出现早熟收敛的问题,引入混合优化算法,提出基于混合优化算法的分布式发电配电网故障定位方法。该算法利用粒子群算法优化蚁群算法中的相应参数,采用全局异步与精英策略相结合的信息素更新方式和降低粒子维度的方法降低出现局部最优解的概率,提高了收敛速度和定位结果的正确率。通过典型算例对含分布式电源的配电网进行仿真,实验结果表明该算法能够对单一故障和多重故障准确定位,且耗时少、容错能力强。     

基于EEMD的含分布式电源配电网故障定位

研究含分布式电源配电网单相接地短路故障区间定位方法.由于分布式电源接人,配电网发生短路故障时,分布式电源会向短路点提供一定的短路电流,导致短路电流难以进行整定,故障特征提取困难.为此提出利用集合经验模态分解,对故障零序电流进行分解,获得有限个本征模态函数分量,通过比较各监测点选取的本征模态函数分量一阶差分的极性和模最大值,实现含分布式电源配电网的单相接地故障区间定位.EEMD过程主要采用加、减法对信号进行处理,计算速度快.仿真结果表明,应用上述方法简单、运行速度快、区间定位准确,不受过渡电阻和故障时刻等随机因素影响.     

基于差分进化的改进细菌觅食算法在智能配电网故障定位方法中的应用

为了解决含分布式电源的配电网的故障定位问题,提出一种基于差分进化的改进细菌觅食算法进行配电网故障定位,首先针对分布式电源投切问题,构建能够动态适应多个分布式电源投切的开关函数,然后结合区域划分思想,通过将各个配网支路分为有源树和无源树进行故障信息筛选,降低解空间,提高故障定位的速度;同时针对细菌觅食算法精度不高和全局搜索能力较差的问题,借鉴差分进化中的变异和交叉机制,通过多样性控制与交叉操作协调来实现细菌觅食算法在细化搜索与扩展新区之间的协调,提高算法的寻优精度和全局寻优能力,适用于复杂的含分布式电源的配电网络。通过算例对该故障定位方法进行仿真,结果表明该算法能准确定位,并具有一定的有效性和容错性。     

基于改进粒子群算法的配电网无功优化

分布式电源的接入配电网有利于其无功优化、改善电压质量、降低网络损耗。以有功网损最小为其无功优化的目标函数,建立相应的数学模型,并对其进行仿真试验。由于基本粒子群算法的系数选择为常系数,存在人为选择系数过多依赖于经验的现象,具有一定的主观与偶然性,会导致粒子过于早熟,陷入局部最优。因此针对常系数粒子群算法的不足,将基于动态权值系数的改进型粒子群算法运用到无功优化中,对含有风、光等分布式电源接入的IEEE33系统模型进行仿真试验分析。试验结果表明,该算法能够有效降低网损,改善电压质量,提高系统的稳定性。     

基于改进多目标粒子群算法的DG选址定容优化研究

为研究分布式电源接入位置和容量对配电网安全稳定运行的影响,文中构建了静态电压稳定指标,设置了不同的方案进行仿真,仿真结果证明了DG容量和接入位置对配网有重要影响,同时有效验证了模型的有效性。然后,为减少DG的容量和位置不合理规划造成不利影响,文中建立了以综合成本、网损和电压稳定裕度为目标函数的模型,采用基于小生境的改进多目标粒子群优化算法对模型进行求解。通过算例仿真,求解多目标Pareto解。在实际决策过程中,规划人员可根据不同偏好或实际需求从Pareto最优解集中选择合适的最优解,实现DG的多目标最优选址定容,为分布式电源的经济可靠接入配电网提供重要的指导意义。     

含分布式电源的配电网故障诊断方法

分布式电源接入配电系统后会改变配电网故障电流的大小和方向,使配电网故障诊断复杂化。针对该问题,提出了基于故障功率方向判据和Petri网的配电网故障诊断方法。该方法利用上传和实测双重故障信息实现冗余纠错,快速诊断出故障区域,提高了含分布式电源的配电系统故障诊断的准确性、容错性;利用Petri网独特的图形描述和并行处理能力,保证了故障定位模型的通用性和故障诊断的快速性。算例仿真结果验证了该方法的可行性、有效性。     

计及分布式电源接入的三相不平衡配电网无功优化研究

分布式电源输出功率具有的波动性特征增加了三相不平衡配电网无功优化的复杂程度。针对分布式电源接入后三相不平衡配电网无功优化变的更加困难的问题,在对分布式光伏和分布式风电输出功率特征分析的基础上,建立了计及分布式电源接入的三相不平衡配电网无功优化模型,模型的求解则采用提出的改进退火蚁群法。通过与其它方法在建立的含分布式电源IEEE33节点三相配电网系统的无功优化对比分析,验证了本优化模型及求解方法的具有的优势。本优化模型及方法可为含分布式电源的三相不平衡配电网无功优化提供有效的技术指导。     

含分布式电源的配电网故障重构研究

随着分布式电源(DG)引入配电网,对配电网故障后供电恢复的研究提出了新的挑战。构建了网损最小、电压分布指数和开关操作次数最少的目标函数,提出了一种能使配电网重构和孤岛划分相结合的故障恢复策略。利用深度优先算法对含DG的配电网进行孤岛划分,然后将杂草(IWO)算法和粒子群(PSO)算法相结合,对故障后的配电网进行最优供电路径的寻优,并利用IEEE 33配电系统进行仿真验证。仿真结果表明,提出的算法和恢复策略能够有效解决含DG的配电网故障恢复问题。     

基于混合算法的含分布式电源的配电网优化

考虑到分布式电源的选址与定容对配电网有着重要影响意义,针对分布式电源的接入对配电网系统能量损耗和各节点电压影响的问题,首先建立了以有功功率损耗和系统节点电压的目标函数优化模型,提出了充分整合引力搜索算法(GSA)的勘探能力和粒子群(PSO)的开采能力的混合算法(PSOG-SA),同时确定权重系数,最后采用IEEE-33标准节点配电网模型进行了仿真实验,通过和其他两种算法的比较,验证了配电网系统在该算法下的有效性和可靠性.算例分析表明,合理的DG接入能够一定程度上降低系统有功功率损耗,改善节点电压.     

基于改进选择性BPSO算法的配电网降损重构研究

为了降低配电网的有功功率损耗以及提高开关利用率,利用Sigmoid函数对二进制粒子群优化(BPSO)算法中的粒子位置更新进行改进,并通过添加修改曲线的参数对函数进行选择,提出了一种改进选择性二进制粒子群优化(IS-BPSO)算法来求解配电网降损重构问题.该算法以降低配电网的功率损耗为目标,有效地控制粒子的变化速率并提高种群的收敛性.通过33母线和94母线的配电网测试系统进行仿真模拟,结果表明,该算法具有很强的鲁棒性和全局寻优能力.     

基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。     

一种改进的无线传感器网络DV-Hop定位算法在煤矿井下漏电事故中的应用

煤矿井下输电线路的实时监测中,漏电故障定位是供电系统保护的重要研究课题。针对井下无线传感器网络定位算法存在不准确的问题,提出了一种改进DV-Hop节点定位算法。首先通过计算锚节点组成的三角形面积,排除面积极小的锚节点组,避免锚节点近似共线的情况,完成了锚节点的优选方案;此外在粒子群算法的基础上结合遗传算法和混沌理论,提出了一种遗传混沌粒子群优化算法;最后利用改进的粒子群算法对DV-Hop算法定位得到的节点位置进行校正。经过仿真实验表明在相同的网络环境下,与传统DV-Hop算法相比,改进算法能够更有效地提高定位精度,从而更加准确地监测到煤矿井下漏电事故位置。     

基于DCS的电力节能优化控制系统的设计与实现

为了解决电力系统的节能优化问题,本文在传统的PSO节能控制方法的基础上,提出了一种多重自适应的粒子群优化算法,应用分散控制系统设计与实现了一种新的电力节能优化控制系统。数值仿真的结果说明了使用所提出的粒子群算法的基于DCS的电力节能优化控制系统在电力调度最佳节点的搜索精确度要高于相同条件下的一般的电力控制系统。使用所提算法的电力节能优化控制系统,能有效地对电力能耗进行优化,且具有较高的实用性。     

基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法

地铁车辆处于复杂的运行环境中,高压供电电路很容易发生过流故障,为迅速辨识过流故障类型,设计了一种基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法。应用半动态拓扑优化算法,构建模态坐标空间内高压供电电路的电流微分运动模型。结合粒子群算法与优化VDM分解方法,提取模型的过流故障特征。基于BP神经网络与遗传算法构建过流故障同步诊断模型,实现高压供电电路过流故障的同步诊断。案例测试结果表明,该方法对于变压器过流故障、变流器过流故障以及弓网接触不良故障的诊断都比较准确,特别是对于变压器与变流器的过流故障诊断十分准确。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

基于人工鱼群和微粒群混合算法的WSN节点部署策略

将无线传感器网络节点分布部署问题形式化为一个组合优化问题,以网络覆盖率为目标函数。针对该模型 提出基于人工鱼群与微粒群的混合算法的无线传感器网络节点部署优化策略。微粒群算法搜索效率高,而人工鱼群 算法进行搜索时有很好的全局性。AF SA-POS算法将这两种算法相结合,局部搜索速度快,而且有效地解决了标准 PS<)算法中的粒子“早熟”问题。最后使用MA"I'LAI3进行了实验,结果表明提出的算法减少了迭代次数,并且提高了 网络覆盖率,相对于人工鱼群算法和微粒群算法来说能取得更好的效果。