改进小生境蝙蝠算法在无功优化中的应用

为了克服基本蝙蝠算法后期收敛速度慢、易陷入局部最优的缺点,在原始算法中引入小生境技术并进行改进。在改进算法中,将小生境半径设置为自适应变化的动态函数;在单个小生境群体中采用信息共享机制,对相似蝙蝠数量的过度增长进行抑制;采用优质蝙蝠邻域搜索及存储策略对每一代每个小生境群体的优质蝙蝠进行储存。对某21节点系统进行了无功优化,并与遗传算法、基本蝙蝠算法进行比较,结果表明改进的算法具有更好的全局搜索能力和收敛性能。     

基于小生境技术改进遗传算法在供电网规划中的应用

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是使算法科学的处理种群多样性及最优解信息搜索策略。结合小生境进化共享思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,并将之用于多目标电网扩展规划中。对Gaver-6节点网络进行了规划,仿真结果证明了这种算法的有效性。     

改进小生境差分进化算法在配网无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法(NPSO)和改进小生境差分进化算法(FERDE)对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高。     

电网故障诊断的决策表约简新算法

采用粗糙集理论的决策表方法对电网进行故障诊断,其关键过程就是决策表的简化过程(即约简)。为此,提出了基于粗糙集理论与二元逻辑运算相结合的属性约简算法以及改进的值约简算法,并将其应用于由断路器和保护作为条件属性、故障区域作为决策属性的诊断决策表的约简过程中,利用决策表的约简形成综合混合知识模型。整个算法简单、快速,可有效应用于电网的故障诊断中。运用Visual C 编程实现了对故障算例决策表的约简过程,结果证明了该约简算法的正确性。     

改进小生境粒子群算法应用于电网故障诊断

通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

基于函数挖掘的能源信息物理系统数据安全风险识别算法

数据安全风险评估对于能源信息物理系统安全稳定运行至关重要。现有的从二次设备、信息等角度来分析数据安全风险已经无法满足能源信息物理系统广泛的能源接入和各能源之间的能量、信息交互需求。首先提出基于粗糙集的数据安全风险要素特征选择算法,对影响能源信息物理系统中数据的安全风险特征集进行特征选择,降低能源信息物理系统数据安全风险要素集的维度;在此基础上,利用基因表达式编程（gene expression programming, GEP）的函数挖掘特性,提出基于混合GEP的能源信息物理系统数据安全风险识别算法,通过设计小生境种群生成策略以及动态自适应变异概率动态调整策略来提高数据安全风险识别的准确率和效率。仿真实验结果表明,所提算法对于复杂高维的能源信息物理系统数据安全风险集的识别和预测具有较高的准确率和较强的实用性,可为下一步制定能源信息物理系统数据安全防护策略提供理论方法支撑。     

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值,也存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作。改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和电网中进行仿真运算,与其它算法进行比较。结果表明,该方法在配电网无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度。     

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简.本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则.算例结果说明了本算法的正确性和可行性.     

基于混合基因表达式编程的高维配电低压台区综合评价法优化分析

分析混合基因表达式编程算法 GEP 对配电低压台区运行状态的评价和预测效果。构建改进遗传算法的GEP函数,并利用Java1 7.0软件对高维配电低压台区的运行状态进行仿真分析,结果显示GEP算法对高维配电低压台区的运行状态评价误差在[0.1,0.3], R２调整值为0.967,结果准确度较高,且信度较好,适合于复杂的低配电台区状态的预测和评价,具有很强的实践性。     

考虑信息物理融合的电网脆弱社团评估方法

针对目前元件级的电力信息物理脆弱性评估应用于实际大规模电力信息物理网时存在计算复杂度高和脆弱性保护配置难的问题,充分考虑网络的介观局域特征和社团结构,提出了一种考虑信息物理融合的电网脆弱社团评估方法。以电力系统潮流为边权重,采用Fast Unfolding算法对电网进行社团划分,根据电网和通信网对应分层分区建设的现状和实际耦合关系划分通信网社团,IEEE标准算例的仿真结果证明所采用社团划分方法的优越性。在不同的社团内部耦合关系下采用不同的攻击策略攻击电网中各个社团,根据整个信息物理融合系统故障后的最大连通子集指标评估电网中的脆弱社团,符合我国电网和通信网分层分区建设的现状,有利于减少计算复杂度和脆弱性保护模块化配置的难度。华中500 kV电网信息物理系统的仿真结果证明了所提方法的可行性。     

Modified meta heuristics and improved backpropagation neural network‐based electrical load demand prediction technique for smart grid

For the assessment of 1‐h‐ahead electrical energy demand, this paper presents an improved backpropagation neural network that has been integrated with a simulated annealing algorithm and a chaos search genetic algorithm. A self‐adaptive learning rate and modified momentum factor are suggested to enhance the performance of the traditionally used backpropagation algorithm. For the combination scheme, the initial parameters of the improved backpropagation neural network have been modified through the utilization of the global search capability of the genetic algorithm. This has been enhanced by cat chaotic mapping to increase the genetic algorithm's optimization ability. The strong local search feature of the simulated annealing algorithm has been used to further enhance the solution set that was created by the optimized genetic algorithm. The model is tested for small and large‐sized grid data, integrated with renewable sources. The performance of the model is also verified for fluctuating load demand conditions. Furthermore, the proposed model performance is tested for all the four seasons of the year to validate its efficacy during seasonal variations. The results of the proposed technique in all these scenarios show higher prediction accuracy and fast convergence than the existing methods. The acceptable precision of 1‐h‐ahead load forecast and its adaptation in different load demand conditions determine the usefulness of the proposed model in the modern deregulated power industry. In particular, the model can be effectively implemented for the enhancement of demand response and other dynamic features of the smart grid. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

改进单亲遗传算法在电源规划中的应用

电源规划问题本质上是一多阶段组合优化问题,使用常规遗传操作会产生大量无效解,从而降低了求解效率.文章提出了一种基于单亲遗传算法的电力系统电源规划模型,并采用分段编码法解决了单亲遗传算法用于电源规划的编码问题.该模型容易计及电源规划中需要考虑的各种约束条件.文中还研究了精英保留算子和扰动算子对收敛的影响.算例仿真表明:该模型可靠有效,既能获得最优解,也能获得次优解;加入特殊算子改进后,可进一步提高精度,加快收敛速度.     

Real-time cyber physical system testbed for power system security and control

The existing electric power grid is upgraded into a smart grid through an intelligent communication infrastructures, layers of information, extensive computing and sensing technologies. These cyber and physical components of grid together constitute a complex cyber-physical system (CPS), and this integration increases the risk from cyber attacks and introduces new vulnerabilities to the power system. Researchers need a power system testbed which can provide a platform for realistic experiments. This paper presents the development of a real-time cyber-physical system testbed for cyber security and stability control. We use SEL 351S protection system with OPAL-RT including control functions and communications to build a cyber-physical environment. In this testbed, we conducted power grid security experiment by knocking down two transmission lines in a row and analyzed the impact of failures. Meanwhile, we provided two mitigation strategies for this failure using optimal power flow. In addition, we conducted load fluctuations for multimachine power system, and provide timely adaptive control strategies.     

馈线功率控制下的主动配电网信息物理风险演化分析

在主动配电网信息物理系统中,信息系统与物理网架之间存在强耦合关系。在电网复杂的信息物理交互作用下,信息系统的异常或故障会直接影响并降低电力系统的运行水平,甚至引发严重的连锁故障。且相对于传统电力系统,电网信息物理系统的风险致因因素更多,交互机理更复杂,监测识别更困难。电网信息物理系统的安全风险问题已成为当前亟待解决的基础问题之一。以主动配电网为研究对象,对信息侧架构与信息物理交互机理进行分析,建立了信息攻击下的风险传递模型,揭示了故障在配电网信息物理系统中的演化机理。最后,在DIgSILENT中搭建仿真算例进行实例分析,验证了所提出模型的正确性,并对未来配电网如何抵御信息侧风险,加强安全风险防护水平提出了建议。     

基于改进粒子群优化算法的风电场最大接入容量计算

位于电网末端的大型风电场的接入极大地影响电力系统的安全,风电场最大接入容量研究成为风电场规划和运行的重要课题。根据静态安全约束和暂态稳定约束条件,提出一种基于粒子群优化算法的风电场最大接入容量的确定方法。通过改进粒子群优化算法,其全局搜索能力可进一步提高,并可避免陷入局部最优。通过在IEEE New England 39节点系统上的仿真计算,验证所提方法的有效性,同时还分析了其他影响风电场接入容量的因素。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

深度学习驱动的电网无功-电压优化控制策略模型

在应用深度神经网络的基础之上,提出一种对电网网络损耗进行有效评估与优化的方法。该方法通过神经网络寻求电网中无功补偿设备、变压器的运行状态与系统网络中网络损耗的内在联系,再结合改进遗传算法对其优化,实现在线快速调节控制。方法解决了电网使用传统最优潮流计算求解非线性混合变量规划时存在的收敛性问题,文中放弃了使用潮流分布数据采用节点电压数据替代实现降维的同时保证电力系统中全局响应信息,采用佳点集抽样样本优化神经网络训练的效果,并改进传统遗传算法提升搜索的全局性或收敛的速度,最后本章通过IEEE30节点系统对本套方案进行仿真验证,证明了改进方法的有效性。     

考虑电网脆弱性的输电网扩展规划模型

基于电网脆弱性与均匀性理论,提出了电网全局结构与状态脆弱因子模型,用于衡量不同电网模型的脆弱程度。构建了综合考虑电网全局脆弱性、经济性与电网安全约束集的多目标电网规划模型。采用改进混沌交叉变异遗传算法进行优化得到最优规划方案。其中,针对多目标量纲不统一,权重不易定的问题,采用主成分析法对每代种群中个体进行综合评估,使评估结果更加客观可信。通过对Garver-6节点系统和Garver-18节点系统的仿真分析证明了所提模型的可行性和有效性。