基于动态混沌粒子群的接地网腐蚀分块诊断方法

分析和总结了目前现有的接地网腐蚀诊断方法,提出了基于动态混沌粒子群优化算法的分块诊断方法.该方法针对不规则接地网拓扑结构,将其分块成规则的子模块,并根据电路分析原理,建立了数学关系模型及诊断方程组.通过诊断模型的优化和采用动态混沌粒子群优化算法来求解,以搜索全局最优解.该方法降低了诊断方程组的病态程度,提高求解精度.通过适应度评价准则动态增减混沌粒子数目,从而达到既提高了求解精度和加快求解速度的目的.通过某变电站地网结构的实际算例分析,证明了该算法的可行性.     

接地网腐蚀分块诊断的混合优化算法

为提高接地网腐蚀诊断的速度和精度,提出一种接地网分块诊断方法,采用节点撕裂的方法,将接地网自动撕裂成若干个子网络和一组自由支路,建立反映子网络等效不定节点导纳与可及节点电压和撕裂点广义节点电流之间非线性关系的多目标优化模型。求解模型的算法结合了粒子群算法和最小二乘法的优点,并提出双层粒子群的思想,充分利用粒子群算法的快速收敛性和全局寻优能力得到符合优化模型的有效解,然后利用最小二乘法确定最优解。对110 kV 蒲城变电站接地网的仿真测试验证了算法的有效性。     

基于改进粒子群优化神经网络的电机故障诊断

为了更加准确快速地诊断出三相异步电动机运行过程中发生的各类故障,在采用小波包分析提取异步电机故障特征向量的基础上,提出了一种混沌动态权重粒子群算法(CDW-PSO)优化BP神经网络的故障诊断方法,构建电机的神经网络故障诊断模型,采用混沌动态权重粒子群算法优化神经网络的结构参数。实验分析表明,采用该方法用于电机故障诊断,诊断速度快、准确性高、可靠性好。     

基于黄金分割的混沌粒子群优化算法在配电网无功规划中的应用

首先以有功损耗功率最小作为目标函数,将节点电压越限和发电机无功出力越限作为罚函数,建立无功补偿在配电网中优化配置的数学模型。然后设计基于黄金分割的混沌粒子群优化算法对上述模型进行求解。该算法通过黄金分割评判准则,按照适应度的高低,将粒子群分成标准粒子和混沌粒子两部分,同时解决了粒子群优化过程中容易陷入局部最优和混沌算法重复搜索部分解的问题,从而可以更有效地搜索到全局最优解,成功地提高了无功优化问题的求解速度,使算法能更好地适应问题的求解。算例结果表明,该方法技术上可行且效果较好。     

基于帐篷映射的混沌自适应粒子群优化算法在同步发电机励磁控制中的应用

针对励磁控制系统中比例–积分–微分控制参数整定难的问题,提出了一种基于帐篷映射的混沌自适应权重粒子群优化算法对控制器参数进行优化,采用2级优化策略,第1级采用自适应权重粒子群优化算法执行全局搜索;第2级采用基于帐篷映射的混沌搜索对第1级的结果执行局部遍历搜索,并通过在粒子群算法中引入自适应权重及在混沌局部搜索中采用帐篷映射的方法对混沌粒子群搜索算法进行改进,解决了常规粒子群算法易陷入局部极值且在迭代后期收敛效率低的问题,在建立励磁控制系统简单模型的基础上,实现同步发电机励磁系统的参数优化控制。仿真研究表明,新方法与常规粒子群方法相比具有更好的收敛速度和精度,能有效改善励磁控制系统空载起励和孤网过渡过程的动态性能。     

基于混沌免疫接种粒子群算法的电力系统多目标无功优化

针对基本粒子群优化算法的收敛性能受初始粒子分布影响较大的问题,应用混沌优化理论具有遍历性的突出优点和人工免疫系统中接种疫苗的方法,即混沌免疫接种粒子群优化算法,将该方法应用于电力系统多目标无功优化模型求解.混沌免疫接种粒子群算法是采用混沌优化生成初始粒子即无功优化控制变量值,并选择其中较优的粒子作为初始粒子群,改善了随...     

基于量子行为粒子群优化算法-混沌神经网络的电力系统负荷预测

提出了一种基于量子行为粒子群优化算法和混沌神经网络相结合的电力系统负荷预测方法。根据粒子群的量子行为特征,采用全同粒子系更新粒子的位置,改善传统的粒子群算法精度低、易发散、收敛速度慢等缺点。利用粒子群优化算法优化出混沌神经网络的权值和阈值,克服混沌神经网络参数确定难度大、速度慢的缺点。然后利用得到的权值和阈值,通过改进粒子群优化算法-混沌神经网络模型,得到预测日的相应时刻负荷值。最后通过实际应用,证明该方法有较高的预测精度和较好的准确性,具备一定的实际应用价值。     

混沌粒子群算法在水库中长期优化调度中的应用

将粒子群算法和混沌算法相结合,用于求解水库中长期优化调度问题.它利用了粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.通过实例计算,结果表明该算法在收敛性和稳定性等方面明显优于传统粒子群优化算法,是一种有效的搜索算法.     

混沌免疫接种粒子群优化及其在输电规划中的应用

针对基本粒子群优化收敛性受初始粒子分布影响较大的缺点,结合混沌优化的遍历性和人工疫苗接种思想,提出混沌免疫接种粒子群优化,并应用于多阶段输电规划模型求解.混沌免疫接种粒子群优化利用混沌产生大量初始粒子并选择较优的粒子作为初始粒子群,改善了随机初始化不能保证粒子合理分布的缺点;在粒子进化过程中采用人工疫苗接种优化技术,能改善其收敛速度和精度.通过4阶段输电规划算例研究,并分析比较基本粒子群优化、混沌粒子群优化、免疫接种粒子群优化和混沌免疫接种粒子群优化的输电规划模型求解,结果表明提出的混沌免疫接种粒子群优化的有效性和优越性.     

基于自适应粒子群优化算法的机组组合

机组组合是一个大规模、非线性混合整数优化问题,求解比较困难,为了提高粒子群算法的全局和局部搜索能力,提出一种惯性权值自适应调整的粒子群算法。该算法按照适应度的大小将粒子群分成两个子群,然后根据适应度的进化速度和进化停滞系数动态调整惯性权值。通过对典型函数的测试以及10台机组24小时的优化调度,计算结果表明该方法收敛精度较高。     

基于自适应粒子群优化算法的机组组合

机组组合是一个大规模、非线性混合整数优化问题,求解比较困难,为了提高粒子群算法的全局和局部搜索能力,提出一种惯性权值自适应调整的粒子群算法.该算法按照适应度的大小将粒子群分成两个子群,然后根据适应度的进化速度和进化停滞系数动态调整惯性权值.通过对典型函数的测试以及10台机组24小时的优化调度,计算结果表明该方法收敛精度较高.     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

基于鲸鱼算法的风机接地网优化设计北大核心CSCD

接地系统是风电机组防雷设计保护的重要部分,接地网的几何形状关乎雷击冲击特性。传统等间距接地网遭受雷击后产生巨大的接触电压,严重危害机组的正常运转,而利用优化算法求解最优压缩比构建不等间距接地网能有效降低接触电压。文中提出基于混沌动态权重因子和非线性收敛因子的优化鲸鱼算法(FWOA),求取最优压缩比,解决传统粒子群算法(PSO)早熟和寻优精度低等缺陷,在ATP-EMTP中搭建集桨叶、塔筒、电缆、接地网为一体的风机全局波阻抗模型,考虑火花效应和增设垂直导体对暂态电位的影响的基础上,探讨矩形接地网在风机防雷的应用,与圆形接地网作对比验证FWOA的优越性。仿真结果:文中提出的FWOA精度更高、收敛速度更快,降低接地网接触电压高达30.43%,与圆形接地网暂态情况相差无几,若所受环境或经济成本有限制,则可考虑不等间距矩形接地网;冲击电流产生的火花效应能降低接地网的冲击电阻;增加垂直接地导体能加快散流,改善风机接地网运行的安全问题。     

基于优化神经网络和DGA的变压器故障诊断

人工神经网络技术已经在变压器的状态诊断得到应用,为了克服故障分析中BP神经网络存在的不足,提出了一种自适应混沌粒子群优化神经网络在变压器故障诊断的新方法。该算法通过进化速度因子和聚集因子调整惯性权重,并改进学习因子,引入混沌系统,构成混沌粒子群算法优化神经网络参数,有效地克服常规BP算法训练收敛速度慢、易陷入局部极小值等缺点。最后基于DGA对变压器故障实例分析仿真,对比常规变压器诊断方法结果表明,该算法能够提高诊断效率以及故障模式识别的准确性。     

基于模拟退火的粒子群算法在水电站水库优化调度中的应用

介绍了一种基于模拟退火的粒子群算法,并用其求解以水电站年发电量最大建立的优化调度的数学模型.考虑到基本的粒子群算法(PSO)后期粒子趋向同一化,使其进化速度变慢,精度较差,本文将模拟退火的思想应用到具有杂交和变异的粒子群算法当中,通过模拟退火的降温过程来提高算法后期的进化速度和精度.最后,以普定水电站的优化调度为例进行了计算,结果表明,该算法的性能较基本粒子群算法有了较大改善,且明显优于常规调度方法和动态规划.     

一种新的配电网无功优化算法

研究了配电网的无功优化方法,以有功网损最小为目标,建立了无功优化的数学模型.针对配电网呈辐射状、节点多、计算量大的特点,提出了先用最大节约网损的算法找出待补偿的节点,再结合混沌的遍历性和粒子群的快速性等优点,采用混沌粒子群算法求解补偿容量的配电网无功优化方法.以一个实际的配电系统为算例,初步验证了所提算法的有效性.     

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。     

基于免疫粒子群算法的分布式电源多目标规划

针对标准粒子群算法在求解过程中容易陷入局部最优解的问题,提出了一种将免疫算法的免疫信息处理机制和自我调节机制引入到标准粒子群优化算法的新型优化算法,即免疫粒子群优化算法。以分布式电源建设运行费用、有功网损和环境成本最小为多目标函数,建立了分布式电源接入配电网的规划模型,采用免疫粒子群算法对模型进行求解,最终得到分布式电源接入配电网的最优配置方案。以风力发电为例,对IEEE 33节点算例进行仿真分析,结果表明,免疫粒子群算法与标准粒子群优化算法和混沌粒子群算法相比,收敛速度快、收敛精度高。     

基于粒子群和人工免疫融合算法的接地网优化设计

为了提高接地网的均压效果和降低接触电压与跨步电压,更好地保障人身和设备的安全,提出了基于粒子群和人工免疫融合算法的优化方法对接地网进行优化设计。在考虑接地网的自身电阻、电感和对地电容的基础上,基于场路结合法建立了接地网的不等电位分析模型,得到了接地网导体的散流分布和地面电位分布。同时,通过建立以地面电位分布最大电位差最小为目标的寻优函数,使用粒子群和人工免疫算法相结合的优化方法得到了接地网导体放置位置的最优解。计算结果表明,优化后的接地网的地面电位分布更加均匀,同时降低了接地网导体的散流密度。所提出的优化