带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

基于扰动测度的电能质量扰动源定位方法

针对现有电能质量扰动源定位方法中对扰动方向表征不足的问题,引入扰动测度概念,测量扰动的大小和方向,提出一种扰动方向的定量表示方法以及相应的扰动源定位算法。首先利用基本信度分配函数对扰动方向进行量化处理,然后通过隶属度函数对扰动功率和扰动能量进行综合定位,得出多测点的扰动方向测度列向量,结合覆盖矩阵得出最终的定位结果.仿真结果表明:在原方法定位不准确的情况下,新方法仍然能够正确定位扰动源,证实了此方法的有效性和可行性.     

复杂电能质量扰动事件区段定位方法研究

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在分时段进行扰动方向判别的基础上,提出一种基于测度加权模糊Petri网的复杂电能质量扰动事件源定位方法。基于扰动功率和能量分时段进行扰动方向判别,根据功率传输通路表确定可疑支路,综合扰动强度和扰动方向判别结果可信度给出了状态测度提取方法,最后应用测度加权模糊Petri网对可疑扰动事件源进行定位。算例结果表明,所提方法能够实现多基本事件、多扰动事件源的复杂电能质量扰动事件源定位,并具有较强的容错性能。     

具有容错能力的电能质量扰动源定位方法

为改善传统符号型定位方法的不足,实现扰动信息不可靠时扰动源的准确定位,提出一种基于遗传算法的电能质量扰动源定位方法。通过对扰动信号高频分量产生机理的分析,利用小波变换提取高频分量,将高频扰动能量的极性作为扰动方向判别的依据,给出了一种扰动方向判别的通用算法。根据系统拓扑结构及监测点布置情况,建立了扰动源定位优化模型,将扰动源定位问题转化成为0-1整数规划问题,采用遗传算法进行求解。仿真结果表明该方法具有定位准确,容错能力强等优点,为扰动源定位问题提供了一种新的解决思路。     

基于信度融合和滑模控制的暂态电压扰动源容错性定位

提出了一种基于信度融合和滑模控制的含分布式电源(DG)智能配电网中实现暂态电压扰动源(TVDS)容错性自动定位方法。在基于网络化电能质量监测系统平台的TVDS容错性自动定位系统框架下,对其中关键功能模块的实现原理进行详细分析,包括基于电能质量监测点优化布置的电能质量动态状态估计、扰动方向判定信度影响因素分析及信度融合、DG接入对扰动方向判定影响规律分析与归纳。然后,提出一种基于滑模控制的TVDS容错性定位算法,实现综合考虑了扰动方向融合信度、DG接入方向误判校正的TVDS容错性自动定位。最后,通过IEEE 34节点含DG配电网络算例,分析验证了所提TVDS容错性定位方法的可行性和有效性。     

一种考虑电压暂降分布域的电能质量监测仪的优化配置方法

提出一种利用整数规划和粒子群优化算法,对考虑电压暂降分布域的电能质量监测仪进行优化配置的方法.通过PSCAD/EMTDC仿真建立一个能反映电压暂降域的0～1敏感度矩阵,形成整数规划的约束条件,以监测装置安装数量最小化为目标函数,采用粒子群算法进行优化.目的是在满足短时电压扰动阀值和配置规则的前提下,用最小数量的监测装置...     

基于二进制粒子群的充电桩故障定位系统配置与定位方法

电动汽车充电桩网络作为泛在电力物联网的重要组成部分,其电能采集终端配置和故障定位问题已成为一项重要课题.文中提出了一种基于整数线性规划的充电桩网络电能采集终端优化配置模型和故障定位模型.所建立的配置模型以配置成本最低为目标函数,通过规划采集终端的接入位置保证系统各节点电压和各支路电流的可测性;故障定位模型能够针对系统故障时的扰动功率准确定位到故障发生支路.采用二进制粒子群算法对所建立的模型进行求解.仿真结果表明,所建立的模型能够在满足系统故障检测和定位的前提下提升经济性,二进制粒子群算法相比于基本粒子群算法,对所建立的模型求解性能更优.     

计及分布式电源的电能质量监测点优化配置

为实现智能配电网对电能质量(PQ)进行全面监测和扰动事件智能诊断,并考虑系统成本优化和分布式电源影响,分析了现有监测点配置方法存在的三个缺陷,提出需要同时考虑节点电压凹陷域和电流信息全网可观测的优化思路。改进了二进制粒子群优化算法(BPSO)的模型和步骤,并构建评价函数,提出一种基于改进粒子群优化的电能质量监测点配置的算法。通过改进的BPSO迭代,智能地布置监测点,实现了系统性能和经济成本的最优化。最后,在四种不同结构的配电网络中进行仿真应用。结果表明,该算法能有效地实现PQ监测点优化配置,以较低的成本实现了配电网的全面监测并满足扰动事件智能诊断和精确定位的需求,且算法具有较好的收敛性和适用性。     

基于改进PSO - WNN的电能质量扰动分类研究

提出一种基于改进粒子群算法和小波神经网络相结合的电能质量扰动分类方法.首先利用小波多分辨技术检测电能质量扰动信号,然后提取各类扰动能量特征向量,将此特征向量输入到优化后的小波神经网络进行识别,最后经改进粒子群小波神经网络得到电能质量扰动分类结果.实例仿真计算结果表明,方法可大大提高电能质量扰动分类识别能力.     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

基于改进QPSO形态滤波器的电能质量暂态扰动检测

提出一种基于改进量子粒子群算法（QPSO）的形态滤波器,用于电能质量暂态扰动检测。首先对量子粒子群算法进行改进,利用混沌序列对粒子位置初始化以提高算法全局寻优能力,通过引入变异算子进一步避免算法过早收敛。然后将改进后的算法应用于形态学滤波器的结构元素的自适应优化中,结合结构元素的特点,寻找出属性最佳的结构元素从而提高滤波能力。结合仿真实验,研究了含有复杂多变噪声的环境下,发生电压骤升、电压骤降和电压中断暂态干扰现象时所构造改进滤波器的滤波性能。通过实验对比,证明所提方法具有快速、准确的特点,较传统的滤波方法有了很大的改善,提高了电能质量扰动检测的可靠性。     

基于NS-APSO算法的变压器局部放电超声定位方法

为了对变压器中的局部放电源进行精确定位,本文提出了一种基于自然选择自适应粒子群算法(natural selection-adaptive particle swarm optimization,NS-APSO)的超声定位方法。在自适应粒子群算法的基础上融入自然选择的思想,每次迭代都对种群中的粒子进行“优胜劣汰”处理,用好的粒子替换差的粒子从而提高种群的整体质量。为了增强算法的实用性,基于MATLAB中的GUI模块开发了一款能够对不同尺寸变压器内部局部放电源进行定位的软件。将定位结果与标准PSO算法得到的结果进行对比,结果表明基于NS-APSO算法的变压器超声定位方法具有更高的定位精度和全局搜索能力。     

基于蜜蜂进化型粒子群算法的电力系统无功优化

为了提高电能质量,降低网损,采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法（Bee Evolution Modifying Particle Swarm Optimization, BEMPSO）,对电力系统的无功优化问题进行求解。改进后的算法能够克服传统粒子群算法的收敛精度低,易陷入局部最优解的缺点。应用改进算法对IEEE6、30节点标准电网进行无功优化计算,并与其它优化算法相比较,结果证明BEMPSO算法具有较好的全局寻优能力,验证了该算法的正确性和有效性。     

基于改进粒子群算法的配电网无功优化的研究

以有功网损最小为目标函数,以负荷节点电能质量和发电机的无功出力为罚函数,建立配电无功优化的模型。首先采用无功灵敏度分析方法确定补偿地点,然后对基本粒子群算法进行改进,最后用matpower中的算例对比分析了两种算法的优化结果,证明了无功优化模型和改进的粒子群算法的有效性与准确性。     

Reliability-constrained Based Optimal Placement and Sizing of Multiple Distributed Generators in Power Distribution Network Using Cat Swarm Optimization

This article presents optimal placement and sizing of multiple distributed generators to achieve higher overall system reliability in large-scale primary distribution networks using a novel random search algorithm known as cat swarm optimization. A composite reliability index is used as the objective function in the optimization process. Furthermore, the effect of multiple distributed generator units on power transfer capacity and power loss reduction has been observed. Extensive simulations are carried out based on three practical distribution systems to demonstrate the effectiveness of the proposed method. Further, qualitative comparisons are made with adaptive weight particle swarm optimization, particle swarm optimization with constriction factor, and binary-coded genetic algorithm to show the efficacy of the proposed method for optimal placement and sizing of distributed generators in power distribution networks.     

基于小波包和支持向量机的电能质量扰动识别

电能质量扰动识别是电能质量检测系统的重要组成部分,也是进一步采取适当措施对其进行治理和控制的前提和依据.通过MATLAB仿真软件建立5种典型扰动信号的模型,包括电压突降、突升、中断、脉冲暂态及谐波;利用小波包分析方法对上述扰动信号进行特征向量提取;并采用粒子群算法对SVM核函数参数γ和惩罚参数C寻优,确定最优SVM分类模型,最终测试精度为98.125％,表明该算法实时性强、识别精度高,从而验证了所用方法的可行性.     

考虑可靠性的电网最佳供电半径计算方法

寻求一种新的最佳供电半径计算方法,加入了对供电可靠性的考虑,通过研究两者关系建立数学表达式,以经济成本为优化目标,单位面积供电年费用最小为目标函数,将可靠性与传统的电网供电能力、电压质量、以及线损率等一同作为约束条件,利用单纯形与粒子群优化相混合的算法求对最佳供电半径做出优化,并通过具体算例分析得出不同供电可靠性要求下的供电半径计算结果与经济成本比对,证明了该方法的可行性并具有一定的应用价值。     

一种基于PSO-SVM的电能质量扰动识别与分类的新方法

针对目前电网电能质量扰动识别与分类中采用的SVM分类器参数难以选择的问题,提出了一种基于粒子群(PSO)优化SVM的电能质量扰动识别新方法。利用MATLAB软件对实际电网中常见的5种扰动信号进行建模,将检测到的电压信号经复小波变换后作为PSO-SVM的输入样本进行训练和测试。仿真结果表明,该方法能够快速、可靠地对电能质量扰动进行识别与分类,对电网的电能质量监测具有较高的应用价值。