基于非线性互补问题函数的半光滑牛顿最优潮流算法

提出了一种新的基于非线性互补问题(NCP)函数的半光滑牛顿方法，以用于求解最优潮流(OPF)问题。通过引入NCP函数，将OPF模型KKT条件的互补松弛约束转化为等式约束，并采用非光滑牛顿法求解。算法的突出优势在于能够有效地处理OPF模型中的不等式约束，从而完全避免了OPF计算中起作用的不等式约束的识别问题。同时，文中利用电力系统的弱耦合特性，构造了牛顿分解算法。IEEE多个算例的数值试验表明：提出的算法具有很好的收敛特性和计算效果，有很好的实际应用前景。     

原-对偶内点法最优潮流在电力系统中的应用

结合电力系统的特性，提出了一种基于稀疏技术的原－对偶内点法求解最优潮流问题，它在处理等式约束和变量型不等式约束时，能够同时处理函数型不等式约束，并且没有新的注入元注入系统。提出了一种新的迭代步长和中心方向的修改策略，同经典的牛顿法最优潮流比较表明，不需要预估有效约束集和进行试验迭代，易于编程实现。     

牛顿最优潮流算法中离散控制量的新处理方法

提出了一种新的基于正曲率二次罚函数的最优潮流算法中离散控制量的处理方法,该方法利用二次罚函数产生的虚拟费用迫使离散控制到达它的一个分级上,引入机制简单有效,燕能很好地结合在牛顿最优潮流算法中。文中对一个ＩＥＥＥ试验系统和两个的实际电力系统做了数值计算。结果表明,该方法有良好的收敛性、精确性、具有很强的实用意义。     

基于连续潮流的极限诱导分岔检测方法

对极限诱导分岔产生的原因进行了分析,提出一种基于连续潮流的极限诱导分岔检测方法。该方法首先采用灵敏度法预估即将起作用的不等式约束条件;然后将此不等式约束转为等式约束,并将其作为连续变量引入潮流方程,精确地求解出结构变换点处的状态值;最后,利用所提出的 3个判断准则对结构变化点进行检测,从而判断极限诱导分岔点的存在。在IEEE 118节点系统上验证了该算法的正确性和有效性。     

基于近似牛顿方向的多区域无功优化解耦算法

针对多区域电力系统的无功优化问题，提出了基于近似牛顿方向和GMRES算法的无功优化解耦算法。该算法以非线性原对偶内点法为基础，在迭代计算过程中构造近似牛顿方向，实现弱耦合系统的完全解耦，保证算法具有局部线性收敛特性，且其计算速度要比非线性原对偶内点法快。对于不能实现解耦的强耦合系统，以近似牛顿方向为初值和解耦对角阵作为预处理器，采用GMRES法求解，使算法具有良好的收敛性和较快的计算速度。以708节点系统作为试验系统验证所提算法的正确性和有效性，得到了满足所有等式和不等式约束的最优可行解。并以树型子系统分解法对其进行分解，对不同分解方案的计算结果进行了比较分析。     

基于稳定约束的电力系统稳定平衡解模型

为直接计算电力系统的静态稳定解,提出了基于稳定约束的稳定平衡解模型,并对该模型提出了一种直接求解稳定平衡解的新方法。通过稳定约束与电力系统典型的平衡方程结合,建立了稳定平衡解模型;稳定约束由非线性半光滑代数不等式构成,针对不同稳定类型所对应雅可比矩阵的特性,运用矩阵变换、谱函数性质等数学理论构造了不同的稳定约束表达式。利用牛顿光滑化方法将该模型转换为光滑方程,从而解决了稳定平衡解模型的数值求解问题。稳定平衡解模型将非稳定解排除在可行解之外,使求解过程得到简化,避免了计算稳定极限和求多个平衡解等复杂过程,而且通过参数调整能满足更高的稳定性能要求。通过典型的电力系统的数值计算,验证了所提方法的有效性。     

基于多目标文化差分进化算法的水火电力系统优化调度

为有效求解节能减排背景下水火电力系统的多目标优化调度问题,提出一种多目标文化差分进化算法(Multi-objective cultured differential evolution,MOCDE).MOCDE以文化算法(Cultural algorithm,CA)为框架,以差分进化算法(Differential evolution,DE)为群体空间演化方法;同时,根据DE算子及多目标优化的特点,在信念空间中设计了三种知识结构,并利用这些知识结构指导种群演化,提高了算法的收敛速度并克服早熟收敛问题.此外,提出一种基于逐步调整策略的约束处理方法,可有效处理等式约束.研究结果表明,MOCDE可快速获得一组分布性好、收敛精度高的非劣调度方案集,是求解水火电力系统多目标优化调度问题的一种有效方法.     

基于多目标文化差分进化算法的水火电力系统优化调度

为有效求解节能减排背景下水火电力系统的多目标优化调度问题,提出一种多目标文化差分进化算法（Multi-objective cultured differential evolution,MOCDE）。MOCDE以文化算法（Cultural algorithm,CA）为框架,以差分进化算法（Differential evolution,DE）为群体空间演化方法;同时,根据DE算子及多目标优化的特点,在信念空间中设计了三种知识结构,并利用这些知识结构指导种群演化,提高了算法的收敛速度并克服早熟收敛问题。此外,提出一种基于逐步调整策略的约束处理方法,可有效处理等式约束。研究结果表明,MOCDE可快速获得一组分布性好、收敛精度高的非劣调度方案集,是求解水火电力系统多目标优化调度问题的一种有效方法。     

一种带动态修正加速策略的最优潮流内点算法

采用了一种新的动态修正迭代步长的加速收敛策略,提高了原一对偶内点算法解算电力系统最优潮流问题的收敛性能.对IEEE14、30、118节点测试系统进行了数值试验,并与牛顿法和不引入该修正策略进行了比较.表明了本算法良好的数值稳定性、较强的处理不等式约束的能力,优化结果精确,充分显示了内点算法应用于大规模电力系统优化问题的实用性.     

电压稳定约束的最优潮流研究

针对电力系统将运行在更加接近电压稳定临界点的情况,建立了一种包含电压稳定约束的最优潮流(OPF)数学模型,在常规OPF模型基础上增加了一组电压稳定裕度约束作为不等式约束。引入能正确反映系统当前电压稳定程度的L指标函数作为电压稳定约束,通过调整该约束的上限值,可以获得系统所要求的电压稳定裕度。利用基于扰动KKT(Karush-Kuhn-Tucker)条件的原始-对偶内点算法对问题进行求解。多个IEEE测试系统上的仿真结果表明,该模型能较好地兼顾系统对电压安全性与经济性的要求;在电压稳定约束起作用时,发电总费用会随着系统对电压稳定要求的提高而增大;L指标约束的加入对系统的调节能力有一定影响;所用算法收敛性好、鲁棒性强,能有效地处理大量等式和不等式约束。     

基于改进型神经网络的电能质量扰动识别

为了改善神经网络的电能质量扰动识别能力,提出了一种改进型神经网络。在分析了传统BP神经网络和遗传算法优化BP神经网络(GA-BP)的基础上,将遗传算法和贝叶斯正则化神经网络相结合,并采用小波包能量熵作为特征向量。改进后的神经网络能有效克服传统BP神经网络易陷入局部最小,GA-BP易出现过拟合现象且网络节点数偏多等缺点。在MATLAB平台上建立各种电能质量扰动信号的仿真模型,分别采用传统BP神经网络、GA-BP及改进型神经网络进行扰动识别对比。仿真结果表明,改进后的神经网络显著提高了识别正确率。     

基于改进的两支路ResNet的配电网接地故障辨识和选线

配电网故障类型与故障馈线准确、快速辨识有助于提高配电网供电可靠性。文中鉴于故障辨识与选线的故障信息利用率低,且分类器挖掘故障深层次特征能力不足。提出了以多标签多分类的思路,搭建两支路改进的ResNet并列训练进而同时实现配电网接地故障辨识和选线。首先,引入小波分析对各类电气量进行分解并构造时频矩阵,以分频带分时间段提取时频矩阵的初级特征矩阵,作为网络输入量。其次,改进一种适用于故障类型与故障馈线准确、快速辨识的多分支残差单元结构,以此单元结构首尾相连并构建两支路ResNet同时实现配网故障辨识与选线。仿真实验结果分析,相较于MLP网络、原ResNet,以改进的ResNet完成配电网故障辨识与选线,指标评估结果更优,并能验证所提方法具有更强的适应性和容错性。     

基于满意模糊聚类的热工过程多模型建模方法

由于热工过程往往具有非线性和不确定性,传统的线性建模方法难以精确表达其复杂特性。因此提出一种改进的基于满意模糊聚类的多模型建模方法。该方法不需要预先指定局部模型的个数即聚类数,它基于样本协方差矩阵的奇异值分解来确定初始聚类中心和新增聚类中心,并利用聚类有效性指标结合建模精确度要求来确定最佳聚类数。根据聚类结果可快速确定出局部模型网络的模型结构参数,进而采用基于加权性能指标的多模型辨识算法可得到各局部模型参数。对两个典型非线性系统和Bell-strm锅炉-汽轮机系统的建模结果表明,这种多模型建模方法具有辨识精确度高、子模型数少等优点。     

基于改进WOA优化BP神经网络的车用PMSM参数辨识

基于改进WOA优化BP神经网络的车用PMSM参数辨识     

考虑输电容量约束的发电公司竞价策略的不确定规划方法

在基于估计竞争对手的报价系数来构造发电公司最优竞价策略的问题中,综合使用历史数据和专家经验能为决策者提供更为科学的决策依据。本文在不确定理论框架内,提出了能够同时支持使用历史数据和专家经验的考虑输电容量约束的发电公司竞价策略方法,给出了由市场清除问题和最优报价策略问题组成的两层不确定约束规划模型,设计了一种由神经网络和改进遗传算法组成的混合求解算法。用3节点系统和IEEE 30节点系统对所提出的模型和算法进行了计算分析,结果表明本文的方法是可行和有效的。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。     

Identification of power system dynamics due to combined use of mathematical model and neural network

In order to obtain a reliable model of power systems, identification of power system dynamics by employing a neural network is studied. A new method of combined use of a mathematical model and a neural network is proposed. The effectiveness of the proposed method is verified by applying to two kinds of one‐machine infinite‐bus system—an experimental system and a numerical simulation model system. In the conventional method, the neural network learns the generator terminal voltage of the system directly. On one hand, in the new method, the neural network is trained to learn errors between the generator terminal voltage of the system and that produced by the mathematical model. The results of the test show that good performance is obtained for the proposed method. Construction of a more reliable model is demonstrated by combined use of the mathematical model and the neural network. © 2001 Scripta Technica, Electr Eng Jpn, 138(1): 42–48, 2002     

基于一种改进的遗传模糊算法的短期负荷预测

使用输入-输出数据来确立模糊模型成为一种趋势。这种做法可视为一个系统辨识过程。模糊系统模型的辨识包括两个主要阶段:结构辨识和参数估计。旨在找到一个灵活的方法来学习和优化模糊推理系统的结构和参数。我们采取网络结构的Sugeno模糊系统作为初步预测模型,用改进的遗传算法来确定其结构和参数。通过对某电网负荷预测的实例表明,该模型具有较好的拟合精度。     

含光伏电源配电网故障的智能辨识方法研究

在光伏电源接入配电网后，由于光伏发电的不确定性、间歇性、波动性增加了配电网故障的辨识难度。针对此问题，提出一种熵-变分模态分量与神经网络改进ResNet模型相结合的方法。首先搭建含光伏电源配电网PSCAD仿真模型，获取不同复杂故障情景下的批量数据。其次，利用熵-变分模态(E-VMD)方法重构样本的特征矩阵，再采用改进残差网络进一步挖掘故障样本的隐含特征，然后通过模型的训练与测试。与其他文献模型的分类效果对比，改进ResNet模型故障类型识别的准确率平均达到99.95%,故障馈线识别的准确率达到99.75%,且具有良好的鲁棒性，可以有效地实现含光伏电源配电网故障的快速辨识。     

基于改进YOLOv5的输电线路绝缘子 识别方法

针对输电线路绝缘子识别准确率低、识别花费时间长的问题,提出一种改进的YOLOv5绝缘子识别方法。首先,通过引入超分辨率卷积网络提升数据集中图像样本质量;其次,通过引入k3-Ghost结构替换原始网络BCSP模块中的普通卷积,减少模型主干网络参数量,在主干网络尾部引入SENet注意力模块,加强模型对于通道信息的关注提升目标检测性能;在颈部网络引入DC-BiFPN结构替换原始结构,对不同尺度特征赋予不同权重以使多尺度特征进行更好的融合,提升绝缘子识别效果。最后,使用CIOU作为回归损失函数,加快网络收敛速度。实验结果表明：本文提出的方法在保证绝缘子识别准确率的同时拥有更高的识别速度,检测准确率达到89.5%,检测速度达到35.7FPS,验证了改进方法的有效性。