基于改进粒子群-径向基神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测。算例结果表明,该算法优于径向基神经网络法和粒子群–径向基网络算法,克服了径向基网络和粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内。     

含光伏电站的配电网无功优化

通过求得光伏电站有功功率的期望值解决了其有功输出不确定的问题,并通过调整光伏并网系统的有关参数来调节其无功输出,使得光伏电站能够参与配电网的无功优化.建立了以网损最优为目标的函数模型,并用改进的细菌群体趋药性算法（bacterial colony chemotax-is,BCC）求得目标函数的最优解.通过实例计算分析,验证了该模型和算法的有效性.     

计及负荷不确定性的电网参数分析和优化

考虑负荷需求具有不确定性,采用最近邻聚类和区间分析法处理导线和变压器优化选型中的不确定性问题。针对牛顿–拉夫逊潮流计算中节点导纳矩阵的特点,简化了损耗对网络参数的灵敏度公式,进一步推导了损耗对导纳参数以及适用于三相变压器的灵敏度公式,提高了计算的速度和精度。根据线路和变压器的灵敏度区间值,给出了区间形式的目标函数,采用离散细菌群体趋药性优化算法进行优化选型。算例结果验证了该算法的有效性。     

径向基函数神经网络在电力变压器故障诊断中的应用

基于油中溶解气体分析法,采用径向基函数（radicalbasisfunction,RBF）神经网络模型对电力变压器进行故障诊断。为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识：首先采用减聚类算法确定RBF神经网络隐含层基函数的中心点,然后采用量子粒子群优化（quantum-behavedparticleswarmopti-mization,QPs0）算法求解基函数的宽度以及隐含层与输出层的连接权重。仿真实验结果表明,该方法的故障诊断正确率较高,达90．67％。     

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性（BCC———bacterial colcony chemotaxis）优化方法应用在电力系统无功优化中，以网损最小为目标函数，建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵，它们在算法中作为细菌位置坐标，表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在 n维空间中的移动寻优规律，每个细菌通过感知周围的信息不断向最优方向移动，从而提高了全局搜索能力。通过优化参数，加快了收敛速度。对IEEE 30，IEEE 57，IEEE 118测试系统进行了测试，与免疫记忆遗传算法和混沌粒子群算法相比较，结果令人满意。     

基于ACC-RBF的水布垭面板堆石坝参数反演分析

蚁群聚类径向基函数（ACC-RBF）神经网络是将蚁群聚类算法和径向基函数神经网络组合运用的一种新型神经网络模型,把该网络用于水布垭高面板坝堆石体的多参数反演问题,在室内试验参数的基础上用有限元计算获得学习样本,采用该网络对坝体堆石料的邓肯E-B模型参数进行反演分析,用反演所得参数结合三维非线性有限元计算坝体应力变形,并与实测资料比较,得出很接近的结论。     

基于组合算法和径向基神经网络的断路器故障预测模型

针对断路器操作机械的故障检测,利用断路器的操作电流轮廓线,研究了构造径向基函数神经网络的算法,提出一种组合算法优化径向基神经网络的故障预测模型,该算法构建的径向基神经网络具有隐节点数稳定性好,输出误差和离散性小.仿真结果表明了该方法的有效性.     

基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法

在基于径向基函数神经网络(RBFNN)的电力系统短期负荷预测的基础上,采用量子粒子群优化算法(QPSO)优化神经网络权值,并运用模糊理论进行修正预测模型,提出基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法.仿真实例计算结果表明该方法收敛速度快、预报精度高,具有工程应用前景.     

基于参数优化SVM算法的交联电缆局部放电模式识别

为避免传统模式识别中神经网络收敛速度慢、过学习等不足或因支持向量机(Support Vector Machine,SVM)参数选择不当而导致识别准确度低,在引入M-ary分类理论将泛化及学习能力更强的SVM算法扩展为多类分类器的同时,利用改进遗传算法(Genetic Algorithm,GA)优化各子分类器的惩罚因子、松弛变量及核函数参数,从而构造出最优参数SVM分类模型。开展交联电缆局部放电模拟试验并提取了表征灰度图象内在分形特征的4个分形维数作为局部放电模式识别的放电指纹,分别采用优化SVM、未优化SVM及径向基函数(Radial Basis Function,RBF)神经网络作为模式分类器完成缺陷分类,并通过对比三者识别效果验证了优化模型的正确性。结果表明,以优化SVM作为分类器时各缺陷识别率均大于95%,且无论是否优化参数,SVM总体识别能力要优于RBF神经网络。     

基于细菌群体趋药性算法的暂态稳定预防控制

针对电力系统安全运行中的暂态稳定性预防控制问题,以预防控制中的总调整费用最小为目标函数,建立了预防控制数学模型。将一种新型的群体智能优化算法——细菌群体趋药性算法应用于该模型的优化求解。该算法通过优化参数,加快了收敛速度,解决了暂态稳定预防控制中鲁棒性和快速性问题。仿真结果表明:该方法符合IEEE 39节点测试系统的要求,估计精度能够满足实际工程需要。     

A radial basis function neural network controller for UPFC

This paper presents the design of radial basis function neural network controllers (RBFNN) for UPFC to improve the transient stability performance of a power system. The RBFNN uses either a single neuron or multi-neuron architecture and the parameters are dynamically adjusted using an error surface derived from active or reactive power/voltage deviations at the UPFC injection bus. The performance of the new single neuron controller is evaluated using both single-machine infinite-bus and three-machine power systems subjected to various transient disturbances. In the case of three-machine 8-bus power system, the performance of the single neuron RBF controller is compared with a BP (backpropagation) algorithm based multi-layered ANN controller. Further it is seen that by using a multi-input multi-neuron RBF controller, instead of a single neuron one, the critical clearing time and damping performance are improved. The new RBFNN controller for UPFC exhibits a superior damping performance in comparison to the existing PI controllers. Its simple architecture reduces the computational burden thereby making it attractive for real-time implementation     

量子遗传算法优化RBF神经网络及其在热工辨识中的应用

量子遗传算法是基于量子计算原理的概率优化方法，在量子门更新过程中，旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点，将量子衍生交叉算法的思想引入FQGA，提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络进行非线性系统辨识。其特点是通过这种新的量子遗传算法，实现对RBF神经网络权值、宽度和中心位置等有关参数的估计。其速度快、精度高。通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法，编制了专用的模型识别软件，对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识，结果表明该方法是一种精度比较高的辨识算法。     

基于混沌遗传算法的滤波器优化

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状,将混沌序列引入遗传算法中,利用混沌序列的特性可以有效地弥补遗传算法存在的使优化解落入局部最优陷阱的缺陷,同时改进遗传算法的参数,可以进一步提高优化的效率和精度。测试函数的优化计算证实了该方法的正确性。工程实例表明,应用混沌遗传算法对LC滤波器参数进行优化,假设条件少,寻优空间大、寻优速度快,该算法可以用来作为LC滤波器参数优化的有效方法。     

基于改进细菌群体趋药性算法的电力系统无功优化

建立了无惩罚因子策略的数学模型,并应用改进细菌群体优化(bacterial colony chemotaxis,BCC)算法进行无功优化。该模型利用可行细菌的占比指导细菌向可行空间搜索或最小网损空间搜索,快速搜索到可行的最优值。在基本BCC算法中引入速度、感知范围的动态调整以及高斯变异机制以提高寻优精度;同时引入映射因子以改善BCC算法解决离散域问题的性能。算例结果表明,改进BCC算法具有较好寻优性能,结合无惩罚因子策略的数学模型能快速得出合理的无功优化策略。     

模块化多电平换流器型多端高压直流输电控制参数优化方法

针对模块化多电平换流器型多端直流(MMC-MTDC)输电系统的稳定性受不同换流站控制系统之间相互作用的影响,不恰当的控制参数可能会降低MMC-MTDC系统的稳定裕度问题,提出一种MMC-MTDC控制参数的优化方法以提升系统的稳定裕度。首先,建立包括MMC主回路、控制系统、交流系统与直流系统的MMC-MTDC小信号模型。其次,建立以特征值为目标函数的控制参数优化问题,并提出一种基于参数灵敏度的控制参数优化算法。在优化过程中,采用回溯直线搜索(BLS)计算每次迭代的搜索步长。最后,在一个三端MMC-MTDC系统中应用所提出的控制参数优化方法进行稳定性分析与时域仿真,并与粒子群算法进行比较。结果表明所提出的MMC-MTDC控制参数优化方法能够有效提升系统的稳定裕度,且在优化结果与优化效率具有一定的优越性。     

基于RBFNN模型明胶浓度在线测量

为提高国内明胶企业检测明胶浓度效率,提出一种基于径向基函数人工神经网络(RBFNN)软测量多模型。选定时间、温度和比重作为辅助变量,用GK聚类算法对所采集的数据进行聚类,使用NeuroSolution软件中的RBF模块组成RBFNN,将所聚子类数据输入该模型进行训练,用与输入变量对应的子模型的输出作为系统最终输出。仿真结果表明该建模方法均方根误差为0.000824,与相同辅助变量单RBFNN模型相比精度有了很大提高。     

Coordinated Design of Power System Stabilizers and Static Phase Shifters Using Genetic Algorithm

Coordinated design of a power system stabilizer (PSS) and a static phase shifter (SPS) using genetic algorithm (GA) is investigated in this paper. The design problem of PSS and SPS controller is formulated as an optimization problem. An eigenvalue-based objective function to increase the system damping is proposed. Then, GA is employed to search for optimal controller parameters. Different control schemes have been proposed and tested on a weakly connected power system with different disturbances, loading conditions, and parameter variations. It was observed that although the PSS enhances the power system stability, the SPS controller provides most of the damping and improves the voltage profile of the system. The nonlinear simulation results show the effectiveness and robustness of the proposed control schemes over a wide range of loading conditions and system parameter variations.     

一种改进的自然数编码遗传算法在非满载时间窗车辆优化调度问题中的应用

用改进的一种顺序交叉算子代替实数编码遗传算法中的标准顺序交叉算子，应用于时间窗车辆调度优化问题的求解，克服了标准顺序交叉算子在求解该问题时局部寻优能力的不足，一组仿真实验结果表明，改进的顺序交叉算子具有很好的局部寻优能力，改进的算法求解时间窗VSP问题收敛性明显好于标准遗传算法。