基于改进二进制粒子群算法的孤岛划分方法

当分布式电源（distributed generation, DG）发生孤岛效应并停止运行时,可能导致重要负荷供电中断、DG弃光率升高和配电网供电可靠性降低。提出了一种基于改进二进制粒子群算法的孤岛划分新方法。根据线路电阻确定停电区域内负荷与各DG的电气距离,将其划分为多个单DG初级孤岛,以降低算法复杂度、避免功率远距离输送;给出具有“移动”“寻优”“突变”特性的速度更新公式和逐级约束的位置更新公式,并利用其划分各初级孤岛,以避免算法陷入局部最优解,从而提高其寻优速度;调整不满足约束条件和存在孤岛融合的供电区域,以保证孤岛运行的稳定性和最优性,实现孤岛划分。利用MATLAB/Simulink搭建IEEE 69节点配电系统,验证了该方法的有效性。     

基于单机无穷大等效的暂态稳定约束最优潮流算法

为解决传统的考虑暂态稳定约束的最优潮流(TSOPF)方法暂态约束条件数量庞大、计算复杂性高等问题,可通过修改Matpower工具包和PSS/E软件,进而实现了一种故障初始时刻考虑暂态约束的TSOPF算法,通过对等效系统初始稳态功角偏差的约束,一般TSOPF方法中数量庞大、复杂的暂态约束条件被简化为数量唯一的稳态约束条件,TSOPF方法的问题规模被降低到与传统最优潮流问题相同的程度。基于IEEE3机9节点系统和10机新英格兰系统的算例,验证了该算法的有效性。     

考虑地理属性的大电网典型输电断面搜索方法研究

针对大电网节点数目多、网架结构复杂、难以在线监控的问题,研究了一种考虑地理属性的典型输电断面搜索方法。以系统中厂站节点的地理属性为基础,划分初始分区,并对各分区的边界节点进一步优化调整;采用基于图论矩阵运算的割集算法搜索电网输电断面,将安全裕度小的输电断面视作典型输电断面并作为电力系统重点监控对象。以某省电网及其局部网架为算例,经过电力系统分析综合程序PSASP大量测试,证明了所提典型输电断面搜索方法的有效性。     

基于改进两阶段鲁棒优化的电力系统状态估计方法

误差是测量值相对于真值的偏差,由于实际中真值不可得,传统基于误差理论建立的状态估计模型具有较大的局限性。为此,首先基于马氏距离,确定PMU最佳缓冲长度并与SCADA数据统一到同一时间断面;然后,在两阶段算法框架下,基于不确定测度理论和在该理论下的测点相对偏离,考虑严格的零注入约束关系,以加权不确定测度相对偏离之和最小为目标,提出一种基于改进两阶段鲁棒优化的电力系统状态估计方法。仿真结果表明,相对于传统状态估计方法,所提方法能够严格满足零注入节点的注入功率为零,且鲁棒性好,估计结果契合度较高。     

基于谱聚类算法的电力系统关键断面自动识别

为加强对关键断面的监控,提高电力系统安全稳定运行水平,提出了一种基于谱聚类的系统关键断面自动识别方法,即以节点导纳Laplace矩阵参数中的物理信息反映节点之间拓扑关系和耦合程度,通过引入谱聚类算法,利用数据挖掘技术对节点导纳Laplace矩阵的特征向量进行聚类,形成层次分明的分区方案,进而通过分区自动识别系统关键断面,并以分区效果系数和相关系数反映关键断面识别效果。最后以IEEERTS 79系统为例验证了该算法的可行性,为电力系统关键断面的识别提供了一种新思路。     

基于改进和声搜索的配电网WSNs多路径QoS路由算法

针对智能配电网(Smart distribution network,SDN)中无线通信数据传输不可靠且网络寿命低等问题,提出一种基于改进和声搜索的无线传感器网络(Wireless sensor networks,WSNs)多路径QoS路由算法(Multipath QoS routing algorithm,MQRA)。首先,分析配电网的通信需求并建立数据传输模型;然后,针对无线传感器路由问题的特点对和声搜索算法(Harmony search,HS)做出改进;再将其自适应参数公式进行改进以避免算法陷入局部最优;通过在源节点与目的节点之间构建前传区域来优化转发节点集以避免数据回传,提升算法的运行效率;最后,在初始和声库生成阶段,综合考虑距离、丢包率以及节点剩余能量来改进轮盘法中的概率公式。仿真结果表明MQRA算法能有效降低数据传输的时延,提升数据可靠性并均衡节点能耗延长网络使用寿命。     

含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

基于可再生能源汇集母线电压角速度轨迹的级联断面解列策略

文章研究了两端电势幅值不等时可再生能源汇集母线电压角速度的变化规律,提出了利用可再生能源汇集母线电压角速度来定位振荡中心及失步中心的大规模可再生能源电网级联断面解列策略。首先分析了级联断面的耦合关系及异步振荡过程电压角速度特性,通过可再生能源输送线路两侧电压角速度变化速率相反来确定失步中心位置;然后采用短路阻抗法绘制振荡中心角速度轨迹,以此计算振荡中心分布;最后综合失步中心、振荡中心、孤岛不平衡度及潮流冲击,应用主成分分析法决策解列方案。文章所提出的方法综合考虑解列有效性及解列后系统稳定性指标,提高了解列策略的合理性,使解列过程更加快速、有效。基于西北实际电网的仿真算例,验证了本策略的有效性,显示了该策略判据简单,决策方法合理。     

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义。由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等。文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法。模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏阵列模型模拟结果的精度较高,更符合光伏阵列的实际输出特性,且不依赖于出厂参数,因此,适应性较好,并具有操作简单、易于实现的优点。     

改进粒子群-极限学习机模型在面板堆石坝运行期沉降预测中的应用

针对极限学习机(ELM)沉降预测模型中随机权值和阈值导致部分节点无效的问题,引入改进粒子群算法(IPSO)优化极限学习机的参数,构建基于改进粒子群-极限学习机算法的面板堆石坝运行期沉降预测模型,并将其应用于某完建的面板堆石坝运行期沉降预测中。结果表明,与未优化的极限学习机预测模型和统计回归预测模型的拟合预测结果相比,经改进粒子群算法优化后的极限学习机预测模型在测点上的拟合精度更高,且由于引入改进粒子群算法后,极限学习机在满足精度条件下所需预设的隐含层神经元数更少,这可极大地降低模型网络的复杂度,避免模型在训练中出现过拟合现象;三个模型中IPSO-ELM模型的泛化能力更好,预测结果更精确、稳定。     

基于改进小生境遗传算法的输电网安全经济规划模型

传统输电网规划模型中的目标函数通常仅考虑系统运行经济性而忽略安全性因素及其所带来的损失,为避免此缺陷,在运用改进K-means算法进行负荷聚类并建立多级负荷模型的基础上,以包含年投资成本、运行维护成本及缺电成本的年综合成本最小为目标,建立一种考虑安全性经济性协调的输电网规划模型,将安全性效益转化为经济形式并加入到目标函数中,同时在模型约束条件中考虑N-1安全约束,从而实现电网安全性与经济性的协调。最后,利用带有精英保留策略的改进小生境遗传算法求解规划模型,确定基于安全性经济性协调下的最优规划方案。通过分析修改后的IEEE RTS79系统,验证了模型及求解算法的有效性,可为输电网安全经济规划提供参考。     

考虑电网络影响的水火电力系统短期优化调度

为提高发电计划实际执行的可行性,提出考虑电网络影响的水火电力系统短期优化调度方案,即在传统水火电优化调度中引入输电网络潮流约束,构建水火电力系统短期优化调度数学模型。该模型以火电站的总煤耗量最小为优化目标,考虑水火电的发电特性、梯级水电复杂关系、系统运行约束、输电网络约束及传输功率限制。同时为模型求解引入迁徙操作和惯性权重非线性递减策略的改进粒子群算法,并设计了五种约束处理规则以应对复杂的约束条件。最后以典型水火电系统和IEEE-9节点的电网络拓扑为例对所构建的模型和算法进行验证。结果表明,所构建的优化模型和设计的求解方法能满足复杂运行约束的短期调度方案。     

基于SSA-PSO-ANFIS的短期风速预测研究

针对风速具有强非线性的特点,提出一种奇异谱分析和改进粒子群优化自适应模糊推理系统的短期风速预测模型。该方法采用奇异谱分析将原始序列分解为趋势和谐波分量,对各分量分别建立模糊神经网络模型,最后将各分量预测结果叠加得到预测风速值。为提高预测精度,改用改进粒子群算法对自适应模糊推理系统的隶属度函数进行优化。以河北某风电场实测数据进行仿真并与传统的神经网络对比分析,结果表明将风速重构后分别预测再叠加降低了原始问题的复杂度,同时提高了预测精度,在不同时间间隔的风速序列预测中该模型显著降低了多步实时预测中的误差。     

循环流化床锅炉燃烧系统的多变量控制

循环流化床锅炉燃烧系统为大滞后、强耦合和非线性的热力系统,其动态特性的复杂性使得目前较多采用的多回路控制系统不能有效地投入自动.通过分析各输入量对各输出量的影响程度和计算各控制回路的相对增益,确立了循环流化床锅炉燃烧系统的多变量控制方案.采用遗传算法对燃烧控制系统进行优化设计,并采用Mento-Carlo方法对控制系统的鲁棒性进行评价.结果表明:基于动态特性的多变量控制系统具有优良的控制性能,该控制系统的鲁棒性能很好.     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

改进的遗传算法在水环境模型参数估值中的应用研究

针对传统遗传算法的不足，提出了一种采用最优个体保护，适应函数调整，双点交叉相结合的方法进行繁殖操作，同时又能自适应地改变交换和是率的遗传算法，最后在水质模型参数估值应用中将此改进法与传统遗传算法的计算结果进行了对比，结果证明前者具有更好的收敛性能。     

计量用低压电流互感器自动化检定系统数据库研究

为使计量用低压电流互感器自动化检定系统得到大规模推广应用,针对系统数据库设计不够完善而导致数据丢失或冗余问题,根据已建系统的经验和Oracle分布式数据库设计方法,提出一种简化编码量后更能有效应对现场实际运行情况的数据库,并应用于福建地区的计量用低压电流互感器自动化检定系统中。运行结果表明,该数据库有效提高了自动化检定效率和准确性,降低了编码复杂度。     

基于改进粒子群优化支持向量机的汽轮机组故障诊断

基于支持向量机（SVM）在核函数参数和惩罚因子人为选取的盲目性以及传统粒子群算法（PSO）后期易陷于局部最小值的不足,提出了一种改进的粒子群算法（MPSO）,建立了汽轮机组振动故障诊断模型并且利用故障数据进行了模式识别.结果表明：模型能够对SVM相关参数自动寻优,并且能达到较为理想的全局最优解;与PSO-SVM和GA-SVM算法相比,MPSO-SVM算法在收敛速度和准确率方面都有所提高.     

集中式污水再生回用系统优化方法的比较

为解决具有多层次多目标特点的滇池流域集中式污水处理厂尾水再生回用及其远距离调度模型方法选用的问题,以传统内点算法和智能遗传算法为基础分别建立改进的系统优化方法。结合滇池流域规划决策实际,分析两种方法求解结果对该系统水量在设施、空间及用户供需分配上的定量差异。结果表明,基于遗传算法的优化方法较传统内点算法更适于该系统配置问题的求解。     

基于水循环算法的梯级水电站短期优化调度

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(GA)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(WCA)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与GA和粒子群算法(PSO)所得结果进行比较。实例研究表明,WCA计算的总效益在丰、平、枯典型日分别比GA和PSO计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。