基于矢量距免疫算法的电力系统最优潮流计算

将基于矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。根据最优潮流中控制变量的特点,运用浮点数编码方法,无需解码,计算简单;通过用IEEE 30节点标准测试系统计算多次,燃料耗费显著改善,表明了所用方法的可行性和有效性。     

基于遗传-蚁群算法的库群长期优化调度

为克服蚁群算法前期收敛慢、易陷入局部最优解且参数难以确定的缺点,提出了遗传-蚁群算法进行库群长期优化调度问题的求解。该方法应用遗传算法生成问题的初始解,并将初始解的适应度转化为蚁群算法的信息素初始值,同时引入遗传算法染色体交叉、变异的思想进行蚁群算法参数最优组合的确定,提高了蚁群算法的优化性能和求解精度。对乌江流域4座水电站的计算结果表明,该算法可显著改善优化结果质量,获得良好的调度方案,是求解库群长期优化调度问题的一种有效方法。     

改进遗传算法在配电网无功优化中的应用

遗传算法是近年来被广泛应用于无功优化的一种新型的优化算法。结合配电网的特征，对遗传算法的选择操作、交叉和变异算子、终止判据等核心操作进行改进，提出一种适合于配电网无功优化的改进遗传算法。计算实例表明，其优化效果优于传统遗传算法。     

水文变异综合诊断方法及其应用研究

提出了一种水文时间变异综合诊断方法。首先采用Hurst系数等方法对序列进行初步检验，判断序列是否存在变异；然后用多种检验方法对序列进行详细诊断，得到多种检验结果；最后对检验结果评分，计算综合权重，找出权重最大的点，并结合实际水文调查分析对该点进行确认，从而得到最可能变异点。该方法已应用于潮白河45a径流量变异分析中，解决了单一检验方法检验结果不合理、多种检验方法检验结果不一致的问题。     

基于改进粒子群算法的地区电网无功／电压实时优化控制

在建立无功，电压实时优化控制模型的基础上。提出了一种基于改进粒子群算法的地区电网无功，电压实时优化控制实现方法。该方法采用增量启动策略决定控制设备参与优化的程度；通过综合考虑负荷大小、限振系数与动作比例等因素模糊推理出表征动作代价的模糊控制成本。更加合理地限制和分配控制设备的动作次数：将粒子群算法与无功，电压控制特点相结合以改善初始粒子质量、缩小寻优空间并引入交叉算子提高算法的计算速度和效率。以某一实际地区电网为例进行无功，电压实时优化仿真计算，结果表明，所提算法和控制策略是可行和有效的。     

气体横掠换热管束最佳质量流速的快速确定

本文提出一种快速确定气体横掠换热管束质量流速的计算方法，该质量流速将热交换器传热和阻力限制“耦合”在一起加以考虑，具有接近真值，迭代次数少，收敛快等优点，是该类热交换器设计气体流速的一种较佳确定方法。     

基于理想区间模型的电能质量综合评估

摘要：电能质量综合评估是电能质量定价的主要依据之一。本文采用理想区间模型对电能质量进行综合评估。首先,分别采用线性目标规划模型和变异系数法确定主观与客观权重,根据博弈论集化的思想求取各指标的综合权重;其次,基于理想区间模型计算样本指标值与理想区间的贴近度,从而对电能质量进行综合评估;最后,运用算例验证该方法的可行性和合理性。该方法不仅能整体评估电能质量,且可细化同一等级内质量差异。     

水体环境质量评价的物元识别模型

将物元分析理论与优化技术结合起来，提出了一种水体环境质量评价的物元识别模型．实例计算表明，该模型用于水体环境质量评价具有计算简便等优点，且计算结果与其它评价方法基本一致，为水体环境质量评价提供了一个新途径     

电站锅炉高温对流受热面管壁温度的校核算法

提出了一种计算高温对流受热面管壁最高温度的校核算法，该方法基于局部能量和质量平衡的热力约束条件，与以往算法的主要区别是具有可校验性，因此计算结果更接近实际情况。文中叙述了该算法的原理，并以一实例说明其计算步骤，对计算的结果进行了讨论。该算法对改进高温对流受热面的壁温设计方法以及运行中壁温监测具有重要的实际价值。图3表3参5     

二次响应面法在材料分区结构中的可靠度精度研究

通过一个复杂材料分区工程实例讨论了有交叉项和无交叉项二次响应面的计算精度和效率,并分别用二次响应面法和蒙特卡罗数值模拟法计算了可靠度指标,借助于F检验还可大大简化该模型.结果表明,基于正交试验抽样的无交叉项二次响应面耗时较少,适于大型复杂结构的可靠度计算;与传统响应面方法相比,这种二次响应面在构建响应面和可靠度计算时完全解耦.     

进化概率差异化策略优化有分流换热网络

强制进化随机游走算法优化换热网络时具有程序简单、全局搜索能力强等特点,但在优化过程中不同的进化阶段对进化概率需求不同,算法中设置单一的进化概率难以满足实际进化需求。因此,提出一种进化概率差异化策略,该策略的核心思想是智能识别流股的换热程度,动态调整进化概率,对存在公用工程的流股强制参与进化,使算法在前期具有较强的结构搜索能力;完全换热的流股通过降低进化概率,提升算法全局的精细搜索能力。采用15SP和39SP算例进行验证,所获年综合费用分别为1 494 690和1 894 477$/a,验证了该策略能够提升算法的优化效率与质量。     

基于相似性矢量距免疫遗传算法的城市电网规划

首次提出基于相似性矢量距选择概率的免疫遗传算法来求解城市高压配电网规划。结合遗传算法(GA)和免疫算法(IA)建立具有动态调整罚因子的目标函数,并引入人工免疫机制对各个抗体之间在编码上的相似性进行处理,以保存种群的多样性同时保证算法能够较快的收敛。通过IEEE-6节点系统的仿真计算,并与其他算法比较,表明该算法计算速度和优化效果都具有明显的优势。     

Wireless monitoring algorithm for wind turbine blades using Piezo‐electric energy harvesters

Wind turbine blade failure can be catastrophic and lead to unexpected power interruptions. In this paper, a Structural Health Monitoring (SHM) algorithm is presented for wireless monitoring of wind turbine blades. The SHM algorithm utilizes accumulated strain energy data, such as would be acquired by piezoelectric materials. The SHM algorithm compares the accumulated strain energy at the same position on the three blades. This exploits the inherent triple redundancy of the blades and avoids the need for a structural model of the blade. The performance of the algorithm is evaluated using probabilistic metrics such as detection probability (True Positive) and false alarm rate (False Positive). The decision time is chosen to be sufficiently long that a particular damage level can be detected even in the presence of system sensor noise and wind variations. Finally, the proposed algorithm is evaluated with a case study of a utility‐scale turbine. The noise level is based on measurements acquired from strain sensors mounted on the blades of a Clipper Liberty C96 turbine. Strain energy changes associated with damage from matrix cracking and delamination are simulated with a finite element model. The case study demonstrates that the proposed algorithm can detect damage with a high probability based on a decision time period of approximately 50–200 days. Copyright © 2016 John Wiley & Sons, Ltd.     

基于概率分析的高阻接地故障检测新方法

针对配电网系统的单相高阻接地故障,提出了一种基于概率分析的故障检测与定位方法。该方法适用于零序不接地或经消弧线圈接地系统,利用数据采集系统采集到的零序电压和各线路零序电流的变化,进行各线路故障概率计算,在最大故障概率条件下进行故障定位。算法简洁有效,现场实测数据证明了该算法的正确性和实用性。     

First and second order Markov chain models for synthetic generation of wind speed time series

Hourly wind speed time series data of two meteorological stations in Malaysia have been used for stochastic generation of wind speed data using the transition matrix approach of the Markov chain process. The transition probability matrices have been formed using two different approaches: the first approach involves the use of the first order transition probability matrix of a Markov chain, and the second involves the use of a second order transition probability matrix that uses the current and preceding values to describe the next wind speed value. The algorithm to generate the wind speed time series from the transition probability matrices is described. Uniform random number generators have been used for transition between successive time states and within state wind speed values. The ability of each approach to retain the statistical properties of the generated speed is compared with the observed ones. The main statistical properties used for this purpose are mean, standard deviation, median, percentiles, Weibull distribution parameters, autocorrelations and spectral density of wind speed values. The comparison of the observed wind speed and the synthetically generated ones shows that the statistical characteristics are satisfactorily preserved.     

Cumulant based probabilistic power system simulation using Laguerrepolynomials

The authors describe a novel cumulant method of probabilistic power system simulation using the Laguerre polynomial expansion. In this method, Laguerre polynomials are used for obtaining the equivalent load duration probability density function from cumulants representing the load and generator outage probability density functions. A recursive algorithm is used for calculating moments and cumulants which enables practically any number of cumulants to be used in the simulation. The results of testing the method on the IEEE Reliability Test System are presented. The accuracy and computational efficiency of the method are compared with those of the conventional cumulant method based on the Hermite polynomial expansion     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

Inverse radiation analysis of a one-dimensional participating slab by stochastic particle swarm optimizer algorithm

A stochastic particle swarm optimizer (SPSO) algorithm, which can guarantee the convergence of the global optimization solution with probability one, is adopted to estimate the parameters of radiation system. To illustrate the performance of this algorithm, three cases are investigated, in which the source term, the extinction coefficient, the scattering coefficient, and the non-uniform absorption coefficients in a one-dimensional slab are retrieved. The directional radiative intensity, reflectance and transmittance, radiative flux simulated by discrete ordinate method (DOM) are served as input for the inverse analysis, respectively. By SPSO algorithm presented, all these radiative parameters could be estimated accurately, even with noisy data. In conclusion, the SPSO algorithm is proved to be fast and robust, which has the potential to be implemented in various fields of inverse radiation problem.     

蚁群加速遗传算法在水环境优化问题中的应用

提出了水环境优化问题的一种新方法——蚁群加速遗传算法，给出了实施该算法的详细步骤。并对新方法的收敛性和全局优化性进行了理论和实例分析，在污水处理模型的参数识别问题中，新方法得到了精度较高的全局最优解。新方法具有精度高、速度快和鲁棒性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的较好的非线性优化方法，可广泛应用于各种水环境优化问题中。     

基于退火单亲算法的压气机叶片排序

压气机叶片排序问题属于完全NP难题,本文针对遗传算法在解决排列组合问题中的早熟收敛,提出了一种新的算法——退火单亲算法。并用退火单亲算法对压气机排序问题进行建模,在无需人工微调的情况下得到了比其他随机优化算法精度更高的叶片排序结果。实验结果表明退火单亲算法与遗传算法相比,具有寻优效果好、耗时少的优点,同时减少了航空发动机安全事故的发生概率。因此,将退火单亲算法运用在压气机叶片排序问题的求解上具有良好的有效性和可行性。