数字地图中地物的直角化平差方法

在数字测图软件中，对直角型地物进行平差校正是必须具备的软件功能之一，也是地图数据在进入GIS之前对数据完整性检验的必经过程。介绍了一种利用附有条件的间接平差法计算直角地物中各角点坐标改正数的方法。     

基于改进粒子群算法的制造单元构建方法研究

针对制造单元构建问题的特征,构建了以最小化单元内部及单元之间物流费用为优化目标,综合考虑设备单元分组和单元内设备具体排序的制造单元模型。同时,针对模型求解的复杂性,设计了改进粒子群算法,通过两种编码方式实现单元分割点和位置的有序统一,并对交叉算子进行非线性设计,使交叉概率随种群中个体适应度值的变化而自适应修正,防止了算法的局部最优。最后通过实际案例,验证了模型和算法的有效性。     

基于偏好知识的多目标优化算法求解计及电源侧的 配电网故障恢复

针对传统故障恢复在处理电源侧问题上的不足,基于变电站主变在实际运行时要尽量满足N-1准则的要求,提出了变压器越限个数和变压器平均负载率两个目标函数。在求解故障恢复的算法上,针对基于传统占优机制的经典多目标智能算法在迭代过程中没有考虑决策者的偏好知识,从而导致算法收敛缓慢和无法得到最优解的问题,将g占优机制和TOPSIS方法引入多目标智能算法。g占优机制中的参考点可以根据故障恢复问题的特殊要求进行灵活设计,TOPSIS方法可将决策者的偏好知识融入算法的迭代过程中。这些措施可以有效地提高解的质量和算法的收敛性能。最后,通过算例验证了该算法的可行性和有效性。     

基于节点阻抗矩阵的配电网故障测距算法

提出了一种基于节点阻抗矩阵的配电网故障测距改进算法,故障后,系统的网络拓扑结构及参数会随之改变,引起节点阻抗矩阵的变化,形成故障后的节点阻抗矩阵,其中含有未知量故障距离和过渡电阻,利用节点阻抗的物理意义建立测距表达式。该算法仅需要变电站出线电压、电流作为输入量,迭代计算故障区段上游母线的电压、电流,代入已建立的测距表达式求出故障距离和过渡电阻;为适应配网中负荷特性不统一、时变的特点,提出采用静态电压特性的负荷模型模拟负荷,采用此模型可以更加精确地计算故障后各负荷及分支的分流,使得故障测距结果更加准确;并提出结合配电系统的馈线自动化功能减少伪故障点个数实现故障点的定位;文章最后在PSCAD中搭建配电网IEEE 34节点模型,在 Matlab 中实现文中提出的故障测距算法,仿真测试表明该算法的有效性。     

基于故障区域搜索的配电网故障定位算法

提出了一种基于故障区域搜索的配电网故障定位算法,该算法仅需要在有限的开关处安装测点。首先,由多代理系统(MAS)利用上、下级代理(Agent)之间的配合搜索出故障关联区段,然后,根据故障区域相对于分布式电源(DG)的位置,分别由相应的Agent在选定的故障关联区段上利用阻抗法计算故障距离。若故障发生在DG上游,则由主站Agent利用本地测量信息和DG接入点的同步测量信息计算故障距离;若故障发生在DG下游,则由DG接入处的线路执行Agent仅利用本地测量信息计算故障距离。该算法对故障点的判别能够适应配电网分支较多的情况且计算速度较快,同时不依赖于大量数据的长距离传输。在MATLAB中的仿真结果表明,该算法在过渡电阻较大的情况下,仍能保证误差距离在可接受范围内。     

配电网量测配置评估及优化

利用算例分析研究了配电网中不同量测类型对提高状态估计结果精度的影响特性,并初步分析和探讨了其原因;提出了一种量测配置优化方法,以期在配电网中增加实时量测时,使其能最大限度地提高状态估计结果精度。算例验证表明所提方法可以用于指导配电网量测布点的优化决策。     

基于模糊聚类-量子粒子群算法的用电特性识别

为解决应用传统模糊C均值（fuzzy C-means, FCM）算法进行电力负荷模式提取时存在的对初始聚类中心敏感、聚类数目不易确定等问题,构建表征聚类效果的目标函数,并针对传统智能寻优算法易收敛、陷入局部最优等缺陷,采用一种量子编码的粒子群算法进行全局寻优以确定最佳聚类中心及分类数目,在确定最佳聚类中心及聚类数目基础上,构建能够全面反映各类型负荷的特征向量,最后通过与传统FCM算法下的计算结果进行对比,验证了该方法在用电识别方面的有效性及正确性。     

基于改进的并行K-Means算法的电力负荷聚类研究

电力企业通常根据电力负荷数据,采用传统的K-Means算法对客户进行划分,而这种方法最大的缺陷就是必须由用户手动指定聚类簇数。提出了一种将Canopy算法和K-Means算法结合应用于负荷聚类的方法,无需手动指定聚类簇数。收集到的用户历史用电数据,使用并行计算框架MapReduce对原始数据进行预处理。应用Canopy和K-Means算法建立自动负荷聚类模型。在真实用电数据上进行实证分析,通过使用Silhouette指标对结果进行评估,证明提出的方法更加稳定和具有广泛的适用性。