基于ANSOFT RMxprt的三相异步电机有限元分析

采用Ansoft RMxprt建立异步电机模型,然后分别直接导入至Ansoft12的Maxwell2D和Maxwell3D模块,进行后续的有限元计算仿真,并给出了瞬态电磁场有限元分析结果,并对结果进行了分析。     

无重访遗传算法及其在输电网络规划中的应用

将无重访的遗传算法(non-revisiting genetic algorithm,NrGA)应用于求解输电网络规划问题。NrGA通过空间二叉分割(binary space partitioning,BSP)和相应的二叉分割树(BSP tree)数据结构对遗传算法搜索过的历史位置进行记录,能够快速检测遗传操作产生的新解是否在BSP tree的历史存档中,对历史存档中已有的新解使用基于BSP的自适应变异机制进行操作,实现遗传算法的无重访搜索。此外,针对输电网络规划问题的具体特点,从编码、交叉、惩罚方法等方面对算法进行改进。最后通过一个典型算例对所提出的方法进行验证。与普通遗传算法相比,NrGA算法具有参数设定区间宽泛、收敛到最优解的概率高等多方面的优势。     

基于Copula函数及Rosenblatt变换的含相关性概率潮流计算

随着风电渗透率的增加,在考虑风电出力随机性和间歇性对配电网影响的同时,风电场间风速的相关性应予以考虑。将Rosenblatt变换与Copula函数相结合以处理风电场间复杂的非线性关系,提出一种基于Copula函数及Rosenblatt变换的概率潮流半不变量算法。所提方法能准确捕捉到输入变量间的非线性相关关系,且具备半不变量法计算效率高的优点。以IEEE33节点网络接入风电场对所提方法进行测试。结果证明了所提方法的有效性、准确性和实用性,所提方法计算结果较考虑线性相关性算法的计算结果更接近实际运行情况。     

基于灰色神经网络优化组合的风力发电量预测研究

文中提出一种新型灰色神经网络优化组合的风力发电量预测研究,将人工神经网络预测模型和灰色预测模型有效结合,不仅考虑了风力、风向和温度等影响因素,而且将往年风力发电量的历史数据综合考虑,结合两种预测优点,从而提高了预测的准确度并降低预测误差。算例结果证明,这种新型的灰色神经网络优化组合预测值误差低于单一的灰色预测或神经网络预测。     

基于神经网络模型的在线电压稳定裕度评估

为了在线快速评估当前电力系统稳定裕度,将回归分析和人工神经网络模型同时应用于电压稳定评估,用回归分析法来求负荷对电压稳定裕度的灵敏度,此种方法克服了传统潮流方法求取灵敏度的缺陷。为了改善神经网络模型的性能,根据预先设置好的灵敏度阀值来进行特征选择,从而减少输入变量的维数;然后设计了一个三层BP神经网络进行训练,求取电压稳定裕度,取得了很好的预测效果,最后在IEEE30节点系统上进行了验证。证明此方法的有效性。     

并网光伏发电置信容量评估

提出了一种应用含衰老和竞争机制的粒子群算法(Particle Swarm Optimization with Aging and Challenging Mechanism,ACM-PSO),分别从负荷侧和电源侧求解并网光伏发电置信容量。在构建了以常规机组类型数为系统状态变量的基础上,将ACM-PSO算法作为一种系统状态扫描及分类工具筛选出对发电可靠性指标有贡献的系统故障状态集。定义了负荷比例增加方式,以光伏发电接入前后系统电力不足期望(loss of load expectation, LOLE)保持不变为原则,分别从负荷侧和电源侧构建了目标函数,应用ACM-PSO算法求解光伏发电的有效荷载能力和等效常规机组容量。应用改进的IEEE-RTS79测试系统验证了所提方法的有效性。     

基于基本环矩阵及改进并行遗传算法的配电网重构

为了快速准确地去除配电网重构过程中的不可行解,给出基本环信息矩阵以包含所有配电网含环路情况,从而在一定条件下保证非基本环信息矩阵内的方案可行,同时避免小生境遗传算法收敛于局部最优解,提出小生境—粗粒度混合遗传算法求解配电网重构模型,即将小生境遗传算法中的子父代共同竞争淘汰机制与粗粒度并行遗传算法中的迁移操作相结合,再通过试验获取最优参数配置。算例结果表明,该方案较传统小生境遗传算法求解配电网重构模型具有更高的寻优成功率和更快的收敛速度。     

动态输电网络规划的组合编码遗传算法

针对动态输电网络规划过程中需要考虑时间决策量的问题,提出了组合编码方式。组合编码方式将多阶段输电网络规划中的时间决策量隐含在编码中,从而使得多阶段的动态输电网络规划问题能够转换成静态规划问题进行求解。该编码方式满足表现型和基因型的1对1映射,及表现型空间与基因型空间距离上的一致性,从而保证了遗传算法的搜索效率。此外,针对动态输电网络规划的特点,对遗传算法的交叉算子、变异方式、适应度函数、惩罚系数等方面进行了改进,进一步改善了遗传算法求解多阶段输电网络规划问题的性能。以19节点系统为例对算法进行了验证,结果表明能够在较短的进化代数内得到问题的最优解。     

基于化学反应算法的配电网重构

化学反应(chemical reaction optimization,CRO)算法是从化学反应过程中得到的启发式算法,模拟了化学反应过程中分子相互作用最终到达稳定的低能量状态的过程。基于此,提出了配电网络重构方法。根据配电网络的特征,采用独立环路构造分子的结构,各环路中的开关编号作为分子结构中各特性的取值集合。结合所构造的分子结构的特点,设计了用于配电网重构的分子与容器壁之间无效碰撞、分子之间无效碰撞、分子分解、分子合成的详细规则。算例结果验证了该方法的有效性。     

基于含衰老和竞争机制的粒子群算法的配电网重构

为克服基本粒子群算法易陷入局部最优而导致的早熟收敛,引入了一种含衰老和竞争机制的粒子群算法求解非线性整数组合优化的配电网重构问题。该算法引入衰老和竞争机制,设计了领袖寿命调整、竞争者产生和竞争者领导能力评估等策略以改善粒子群算法的收敛特性。IEEE16、IEEE33和IEEE69三个典型测试系统的重构结果表明,ACM-PSO不仅保持了基本粒子群算法的快速收敛特性,而且在全局寻优能力和稳定性方面较基本粒子群算法有了明显的提高。