基于小波去噪和BA-SVM的小电流接地系统故障选线方法

针对小电流接地系统的故障选线问题,提出一种基于小波去噪和BA-SVM的诊断方法。该方法将系统零序电流经过小波去噪处理得到特征值,输入SVM模型进行训练和测试,最终得到故障选线结果。针对SVM算法的参数选取问题,使用蝙蝠算法进行优化,提高算法的准确率和效率。采用Matlab仿真35 kV算例,验证该方法的有效性和实用性。     

基于可信状态集合的状态估计方法在最优潮流中的应用

针对电力系统状态估计的可信度问题和执行效率问题,提出了一种状态估计新方法。在该方法中,求取的状态估计结果不再按照设定的估计准则求得的唯一“最优解”或“次优解”,而是包含若干个可行解(即电力系统状态)的解集。根据可信度已知的求解约束条件求取可信状态集合,解决了电力系统状态估计可信度的问题。将该算法应用在最优潮流模型中,IEEE-118节点测试系统算例表明,该算法能够确保节点电压安全,计算效率较高,且具有较好的经济性。     

基于混沌优化粒子群BP神经网络的电力变压器故障诊断

针对电力变压器故障诊断问题,提出了一种基于混沌(Chaos)优化的粒子群(Particle Swarm Optimization)BP神经网络算法。该算法将混沌、粒子群和BP神经网络相结合,通过混沌粒子群算法寻优,得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。利用了混沌算法的遍历性和对初始值敏感的特点,对粒子群算法进行了参数优化,引入了早熟判断机制,并在早熟状态时进行了混沌扰动,使算法后期不易陷入局部最优。通过实例训练与测试表明,CPSO-BP神经网络算法在变压器故障诊断方面有较好的效果。