基于DE-PSO算法的反时限过流保护定值整定优化

反时限过流保护继电器能够迅速、可靠地切除电力系统中的故障部分,在很大程度上取决于准确的定值整定。为了充分发挥继电保护装置的性能,文章结合实际运行情况中需要满足的选择性、灵敏性等条件,将反时限过流保护整定计算转化为多约束、多变量的非线性优化问题,建立了反时限过流保护定值整定优化模型;在此基础上,为解决现有粒子群算法容易陷入局部最优解的缺陷,提出一种基于PSO和DE的混合算法作为定值整定模型的求解算法,并采用4个带有局部最优解的基准函数进行优化对比测试,验证了该算法的适用性和可靠性。最后的仿真算例验证结果表明,采用该算法能够有效提高反时限过流保护的速动性。     

配电网DG对反时限过电流保护的影响

针对分布式电源(DG)接入配电网后可能引起保护误动作的问题,分析了分布式电源接入配电网后对短路电流的影响,推导了各种情况下短路电流的计算公式,分析了反时限过电流保护误动作的可能性,对一个10 k V配电网的反时限过电流保护的启动电流和时间特性系数进行了整定计算,仿真分析了短路电流和动作时限的变化及反时限过电流保护误动的可能性.结果表明,仅当DG所在线路上DG上游发生故障时,处于故障点和DG之间的保护发生误动作的可能性较大.     

基于改进粒子群优化算法的短期风电功率预测

针对传统支持向量机(SVM)模型在风电功率预测中存在的参数选取问题,提出一种新的预测模型,采用改进的粒子群(MPSO)优化算法寻求SVM的最优参数模型,经典粒子群算法是一种全局优化算法,在此基础上提出改进的粒子群算法.算例结果表明,经MPSO优化的SVM模型应用于短期风电功率预测是有效的,使其预测精度有所提高.     

基于差分粒子群算法的含DG配电网优化重构

为解决含分布式能源的配电网优化重构问题,提高配电网对分布式能源的消纳能力,提出了一种基于差分粒子群算法的含DG配电网优化重构方法。以配电网系统有功网损最小为目标函数,综合考虑各类约束条件,建立了含DG配电网优化重构模型,采用差分粒子群算法对模型进行求解,并与其他优化方法进行对比。结果表明,差分粒子群算法能够有效减少迭代次数,提高收敛精度,文章所提方法的重构策略为断开开关6-7、8-9、13-14、27-28、31-32,对应的配电网有功网损为106.06 kW,降损率为37.50%,优于其他方法,验证了文章所提方法的实用性和优越性。     

含分布式电源的配电网保护方案对比及应用分析

含分布式电源(Distributed Generation,DG)的配电网线路发生故障时,DG的注入电流可能会影响流过保护装置的短路电流,使传统3段式电流保护发生拒动或者误动.针对此问题,提出3种含DG配电网的保护方案.详细对比了3种保护方案的适用范围及其优缺点,并应用到实际配电系统算例中进行仿真分析,结果验证了所提保护方案的有效性和合理性.在设计保护方案时,需要从配电网结构、DG接入情况、故障类型等多个方面进行评估,选择适应具体条件的最优保护方案,确保配电系统的安全可靠运行.     

基于改进粒子群优化LS-SVM的变压器故障气体预测

最小二乘支持向量机(LS-SVM)能较好的解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择.提出一种基于改进粒子群(MPSO)的参数寻优方法,并将其应用到变压器油中故障气体预测.改进粒子群算法在每次迭代中,将粒子群进行分类,不同类...     

基于改进简化粒子群算法的含DG的配电网无功优化

分布式电源(Distributed Generation,DG)并网能够有效支撑电网,增加电网运行的灵活性,对含DG的配电网进行无功优化能够有效提高电能质量,降低网损,保证配电网安全、稳定、经济运行。为此,建立了以有功网损最小为目标函数的数学模型,同时,为保证节点电压和DG无功出力在各自允许范围内,分别建立了节点电压越限罚函数和DG无功出力越限罚函数。针对基本粒子群算法易早熟、收敛精度差、迭代后期收敛速度慢等问题,给出了一种惯性权重和学习因子动态变化的简化粒子群算法。该算法舍去粒子速度项,使惯性权重随迭代次数呈指数函数变化,学习因子随迭代次数呈正弦函数变化。以含DG的IEEE33节点配电系统为例进行无功优化分析,结果表明:DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

基于CW-RNNs的PMSM故障诊断

针对永磁同步电机(PMSM)故障诊断问题,提出了一种基于权重改进粒子群算法与时钟驱动循环神经网络(Clockwork RNNS)PMSM的故障诊断方法。以定子电流与振动信号作为PMSM的故障特征数据,该方法引入权重改进粒子群算法自动优化超参数得到神经内网络最优超参数。通过试验结果表明:粒子群算法能够快速地确定神经网络的最优超参数以提高实验效率,减少工作量;与BP神经网络、支持向量机(SVM)、浅层LSTM等方法在同等试验条件下进行比较,该算法具有更高的准确率与时效性。     

10KV直流供电系统继电保护的研究

目前,一般企业高压供电系统中均为10KV系统.早期建设的10KV系统中,较多采用的是直流操作的定时限过电流保护和反时限过电流保护,近些年来飞速建设的电网上一般均采用了环网或手车式高压开关柜,继电保护方式多为交流操作的反时限过电流保护装置.很多重要企业为双路10KV电源、高压母线分段但不联络或虽能联络但不能自动投入.在系统供电的可靠性、故障响应的灵敏性、保护动作的选择性、切除故障的快速性以及运行方式的灵活性、运行人员的熟练性上都存在着一些急待解决的问题.     

10kV接地变过流保护频繁动作分析

本文简要分析了接地变在配网发生单相接地时的电流分布及各电流之间的关系,通过实例对Z形接地变压器过流保护的整定阐述了个人观点,有助于继电保护定值计算人员正确理解接地变的整定原则.     

改进PSO算法解决电力系统机组优化组合问题

机组组合优化问题是一个大规模、离散、非线性的混合整数规划问题,所以求解比较困难,不容易找到理论上的最优解。本文在基本粒子群算法（PSO）的基础上,使用一种空间收缩策略,加快了算法的收敛速度。同时,为了避免算法出现“早熟”现象,让粒子不仅根据自身和同伴中的最好个体进行调整自己的飞行速度,并且向其他个体学习,以及通过改进的粒子群算法（MPSO）进行仿真计算,证明了该算法的有效性。     

P/Q控制策略下的分布式电源自适应距离整定新方法

采用P/Q控制策略的分布式电源(DG)的故障电流特性与传统发电机不一致,将会导致原有配电网距离保护不能有效满足继电保护的要求。针对该问题,分析了分布式电源接入时配网故障电流与距离保护测量阻抗的相关特性,并结合P/Q控制策略下DG的故障电流特性研究了配电网单相接地自适应距离保护整定方法,解决了原有配电网距离保护不能有效动作的问题。通过对单相接地故障进行模拟仿真,证明了该整定方法的有效性,对实际应用具有一定参考价值。     

一种带交叉算子的改进的粒子群优化算法

针对粒子群优化算法(PSO)固有的缺点,在研究标准的粒子群优化算法理论的基础上,提出了一种带交叉因子的改进的粒子群优化算法(MPSO),以解决算法的早熟收敛问题。该算法在搜索过程中引入了交叉因子,增加了粒子的多样性,克服了标准粒子群优化算法易陷入局部极优点的不足,并且算法有较快的收敛速度。该算法有较强的收敛性,还可以引入变异算子。将改进后的算法运用常见的几个测试函数进行了寻优仿真,仿真结果验证了带交叉因子的粒子群算法的可行性和有效性。     

含微网的配电网动态随机调度控制

未来微网会逐步接入配网,直接影响配网运行的安全性与经济性,现有控制方法以微网计划运行成本最小为目标,没有考虑配网安全性与经济性。为此,提出综合考虑微网与配网计划运行成本最小的动态随机调度控制方法。首先分别建立微网和配网期望计划运行成本最小的机会约束规划模型,采用粒子群优化算法和两点估计法求解;再根据微网和配网分别优化结果得到的二者之间功率交换控制区间,利用粒子群优化算法寻找二者综合期望计划运行成本最小的功率交换值,从而确定微网和配电网的最优动态随机调度控制方案;最后验证了改进的IEEE33节点标准系统算法的实用性。     

基于改进粒子群算法的配电网检修计划优化方法

为提高配电网检修计划的合理性与经济性,提出一种基于改进粒子群算法配电网检修计划优化方法.首先,以检修成本、供电损失和故障损失最小为目标,以实际检修过程中存在的检修资源限制、检修先后顺序、安全稳定运行等问题为约束条件,建立符合实际配网检修过程的检修计划优化模型;其次,为减小求解问题的复杂度,提出对不同类型的约束采取相应的预处理方法;最后,通过将自然选择思想融入到种群粒子的迭代更新中,提高种群粒子的整体质量,克服标准粒子群算法存在的早熟收敛、易于陷入局部最优解的问题.将改进的粒子群算法应用于具体算例的求解,结果表明提出的模型和算法具有很好的可行性与合理性.     

高渗透率微网自适应电流保护方法研究

随着分布式发电(DG)渗透率的不断提高,微电网保护间的配合日趋复杂,现有保护已经难以满足需求。为此,提出一种基于智能保护中心的高渗透率微网自适应电流保护方法,利用信息共享,实时获取各线路的状态信息,有效跟踪网络拓扑结构的变化,对电流保护定值进行在线计算与调整。此外,智能保护中心可充当远程后备保护,与本地保护构成双重化保护结构,提高了微电网继电保护的可靠性。算例分析和仿真结果表明:该方法不受DG接入与系统运行方式的影响,能够实时适应微电网状态的动态变化,大大提高了微电网保护的可靠性。     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

基于MPSO-SVM的不确定条形区域故障诊断研究

针对一类线性不确定性系统,基于条形区域下,研究了执行器连续增益故障可靠控制的问题.对于极点数据难以获取的缺陷,给出状态观测器的核心算法,从而实现系统状态的实时采集.同时,为解决支持向量机在极点配置中选取参数困难的问题,利用改进的粒子群算法(MPSO)优化支持向量机的结构,进而获得更合理的核宽度系数和惩罚系数.与网格搜寻...     

自适应混沌粒子群优化的粮食应急点选址研究

针对粮食应急点选址,将“运输时间最小”和“应急开始最早”作为目标,建立了相应的优化模型.利用基于粒子群的K-Medoids聚类算法进行求解,为了避免过早地陷入局部最优,提出了自适应混沌粒子群优化算法.该算法利用粒子与已知全局最优粒子的欧式距离来判断粒子群当前状态,并将其作为确定混沌扰动范围的启发信息,可以有效地提高最优解的精度.试验表明该算法优于传统的演化算法,较好地解决了粮食应急点选址问题.