含有有功损耗的DFIG风电场优化调度策略

优化风电调度可以最大限度地提高风电在限电条件下的利用率.论文对风力发电机组的基本理论进行了研究,分析了风力发电机组的功率控制和输出特性,分析了双馈感应电机(DFIG)具有良好的功率解耦控制和无功输出能力.通过对风力发电出力特性的研究,提出了风力发电优化调度的策略.计算结果表明,风电场总的有功功率和无功功率输出满足调度中...     

混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计和投资优化问题, 综合考虑其初期投资成本、无功补偿、滤波效果等指标, 提出一种基于遗传粒子群复合算法的混合有源滤波器多目标满意优化设计方法, 建立起容量配置的多目标数学模型, 并运用罚函数理论, 将多目标优化转化为单目标优化, 使混合有源滤波器容量分配问题简单化, 具有更大的适用性和灵活性. 然后在电力系统计算机辅助设计/电磁暂态(PSCAD/EMTDC)环境下, 对混合有源滤波器进行仿真分析, 结果表明此优化设计的混合有源滤波器性价比得到提高. 最后, 通过实验对比, 也验证了理论分析及相关结论的正确性.     

改进微分进化算法在压缩感知中的应用

压缩感知是基于信号稀疏性提出的采样理论,它在压缩成像、医学图像、雷达成像、天文学、通信等领域都有广泛的应用.压缩感知问题的求解本质上是一个优化问题,本文在微分进化算法的基础上对其改进,提出了一种改进微分进化算法,将其应用于压缩感知问题的求解中,取得了良好的效果.     

SVM在弓网最优压力载荷确定中的应用

受电弓滑板的磨损与滑板和接触网导线之间的压力载荷有着密切关系,寻找最优压力载荷使得滑板磨损最小具有重要经济意义。通过对铜基粉末冶金滑板与铜锡导线的对磨实验,得到在不同载流、速度以及变化载荷情况下的滑板磨损情况。针对磨损量不易机理建模的问题,采用支持向量机（SVM）建立了以磨损量作为因变量,以接触压力、滑动速度和接触电流为自变量的回归预测模型,并通过单纯形法确定在特定滑动速度和接触电流条件下的基于滑板磨耗率最低的最优压力载荷,通过算例分析为磨耗率回归预测模型的应用提供参考。     

基于改进量子差分进化的含分布式电源的配电网无功优化

差分进化算法（DE）已被证明为解决无功优化问题的有效方法.随着越来越多的分布式电源并网,对配电网潮流、电压均有一定改变,同时也影响了DE的鲁棒性和性能.本文在研究DE基础上,针对其收敛过早、局部搜索能力较差的缺陷,分析了量子计算思想和人工蜂群算法的优势,提出改进量子差分进化混合算法（IQDE）.通过量子编码思想提高了种群个体的多样性,人工蜂群算法的观察蜂加速进化操作和侦查蜂随机搜索操作分别提高了算法的局部搜索和全局搜索性能.建立以有功网损最小为目标的数学模型,将IQDE算法和DE算法分别用于14节点和30节点标准数据集进行大量仿真实验.实验结果表明,IQDE算法用更少的收敛时间、更小的种群规模便可以获得与DE算法相同甚至更佳的优化效果,并且可以很好的应用于解决难分布式电源的配电网无功优化问题.     

考虑负荷类型的配电网改进牛顿潮流算法

针对传统牛顿法存在计算量大、效率低,且当负荷类型不再是恒功率时其迭代次数与时间会明显增加等问题,提出了一种改进的牛顿潮流法。该算法考虑了负荷类型,将恒功率、恒电流和恒阻抗结合起来组成ZIP负荷模型,采用矩阵分裂以及矩阵求逆运算的松弛方法,使求解过程简单、快捷,有效地提高了算法效率,削弱了负荷类型变化对迭代次数以及迭代时间的影响。采用33节点系统测试比较了算法的迭代次数和迭代时间,证实了算法的有效性;并通过潮流计算结果分析了负荷类型对系统电压的影响,结果表明,恒阻抗负荷比例的增加有利于提高系统节点电压。     

采用改进牛顿法计算配电网理论线损

介绍了传统配电网理论线损计算方法,指出电量法和均方根法存在因未充分考虑负荷曲线变化而容易导致理论线损偏小、管理线损偏大的问题;提出采用改进牛顿法计算配电网理论线损的方案,根据某配电网各变电站24h的电量记录进行电量潮流计算,得出该配电网总线损;分别采用电量法、均方根法、改进牛顿法计算某10kV配电网线路的理论线损,结果表明,与传统配电网理论线损计算方法相比,采用改进牛顿法得出的结果更接近统计线损值。     

Chaotic krill herd algorithm for optimal reactive power dispatch considering FACTS devices

Conventionally, optimal reactive power dispatch (ORPD) is described as the minimization of active power transmission losses and/or total voltage deviation by controlling a number of control variables while satisfying certain equality and inequality constraints. This article presents a newly developed meta-heuristic approach, chaotic krill herd algorithm (CKHA), for the solution of the ORPD problem of power system incorporating flexible AC transmission systems (FACTS) devices. The proposed CKHA is implemented and its performance is tested, successfully, on standard IEEE 30-bus test power system. The considered power system models are equipped with two types of FACTS controllers (namely, thyristor controlled series capacitor and thyristor controlled phase shifter). Simulation results indicate that the proposed approach yields superior solution over other popular methods surfaced in the recent state-of-the-art literature including chaos embedded few newly developed optimization techniques. The obtained results indicate the effectiveness for the solution of ORPD problem of power system considering FACTS devices. Finally, simulation is extended to some large-scale power system models like IEEE 57-bus and IEEE 118-bus test power systems for the same objectives to emphasis on the scalability of the proposed CKHA technique. The scalability, the robustness and the superiority of the proposed CKHA are established in this paper.     

一种求解随机有限缓冲区流水线调度的混合差分进化算法

针对随机有限缓冲区流水线调度问题(Flow shop scheduling problem, FSSP), 提出混合差分进化(Differential evolution, DE)算法OHTDE, 用来最小化提前/拖后指标和最小化总体完成时间指标. OHTDE将DE和最优计算量分配(Optimal computing budget allocation, OCBA)技术以及假设检验(Hypothesis test, HT)有效结合. DE用于执行全局搜索和局部搜索; OCBA用于对有限计算量进行合理分配, 从而保证优质解得到较多仿真计算量, 提高了在噪声环境下获得优质解的置信度; HT用于在统计意义上比较解的性能, 从而一定程度上避免在解空间相近区域进行重复搜索. 进而, 对由OCBA和HT确定的优质解执行一种特殊的交叉操作, 加强DE的局部开发能力. 同时也采用有限马氏链理论对OHTDE的随机收敛性进行了分析. 仿真实验和算法比较验证了算法的有效性和鲁棒性.     

考虑负荷转供的校正型安全约束最优潮流模型研究

针对电力系统的经济调度问题,采用最优潮流模型求解考虑N-1静态安全约束的经济调度问题,为了反映电网对故障的调节能力,在N-1故障状态下提出通过网络重构将故障区域负荷转移至其他未受影响的区域,即负荷转供能力。建立了考虑中高压配电网的负荷转供安全约束最优潮流模型,减少调度高价的安全约束必开机组,有效降低电网的购电成本。在标准算例中将校正型控制模型与预防型控制模型进行对比,验证文中所提模型能够降低4%购电成本。     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.     

面向分布式最优潮流的隐私保护方法

电力系统中包含大量敏感数据,保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流（optimal power flow,OPF）算法中,由于迭代过程中信息交换频繁导致的隐私泄露问题,提出一种面向分布式最优潮流的隐私保护方法。算法采用完全分布式计算方法来进一步增强隐私性,并引入了自适应惩罚参数方法以提高算法的计算效率。在算法的迭代过程中对各节点间交流的传输变量添加差分隐私噪声,从而阻止攻击者通过窃听传输变量真实值而推测算法中的关键参量,实现了模糊关键参数的OPF问题的分布式求解框架。此外,对于算法的收敛性和最优性进行了理论证明,并在IEEE 9-总线系统中进行仿真验证。仿真结果验证了该算法具有收敛性与准确性,隐私保护性能也优于对比算法。该算法有效地解决了在迭代过程中由于信息交换导致的隐私泄露问题,算法在保持计算效率的同时,显著提高了数据隐私的安全性。     

基于差分进化算法的分布式电源DG规划设计

分布式电源(DG)是一种可以与环境兼容,利用清洁能源发电,可以满足用户对电量的特殊需求的发电装置。因此,将分布式电源接入电网,不仅可以保证电网的运行安全,提高供电可靠性,还可以将多余的电力反馈给电网。分布式发电接入配电网后,不一定能降低配电系统的网损,提高电网的稳定性,还有可能会因为并网的规划方案设计的不够好反而对电网造成不利影响,因此,分布式电源接入配电网的规划尤为重要。在分布式发电的并网规划中,最重要的是选择分布式发电的接入位置和容量。因此,本文选择具有结构简单、执行方便、优化效率高、参数设置简单、鲁棒性好等优点的差分算法,通过建立系统,并用Matlab进行了仿真,选择其最佳位置,计算出最优容量,并得到最优目标函数,来达到最佳的规划设计。     

An efficient Differential Evolution algorithm for stochastic OPF based active–reactive power dispatch problem considering renewable generators

Optimal active–reactive power dispatch problems (OARPD) are non-convex and highly nonlinear complex optimization problems. Typically, such problems are expensive in terms of computational time and cost due to the load variations over the scheduling period. The conventional constraint-based solvers that are generally used to tackle such problems require a considerable high budget and may not provide high quality solutions. In the last decade, complexity of OARPD has further increased due to the incorporation of renewable energy sources such as: wind, solar and small-hydro generators. More specifically, the incorporation of renewable sources introduces uncertainty in generation on top of the load variations in conventional OARPD, making the problem more complicated. Recently, Differential Evolution (DE) is viewed as an excellent algorithm to solve OARPD problems, due to its effectiveness to optimize the objective function which is subject to many operational constraints. A new efficient Differential Evolution algorithm, denoted as DEa-AR, is propounded to solve the contemporary stochastic optimal power flow OARPD problems considering the renewable generators. DEa-AR uses arithmetic recombination crossover and adapts the scaling factor based on Laplace distribution. In addition, an efficient archive strategy that acts as a corresponding image of the population and stores the inferior individuals for later use, is also incorporated. The target behind using this strategy is to consider the information of inferior individuals as a direction toward finding new good solutions. The IEEE 57-bus system is used to evaluate the OARPD problems with different stochastic scenarios based on different probability distributions employed to model parameters of renewable energy sources. The performance of the proposed work is compared with other state-of-the-art algorithms. Simulation results indicate that the proposed technique can solve the OARPD problems with renewable sources effectively and can provide high quality solutions. The proposed algorithm is ranked the first with a Friedman rank equals to 1.8333 with a clear statistical significant difference compared with the most recent studies on the used problems.     

考虑经济性和电压稳定性的含电子电力变压器的多目标最优潮流计算

为探究含电子电力变压器的电力系统最优潮流问题,在分析电子电力变压器简化模型、最优潮流的控制变量以及约束条件的基础上,建立了综合考虑经济因素和电压稳定性的含电子电力变压器的多目标最优潮流模型。模型中将减少发电成本和提高负荷裕度指标作为目标函数,考虑了电子电力变压器灵活的有功无功调节能力、有载调压变压器的电压调节能力、可调度负荷及可调无功电源的有功无功调节能力,提出使用基于遗传算法和内点算法的混合算法对最优潮流模型进行求解,算法的主要思想是以遗传算法为框架,对离散变量进行优化,在遗传算法的每一次迭代过程中,采用内点算法对每个体进行连续变量的优化和适应度评估。基于IEEE-14节点算例,分别进行了基于混合算法和基于内点法的最优潮流计算,计算结果验证了文章所提模型的合理性和算法的有效性。     

一种基于改进差分进化算法的源码漏洞检测模型的冷启动方法

源码漏洞检测作为重要的研究课题,其传统方法在面对规模庞大、脆弱性多样化的代码时,存在人工参与度高、未知漏洞检测能力弱等诸多问题。针对以上问题,基于开放源代码的语法语义信息,提出了改进差分进化算法的源码漏洞检测模型冷启动优化方法。运用源码切片技术、启发式优化算法及神经网络模型,解决了漏洞检测模型在启动之初超参数无法准确选定的问题。对于实验中样本信息冗余和正负样本鲜明特征混和的情况,提出了正负样本鲜明特征交叉剔除的思想以减小模型的漏报率及误报率。实验表明,该方法可以有效加速模型的收敛,使得模型在10个epoch内达到稳定,在提升源码漏洞检测模型准确率的同时其收敛速度比其他模型提升了2~3倍。在后续改进实验中,源码漏洞检测模型在所有类型漏洞的准确率上均提高了1~3个百分点,充分证明了改进措施的有效性。该方法的优化策略和改进措施同样适用于其他神经网络分类模型,可以为漏洞检测领域探索新方法和新模型提供思路。     

基于IBAS-BP算法的热电厂 负荷预测及工程应用

针对热电厂负荷随机性强、预测精度差、计算时间长等问题,提出一种结合改进天牛须搜索算法IBAS和BP神经网络的组合预测方法;模型以热电厂的历史有功负荷、季节、日期类型和气象数据为输入因子,通过引入精英策略,将单个天牛寻优扩充为群体寻优,同时改进天牛搜索步长,使BP参数在IBAS搜索范围内有效寻优,从而优化BP神经网络的权值,增强其搜索和寻优能力,提高预测网络的性能和精度;采用4个标准测试函数,将改进模型与标准天牛须算法对比;引入均方根误差RMSE、平均绝对百分比误差MAPE精度评价指标对PSO-BP网络、BAS-BP模型、IBAS-BP模型预测结果进行评估;实验结果表明,与其他模型的算例结果相比,IBAS-BP模型具有更好的预测性能;将热电厂负荷预测的结果,作为其厂级负荷优化分配系统(厂级AGC)的输入,通过负荷优化分配系统,得出单台机组未来负荷的预测值,最大限度地降低供电煤耗量,提高热电厂机组运行的经济性.