基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

利用保护、断路器状态信息进行电网故障的诊断

利用故障诊断数学模型,在深入分析电网故障保护、断路器状态信息结构的基础上,提出了相应关联矩阵运算方法,以便快速、准确地找到故障元件;同时,利用保护和断路器信息的故障诊断解析模型,在数学上是一个无约束0～1整数规划模型.该方法克服了传统的数据存储手段,在节省计算机资源,提高运算速度方面具有一定的优势;同时,具有通用性,能够在保护或者断路器拒动作或误动作的情况下,仍能正确地处理故障区域判断问题.通过一个简单的电网结构图在几种不同的故障情况下的仿真实验,证明了所提出的矩阵算法是正确合理的.     

基于混合模拟退火的勤务编排技术研究

为了优化航空公司勤务编排结果,在考虑勤务编排规则、机组成本和人力因素的基础上,构建了勤务编排优化模型,且综合平衡了各项目标函数.运用局部搜索法获得初始解,并与模拟退火算法结合,形成求解勤务编排问题的混合模拟退火算法.最后通过启发式操作将不可行解转化为可行解.仿真实验表明,混合模拟退火算法能够有效缩小算法搜索空间,减少计算时间,提高运行效率.与基本模拟退火算法和遗传算法相比,混合模拟退火算法运算速度和运算结果均有明显地提高.     

输电网络故障诊断系统

在电力系统发生复杂故障、保护和/或断路器不正确动作、保护和/或断路器警报信号畸变和丢失等情况下,要靠调度人员及时而准确的判断故障就相当困难。这样,就需要发展电力系统故障诊断决策系统,以辅助调度人员对所发生的故障做出及时而正确的诊断。在此背景下,针对我国省级电力系统的实际需要,研究和开发了输电网络的故障诊断决策系统。该系统以故障诊断解析模型为基础,以保护和断路器状态为诊断信息源,采用优化算法实施故障诊断。该系统的软件开发以公共信息模型架构为基础,实现了与能量管理系统(Energy Management System,EMS)、监视控制与数据采集系统(Supervisory Control And Data Acquisition,SCADA)以及故障信息系统(Fault Information System,FIS)的信息交互,可以协助调度人员在面对复杂故障和非常见故障时,迅速确定故障元件,进而加快事故处理速度,尽快恢复供电。     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

基于贝叶斯网络的电网故障诊断方法

根据元件故障与保护动作和断路器跳闸之间的内在逻辑关系,建立了面向元件的电网故障诊断模型,并采用误差反向传播的梯度下降法修正网络参数。该模型是一种由 Noisy-Or,Noisy-And 节点组成的特殊的贝叶斯网络,能够处理电网故障诊断中的不确定性,具有语义精确、推理快速、学习效率高等特点,适用于大规模电力系统的多重复杂故障诊断。实际电网故障案例验证了该方法的正确性和有效性。     

基于故障契合度的广域后备保护算法

提出一种基于方向电流保护契合度的广域后备保护算法,在电网故障运行情况下通过电流保护动作权重值和保护装置实际动作状态来构建保护动作期望函数;在电网正常运行情况下通过电流保护权重值、故障位置的概率以及保护装置理论动作状态来构建保护动作适应度函数。通过将保护动作期望函数和保护动作适应度函数相除后得到电流保护契合度,通过契合度值来判断故障线路。最后在电磁暂态仿真软件PSCAD(Power Systems Computer Aided Design)中通过双端电源供电系统和IEEE14节点主动配电网对该算法的正确性进行了验证。     

济南地区电网无功优化的混合搜索方法

遗传算法、模拟退火算法以及Tabu搜索算法各有特点 ,将它们合理地结合起来 ,提出了新的混合搜索算法并用于济南地区电网无功优化 .结果表明该混合算法能结合利用各算法优点 ,速度快、效果好     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

关键后备保护过负荷闭锁方案研究

针对电网中关键位置后备保护过负荷跳闸易于引发连锁事故的情况,提出了一种适于在保护安装处实施的过负荷跳闸闭锁方案.根据主、后备保护配合原则,当区内故障导致后备保护动作时,必然有故障两侧的主保护或断路器动作信息,后备保护应开放;反之,若后备保护未收到任一主保护、断路器动作信息,则可判定过电流是过负荷造成的,应在线路热稳定极...     

基于双层次分析的智能变电站数据分类方法

针对智能变电站中数据体量大、种类多、速度快的特点,对智能变电站中的数据分类方法进行了研究,提出了基于安全指标和遗传模拟退火支持向量机的两级分类方法。首先,构建了智能变电站安全指标分类规则库,使用其对变电站数据进行初次粗糙分类,缩小数据规模;其次,依据智能变电站故障隐患数据样本,使用支持向量机训练出二类分类器,并采用遗传算法和模拟退火算法对其性能进行优化,完成智能变电站数据的二次分类,得到的正类数据为正常数据,负类数据即为需要重点进行下一步分析的异常数据。实验表明,该方法在智能变电站数据分类上取得了良好的效果,并且能够有效地控制数据的规模。     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

GASA—SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机（SVM）参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法sA的概率突跳特性,提出一种改进的基于遗传退火算法（GASA）混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明：应用GASA．SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

基于模型预测方法的电网故障预测

电网诊断通常都是故障发生后,根据故障后产生的信息来推断故障。为了能在故障发生前进行预防,提出模型预测(ModelPrediction,MP)和溯因推理网络(AbductiveReasoningNetwork,ARN)方法预测电网故障。模型预测利用电力系统中历史数据来预测电网无故障运行时的数据,与电网实际运行时的数据作对比,计算差值,差值作为诊断系统的输入;溯因推理网络能够处理预测数据和相应的候选故障之间的复杂关系,被用来构建故障诊断系统。模型预测和溯因推理网络方法相结合,能在保护装置和断路器动作前进行故障定位,具有故障预警功能。仿真结果表明,溯因推理方法构成的预测系统比神经网络方法构成的预测系统诊断结果更快、更准确。     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

单亲遗传模拟退火及在组合优化问题中的应用

基于模拟退火算法(SA)、遗传算法(GA)、 单亲遗传算法(PGA)、遗传模拟退火算法(SAGA)理论的优缺点,比照SAGA、根据SA和PGA的优势互补性,提出了一种融合SA和PGA的新算法--单亲遗传模拟退火算法(SAPGA).结合SA、PGA的优点,对PGA中每一代操作内部的基因重组操作进行了改进,同时改变了传统的降温方式、在两代操作之间加入染色体按适应度函数大小排列的过程.用3组城市数据的旅行商问题(TSP)对上述5种算法进行仿真实验,SAPGA的平均最优解始终最小,收敛所用时间始终最短.     

基于改进遗传算法的无功优化

遗传算法的基础上对其局限性进行改进,使该算法在电力系统无功优化的应用中具有一定优越性。通过改进编码和选择算子,自适应的交叉变异概率等策略,并引入基于模拟退火策略的适应度函数和混沌算法,使得改进遗传算法高速、准确的收敛于最优解,改善了传统遗传算法易陷入收敛性差、效率低的弊端。在此基础上建立无功优化数学模型,介绍了该算法具体实现步骤,并将其应用于IEEE30节点,证明所提算法是可行和有效的。