基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题. 利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题. 将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解.     

基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题．利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题．将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解．     

电力系统无功优化算法研究综述（上）

综述了电力系统无功优化的相关概念、研究的关键问题和经典模型,系统地阐述了优化算法中的常规算法、智能算法及其改进算法在电力系统无功优化中的应用情况及存在的问题,并对各种优化算法的优缺点进行了分析比较.针对各种优化算法的不同特征,提出了一种综合各单一算法优点的混合算法求解无功优化问题.总结了近年来其它新型算法的无功优化的应用情况.最后指出了随着智能电网的发展,电力系统无功优化算法当前存在的问题及有待于深入研究的几个方面.实现无功优化的实时计算将是今后无功优化算法问题新的研究方向.     

推广的变量带上下界内点算法及其应用

对变量带上下界的内点算法进行了推广，介绍了推广算法的实现．还对推广算法在电力系统无功优化中的应用进行了探讨，并给出了无功优化的实例．数值计算显示该算法的应用是成功的．     

基于虚拟极值粒子群的电网无功优化研究

为解决电网无功优化中因控制变量种类多、维数高而导致优化结果精度低且容易陷入局部最优等问题,提出一种基于虚拟极值的粒子群算法对电网进行无功优化.该算法采用蒙特卡洛模拟技术对初始种群进行选择,保证取值的多样性;加入影响因子,根据控制变量的种类分区间制定不同的优化参数;引入虚拟全局极值,帮助粒子跳出局部最优.应用该算法对IEEE-14节点系统进行无功优化计算并与传统粒子群算法进行比较,结果表明虚拟极值粒子群算法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度.     

推广的变量带上下界内点算法及其应用

对变量带上下界的内点算法进行了推广，介绍了推广算法的实现，还对推广算法在电力系统无功优化中的应用进行了探讨，并给出无优化的实例，数值计算显示该算法的应用是成功的。     

电力系统无功优化算法研究综述(下)

综述了电力系统无功优化的相关概念、研究的关键问题和经典模型。系统地阐述了优化算法中的常规算法、智能算法及其改进算法在电力系统无功优化中的应用情况及存在问题,并对各种优化算法的优缺点进行了分析比较。针对各种优化算法的不同特征,提出了综合各单一算法优点的混合算法以求解无功优化问题。总结了近年来其它新型算法的无功优化应用情况。最后指出了随着智能电网的发展,电力系统无功优化算法当前存在的问题及有待于深入研究的几个方面。实现无功优化的实时计算将是今后无功优化算法问题新的研究方向。     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

基于内点法的含风电场电力系统随机最优潮流

基于机会约束规划的随机最优潮流模型的求解一般采用智能优化算法,提出了一种内点法结合随机调节因子更新的方法,以求解基于机会约束规划的含风电场电力系统的随机最优调度模型。模型考虑了节点电压和线路功率的机会约束,并采用半不变量和Cornish-Fisher级数结合的方法来计算机会约束的概率分布。引入调节因子,对机会约束概率进行变形,将随机最优潮流问题转化为可采用内点法求解的最优潮流模型。提出了调节因子的更新方法,通过原始对偶内点法的参数结果更新调节因子来调节机会约束满足的概率,迭代求解机会约束随机最优潮流模型。最后,以IEEE14和IEEE118节点系统为例,验证了方法的正确性和有效性。     

基于遗传算法的SVM参数选取

支持向量机(SVM)是一种非常有前景的学习机器。然而在实际应用中,SVM的参数选取问题一直没有得到很好的解决,这在很大程度上限制了它的应用。为了能够自动地获得最佳参数,提出了基于遗传算法的SVM参数选取方法。该方法首先通过分析SVM参数对其性能的影响来确定遗传算法的搜索区间,然后在该区间内对搜索的参数进行选取。将该文提出的方法应用于5个由R tsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM具有较优的识别率和较简单的结构,即具有较佳的整体性能。     

基于马尔可夫决策的动态电源管理技术

研究了随机最优算法,并建立了该算法的电源管理系统模型。在系统任务响应延迟的约束条件下,应用马尔可夫决策方法对电源管理方案进行优化,得出系统模型最佳的电源管理策略。分析比较表明,一些传统的动态电源管理方法虽然也可以有效地减少系统的能耗,但是对系统的性能却有较大的影响。随机最优算法可以在节约系统能耗和保证系统性能之间取得较好的平衡。     

基于改进粒子群算法考虑阀点效应的经济负荷最优分配

经济分配对于电力系统节能至关重要,是电网中一类典型的优化问题,基于传统的粒子群算法的优化方法由于仅考虑速度与位置参数,易导致局部最优。针对电力系统的有功经济分配,考虑发电机组的阀点效应,提出一种改进型粒子群算法。通过引进视角参数,使粒子的移动状态受到视角的制约,改善传统算法粒子容易早熟而陷入局部最优的缺陷,降低搜索随机性并提高优化精度’仿真结论表明,带有视角参数的改进粒子群算法有更高效的全局搜索能力和更可靠的最优解,为发电机有功经济分配问题提供一种有效的新算法。     

大规模光伏接入受端电网方案综合决策

提出一种基于模糊层次分析和逼近理想解排序的方案评估比选方法,用于大规模光伏接入受端电网方案的综合决策。以系统安全稳定性、光伏出力间歇性、经济性和可扩展性为准则,建立大规模光伏电站接入受端电网方案评估体系,对候选方案各指标进行量化评估;考虑决策者主观偏好的模糊性质,采用模糊层次分析法确定评估体系中各指标的权重,并利用逼近理想解排序法进行多属性决策得到推荐接入方案。山东电网算例展示所提综合决策方法的全过程,结果表明利用该方法可直观地反映各候选方案的优劣,并给出合理的决策结果。     

基于电网N-1数据反演交流电网中直流电流分布的土壤等效电阻模型研究

为了解决直流偏磁研究中无法准确建立土壤模型的问题,提出了一种基于电网N-1原则将电网多次多点测量数据与仿真计算相结合的土壤等效电阻模型建模方法,用以计算交流电网中的直流电流分布数据。该方法在已知交流系统网络参数的情况下,通过依次开断建模范围内两变电站间的交流输电线路,测得多组交流电网中直流电流的分布数据,利用矩阵运算或遗传算法反演土壤等效电阻模型。针对某直流接地极近区交流电网建立土壤等效电阻模型仿真算例,分析计算在直流输电系统单极大地运行情况下,该地区交流电网中直流电流的分布情况。结果表明,采用土壤等效电阻模型所得的计算结果能够逼近实际数据,且模型受交流系统拓扑结构的影响较小,能够在土壤构成复杂的情况下,保持计算误差在允许的范围内。仿真算例进一步验证了土壤等效电阻模型建模方法的正确性。基于电网N-1数据反演土壤等效电阻模型的建模方法,避免了复杂的电场计算,无需收集土壤参数且计算结果准确,具有一定的工程实用价值。     

大规模光伏接入受端电网方案综合决策

提出一种基于模糊层次分析和逼近理想解排序的方案评估比选方法,用于大规模光伏接入受端电网方案的综合决策。以系统安全稳定性、光伏出力间歇性、经济性和可扩展性为准则,建立大规模光伏电站接入受端电网方案评估体系,对候选方案各指标进行量化评估;考虑决策者主观偏好的模糊性质,采用模糊层次分析法确定评估体系中各指标的权重,并利用逼近理想解排序法进行多属性决策得到推荐接入方案。山东电网算例展示所提综合决策方法的全过程,结果表明利用该方法可直观地反映各候选方案的优劣,并给出合理的决策结果。     

蚁群算法在图像边缘提取中的研究

文章对蚁群算法在图像边缘的提取中进行研究,对蚁群算法在图像边缘提取中采用蚂蚁访问不同邻域策略与不同的启发信息公式进行MATLAB仿真,得到最佳的邻域策略与启发信息公式,并利用得到的最佳方式对不同图像进行边缘的提取,达到一定的效果。     

求解电力系统Bogdanov-Takens分岔的改进直接法

电力系统中往往采用延拓法搜索Bogdanov-Takens分岔点,计算量较大;传统直接法由于特征向量规范具有不确定性,导致算法对初值要求较高。针对以上问题,提出了改进直接法。利用特征向量及其转置的自约束特点,改进拓展方程组中特征向量约束条件。使得改进直接法能够在初值的较大范围内收敛,改善了算法的有效性。通过电力系统模型仿真验证该方法的正确性。     

基于人工免疫方法的变压器故障诊断

将人工免疫方法引人变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类．通过对变压器故障数据的仿真研究表明：与IEC三比值法相比,该算法具有较高的诊断准确率．     

Cross-Layer Adaptive Resource Allocation Algorithm with Diverse QoS Requirements for Single-Cell OFDMA Systems

The orthogonal frequency division multiple access( OFDMA) based communication system has been considered as the main trend of next-Generation communication system. But the existing resource allocation algorithm designed for such system is always with high complexity thus hard to be realized. To solve such problem with the constraints of spectrum efficiency and buffer state,a novel cross-layer resource allocation algorithm( RAA) is proposed in this paper. The goal of our RAA is to maximize the system throughput while satisfying several practical constraints,such as fairness among services,head of line( Ho L) delay and diverse quality of service( Qo S) requirements. Due to these constraints,finding the optimal solution becomes a NPhard problem. Therefore in this paper a novel method to solve such problem with acceptable complexity is proposed within following steps: firstly,based on the link state we formulate the ideal subchannel allocation strategy as a convex optimization problem,which can be efficiently solved by our proposed lagrange multiplier technique subchannel allocation( LMTSA) algorithm; secondly,according to the obtained channel allocation matrix,a power allocation algorithm based on the water-filling power allocation( WPA) idea is deployed to get the optimal power allocation matrix combining with adaptive modulation and coding( AMC); finally,through a greedy algorithm,the ultimate subchannel and power allocation matrix can be obtained based on iterative method. The simulation results illustrate that we can achieve the higher throughput and better Qo S performance than the widely-used maximum throughput( MT) algorithm and round robin( RR) algorithm.