基于改进离散差分进化算法的多故障最小碰集生成技术

最小碰集生成是确定多故障诊断策略的常用方法,提出运用基于混合策略的离散差分进化算法(DDE)求解多故障模糊组的最小碰集。结合最小碰集生成的特点对种群中个体进行了重定义;采用混合差分策略加上随机变化的缩放因子,平衡了算法寻优的全局性和收敛速度的矛盾;通过新增两个选择机制提高算法的及时性和种群的多样性。结合实例进行了仿真分析,验证了该算法相对于离散粒子群算法的有效性。     

基于进化策略算法的人工神经网络变压器故障诊断法

提出一种基于进化策略算法的人工神经网络法对电力变压器故障进行诊断。该方法通过综合进化算法的全局搜索能力和神经网络输入和输出的高度非线性映射关系,可准确诊断变压器故障。它可自动调整神经网络的连接权和节点偏置值,以获得最佳网络模型。相对于普通人工神经网络而言,该法具有更快的学习速率和优良的诊断精度;并且相对于基于进化规划算法的人工神经网络法,本方法也具有更优良的性能。     

一种改进D算法测试生成的关键技术研究

数字电路测试的关键在于算出测试向量,本文基于传统D算法思想提出了一种改进型的D算法。与前者相比,新算法的主要优点是：（1）加快测试向量生成的速度;（2）提高了故障覆盖率。研究了新算法的关键技术,包括D立方设计、D立方的读入和初始D路径敏化等。经实例验证,测试程序自动生成了测试向量,说明改进后的D算法是一种有效的测试生成算法,为自动测试生成系统的设计奠定了基础。     

基于改进混合蛙跳算法的测试数据自动生成

测试数据的生成是实现软件测试自动化的重要环节。为了提高单元测试中测试数据的生成质量和效率，提出一种基于混合蛙跳算法的测试数据生成算法。该算法通过引入动态阈值来控制个体的移动步长，以平衡算法的全局开发和局部搜索能力，同时改进个体的随机跳动策略，转化为向随机个体学习，增强种群之间的信息交流以提高算法的全局搜索能力。将改进的算法应用到测试数据生成中。实验结果表明，在种群规模不断变化的情况下，改进的混合蛙跳算法相较于标准混合蛙跳算法、布谷鸟搜索算法、粒子群优化算法，其稳定性最强；在测试数据生成的平均迭代次数评价指标上改进的混合蛙跳算法优于对比算法。     

基于多策略改进蜣螂算法优化的变压器故障诊断

为了保证油浸式变压器故障诊断的可靠性,提出了一种基于多策略改进蜣螂算法(multi-strategy improved dung beetle optimizer, MIDBO)优化双向长短时记忆网络(bi-directional long short-term memory, BiLSTM)的变压器故障诊断方法。由于蜣螂算法存在全局搜索能力较差、容易陷入局部最优解的缺点,首先通过Bernoulli混沌映射、引入自适应因子和Levy飞行策略融合动态权重系数进行改进,并对其性能进行评估。然后针对BiLSTM的诸多超参数利用MIDBO进行优化,形成MIDBO-BiLSTM故障诊断模型。通过核主成分分析(kernel principal component analysis, KPCA)提取特征值,进而深入分析特征值与故障类型之间的关联性,提高模型的收敛速度。最终实验结果表明所提出的MIDBO-BiLSTM变压器故障诊断方法准确率高、泛化能力强。其准确率高达94.67%,适用于变压器的故障诊断。     

基于改进协同过滤算法的电力营销渠道引流策略

电力企业在数字化转型过程中,打造多渠道服务体系,充分利用“互联网+实体渠道”的方式,可以有效降低企业运营成本,为客户提供更加便捷、高效的服务。在上述背景下,提出了一种基于改进协同过滤算法的电力营销渠道引流策略,首先构造客户-属性数据矩阵,采用矩阵分解算法对原始客户属性矩阵中的缺失数据进行恢复,利用K-means算法对客户属性进行聚类。然后,利用客户混合类型属性相异性度量,通过基于用户的协同过滤推荐算法,寻找目标客户的K-最近邻矩阵,并制定出差异化的引流策略。最后以10万条缴费工单数据为例,分析了客户属性矩阵填充、不同度量方法与最近邻数目对引流准确率的影响,验证了所提算法的有效性和可行性。     

配电网故障定位的改进矩阵算法研究

为提高复杂配电系统故障定位算法的计算效率,介绍了一种利用配电网局部信息实现故障定位的优化矩阵算法。该算法针对配电网的特点,以矩阵分析为基础,根据故障发生时流经监控点的故障过流信号信息,仅选择包含故障信息的线路参与计算。采用分线路存储技术并动态形成网络描述矩阵,能够实现普通树状网及开环运行环网的故障定位需求,各种配电网区段故障的模拟证明了该算法的正确性。     

基于聚类算法的光伏发电设备故障诊断方法

为提高光伏发电设备故障诊断效率,保证光伏发电厂的运行可靠性,本文引进聚类算法, 设计一种针对光伏发电设备的故障诊断方法。根据实际需求,设定光伏发电设备在运行中的故障状态属于空间状态,选择具有特征性的参数,用于描述设备的运行工况与运行状态,以此实现对光伏发电设备故障特征与训练样本的选择;对所有故障信息进行离散,根据离散点在空间中的分布,引进聚类算法,对光伏发电设备故障训练样本与特征集合进行归一化处理;对聚类中心进行降维处理,得到一个更加优化的故障信息聚类中心,将构建的故障矩阵信息导入作为测试数据集合,将数据集合导入三维卷积网络中进行数据测试,以此构建光伏发电设备故障诊断模型;对构建的模型进行仿真训练,确保诊断的结果与故障真实结果匹配。通过对比实验证明,设计的设备故障诊断方法可以在更短的时间内完成对故障的诊断。     

基于改进蚁群算法的新型AVC策略

针对局部电网负荷特性变化导致电压波动幅度大、控制成本高等问题,提出一种基于改进蚁群算法的AVC策略。该策略基于无功补偿量、有功功率损耗、电压波动范围、电压控制成本和传输距离构建改进多目标函数,提高其综合寻优能力;通过信息素挥发量与时间的关系引入信息素挥发系数公式,并优化信息素浓度调整策略,减少模型运行时间。基于IEEE-33节点系统进行仿真,结果表明：所提改进蚁群算法将各节点电压稳定在0.98～1.02 pu范围内,相比现有方法电压偏差缩小5%左右,模型运行平均时长提高了38.58%左右;该新型AVC策略具有更好的电压控制精度和速度,可以适应实时控制要求,有效改善配电网电压水平。     

动态时间规整算法诊断高压断路器故障

为诊断与分析高压断路器的故障,采用动态时间规整算法(DTW),该算法利用高压断路器振动波形具有重复性和独特性的特点,通过比较待测波形与参考波形时间特征量相似度的大小获得诊断结果。该算法只需一组健康数据作为基准参考数据,不但可诊断出高压断路器是否异常,还可确定某一时段对应动作事件的状态。用MATLAB编写动态时间规整算法程序,以试验实测波形为例,对断路器振动波形进行仿真分析,其结果与实际一致,验证了该算法应用于断路器故障诊断的有效性。     

基于改进人工鱼群最优潮流计算

基于改进人工鱼群算法（Modified Artificial Fish Swarm Algorithm,MAFSA）对电力系统进行最优潮流计算的方法;在整合动态调整罚函数方式,将最优潮流转化为一无约束求系统发电费用最小的极值问题,为了提高算法收敛精度,对人工鱼群中参数一补偿和拥挤度因子进行改进。仿真计算结果表明算法有效性。     

基于状态估计的含分布式电源树状配电网故障测距算法

多电源配电网的故障定位和测距对快速排除故障、提高供电可靠性具有重要意义。以含分布式电源(DG)树状配电网的区间定位为基础,按区间特性将配电网分为两电源区段和单电源区段,建立故障等值回路与其相应的微分方程和最优估计离散模型。以电源端口电压电流、各FTU电流为输出量,以故障距离为状态量,利用强跟踪的卡尔曼滤波器算法求解最优估计离散模型,跟踪相间短路故障测距。通过搭建含DG的树状配电网,分析负载、故障点过渡电阻对故障测距结果的影响。算例分析表明,该算法跟踪速度快,受初值的影响小,不受DG接入位置和数量的影响,不受故障点过渡电阻的影响,受负载和树状分支结构影响较少,测距精度满足工程精度要求。     

基于矩阵算法的有源配电网故障定位容错方法

故障区段定位对于配电网发生故障后的故障处理与恢复供电具有重要意义。针对有源配电网的故障定位方法中,矩阵算法计算速度快但容错性差、智能优化算法容错性高但定位速度慢且在大规模配电网中存在局部收敛的问题,提出了一种将矩阵算法和智能优化算法的优点相结合的定位方法。首先,在有源配电网发生故障后,利用馈线终端设置(Feeder Terminal Unit,FTU)上传的告警信息,运用矩阵算法快速定位故障区段。然后运用开关函数对矩阵算法的定位结果进行校验,避免因矩阵算法容错性差而输出错误的定位结果。校验不通过的定位结果将全部列入可疑故障集合,该集合的维度大幅低于配电网的维度,再运用灰狼优化（Grey Wolf Optimization,GWO）算法对该集合进行优化处理,从而输出最终的定位结果。在MATLAB上进行仿真测试,仿真结果表明此方法能在有源配电网中实现故障区段的快速定位,且具有一定的容错性。     

采用启发式策略的动态无功优化混合算法研究

严格考虑控制设备的动作次数限制,建立一个完整的非线性混合整数动态无功优化模型。结合混合算法,把离散变量和连续变量分开优化,分别使用改进后的遗传算法和内点法求解,以改善算法的收敛性和计算速度。将动态约束分为设备一天内调节次数限制和变压器相邻时段调节次数限制,提出全局调整策略和局部调整策略来分别处理这两类动态约束,使离散变量严格满足动作次数限制。启发式策略的应用使算法既能严格保证离散变量的动态约束,又能充分保留其动作自由,得到可行的最优解。Ward-hale 6和IEEE30节点系统的仿真结果证明提出算法的有效性。     

分布式发电条件下配电网故障定位的矩阵算法

分布式发电(DG)接入配电网后,配电网变成了多电源复杂网络,传统的故障定位算法不再适用.本文提出了一种能解决多电源复杂配电网多重故障定位(可含有馈线末端故障)的矩阵算法.该算法对于故障信息不完备和故障信息畸变的情况同样适用.算例测试结果验证了该方法的正确性和可行性,在配电网实时故障定位的应用中具有很大的潜力.     

基于遗传算法的电力系统分层信息故障诊断方法

分层信息是指在不失信息的完整性和可靠性的基础上 ,把采集信息按目前电力系统通讯规约在时间优先级的规定划分为遥信变位 ,遥测 ,录波三层。在简要说明故障诊断的必要性后 ,说明了采用分层信息和遗传算法的优点 ,论述了基于GA的分层信息故障诊断方法的流程。通过模型系统的算例 ,表明所提出的方法十分有效。     

基于Dijkstra算法的广域自适应跳闸策略

为了减小故障切除范围和实现大规模互联电网的快速自适应跳闸,提出了一种基于图论搜索技术的广域自适应跳闸策略。从图论角度出发,构建被保护元件——断路器邻接矩阵和断路器邻接矩阵,并根据断路器的运行状态修正邻接矩阵。以故障元件或失灵断路器为源点,通过Dijkstra算法得到与源点连接的断路器路径,最后根据所获取的距离值和路径确定跳闸策略。算例分析表明,所提方法能够根据电网实时拓扑结构、故障元件位置和断路器状态实现跳闸断路器在线搜索,跳闸策略能够很好地满足广域保护配合要求。     

基于免疫算法的含分布式电源配电网的故障定位

分布式电源(DG)的接入,使传统配电网络拓扑结构从单电源辐射状网络变成复杂的多电源网络。在这种情况下,传统的故障定位算法已不再适用。针对这一问题,提出了一种新的基于故障电流的故障定位算法——免疫算法。首先,针对含DG的配电网,构建了适应多个分布式电源的故障电流编码方式和适应多个分布式电源的开关函数。其次,相比传统的遗传算法,免疫算法通过计算抗体的匹配程度和浓度对个体进行评价,并且增加了记忆单元保证了算法进化过程中抗体的多样性从而避免了遗传算法中的‘早熟’收敛问题。最后,通过Matlab建模仿真,验证了该算法适用于含分布式电源(DG)配电网的故障定位,并具有一定的快速性和容错性。     

基于BP算法的氢镍电池充电均衡策略

为了提高电动车的使用寿命,改善电池组的工作性能,在对典型的电压均衡控制和荷电状态均衡控制进行理论分析的基础上,提出了基于变步长的反向传播误差(back propagation,BP)神经网络及200 Ah氢镍电池小电流均衡控制策略。该均衡方法采用大电流充电和小电流均衡,考虑了充电过程中的析气与复合。对电池组进行的模拟仿真结果表明,电压检测精度得到提高,具有良好的均衡效果和均衡速度。     

基于启发式规则与AHP-CRITIC算法的配电网故障恢复策略

智能配电网的自愈控制对提高整个电力系统的供电可靠性至关重要。针对含分布式电源的配电网故障恢复问题,提出了基于启发式规则与AHP-CRITIC算法的配电网故障恢复策略。首先,通过广度优先搜索的方法遍历停电区域内所有具有黑启动能力的分布式电源,形成孤岛供电。其次,对剩余失电区域采用启发式规则,以生成用于配电网故障恢复的候选方案集。最后,考虑故障恢复的目标,引入负荷容量裕度、负荷转移量、负荷恢复比例、开关操作次数和电压降落五个评价指标,分别计算候选方案的各评价指标。并使用改进的AHP方法和CRITIC方法对方案进行评估。同时引入综合权重并计算各方案与理想点之间的偏离度,确定最优故障恢复方案以恢复剩余失电区域供电。通过算例分析验证了所提方法在解决配电网故障恢复问题上的有效性。