智能保护算法的研究

介绍了目前在电力系统智能保护算法中广泛研究的几种算法,包括傅氏算法及其改进算法;最小二乘法及其递推算法;小波分析算法.文中详细介绍了这几种智能保护算法尤其是改进的傅氏算法,最小二乘法递推算法,小波分析算法的内容、应用场合及优缺点,并展望小波分析和傅氏算法相结合的新方法.最后通过对这些算法分析、比较,在需要快速切断的场合下,得出更优智能保护算法是改进的傅氏算法,最小二乘法递推算法.     

智能保护算法的研究

介绍了目前在电力系统智能保护算法中广泛研究的几种算法,包括傅氏算法及其改进算法;最小二乘法及其递推算法;小波分析算法。文中详细介绍了这几种智能保护算法尤其是改进的傅氏算法,最小二乘法递推算法,小波分析算法的内容、应用场合及优缺点,并展望小波分析和傅氏算法相结合的新方法。最后通过对这些算法分析、比较,在需要快速切断的场合下,得出更优智能保护算法是改进的傅氏算法,最小二乘法递推算法。     

电力系统微机保护算法综合性能研究

首先,介绍了基于不同交流采样模型的微机保护算法,主要有基于纯正弦模型算法、基于周期函数模型算法及基于随机函数模型算法。对各个算法的原理进行了概述和分析,同时对各种算法的滤波性能作了综合比较。重点分析了傅氏算法及其改进算法。最后,对傅氏算法和卡尔曼滤波算法进行了比较。     

高精度捷联惯导姿态更新优化算法研究

介绍了捷联惯导姿态更新算法中的旋转矢量算法。在传统的旋转矢量算法的基础上,提出一种新的航姿算法,并分析了此算法在典型圆锥运动输入下的误差。新航姿算法是利用增加一个角速度拟合参数来估算算法误差,进而优化姿态更新的方法。与传统的旋转矢量算法比较,算法无需计算误差四元素,新算法更为简单明了,为改进旋转矢量算法提供了一种新的思路。     

基于蝙蝠与粒子群混合优化算法的光伏MPPT研究

在局部遮荫条件下,传统最大功率点追踪(MPPT)算法容易失效,群智能优化算法追踪时间较长.为此,提出了一种基于蝙蝠与粒子群混合优化(BPSHO)的MPPT算法.在算法的前期,采用蝙蝠算法;在算法中后期,采用粒子群优化算法.按照指数规律调节算法的参数,并在算法的中期加入局部搜索机制.仿真与实验结果表明:BPSHO算法能够...     

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。     

改进牛顿–拉夫逊电阻层析成像图像重建算法

为了满足电阻层析成像图像重建算法应用于两相流领域的精度与实时性要求,提出一种改进牛顿–拉夫逊算法。针对牛顿–拉夫逊算法局部收敛的特点,将线性反投影算法成像结果作为新算法初始电阻率分布估计值,并利用基于改进粒子群算法的平衡法对海森矩阵进行预处理,降低条件数。同时在新算法迭代过程中,当振荡次数超过设定值时,采取自动更新灵敏度矩阵的策略。仿真与实验结果表明,与线性反投影算法、兰德韦伯算法及简化牛顿–拉夫逊算法相比,新算法降低了图像重建误差,有效提高了图像重建质量;而与标准牛顿–拉夫逊算法相比,新算法在满足成像精度前提下,避免了每次迭代均需更新灵敏度矩阵的缺点,提高了算法收敛速度。     

动态惯性权重粒子群优化算法

针对基本粒子群优化(Particle Swarm Optimization,PSO)算法的不足,提出动态惯性权重粒子群优化算法,其惯性系数随算法进化而动态减少。仿真结果验证了该改进算法的有效性:算法的收敛速度比基本PSO算法的收敛速度快;同时,算法得到的最优解比基本PSO算法好。     

基于时域的分数阶PID广义预测控制算法改进及仿真

在分析FOPID(分数阶PID)算法和GPC(广义预测控制)算法的基础上,针对两种算法的不足,结合两种算法的优点,推导出了基于FOPID性能指标的改进的GPC算法FOPID - GPC算法,将GPC算法的性能指标通过FOPID构造出来.改进后的算法结合了FOPID算法的优点,具有多个可调参数,稳定性较好.通过对工业实时...     

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。