舰船电力系统网络重构研究综述

由于舰船电力系统使命的特殊性及系统的独特性,其网络重构不同于一般的电力系统.本文较为全面地分析了舰船电力系统的特点,综述了其网络重构的发展,对重构中涉及的网络计算、重构指标计算、网络的连通性检验及拓扑识别方法、重构数学模型及模型的求解方法等给出了详细的归纳与总结.最后指出了未来舰船电力系统网络重构的发展方向.     

基于启发式遗传算法的舰船电力系统网络重构研究

舰船电力系统(SPS)的网络重构是恢复系统故障、提高舰船生命力的重要途径之一。在满足各种运行约束条件下，快速地恢复因战斗受损的负荷供电是一典型的非线性整数规划问题。该文建立了重构数学模型，并提出了一种启发式遗传算法对其进行求解，以启发式算法结果为初始种群，有效地提高了收敛速度。根据SPS的特点，重要负载都需两路(正常和备用路径)供电，对遗传算法的编码方式采用了新的针对负荷的0，1，2编码。提出了以扩展矩阵法对重构时支路的连通性及容量约束进行检验，极大地减小了计算复杂度。算例结果表明上述方法是可行、有效的。     

多代理系统及其在电力系统中的应用

多代理技术（nulti-agent technology）是计算机技术、风格技术和分布式人工智能相结合的产物,是近年来新兴的计算机软件工程技术之一。它为大量存在于科学计算、机械工程、生产控制、电子商务、企业管理和电力系统等广阔领域的复杂的分布式、开放式系统的设计和实现提供了新的途径和方法。文中对多代理技术的特征,相关的技术以及目前在电力系统计算和设计、电力市场及其仿真等方面的应用做了概要介绍,在其他方面的应用,如经济学领域,以参考文献的形式给出。     

基于贪婪度表的DPSO求解舰船电力系统网络重构

针对舰船电力系统网络重构问题,提出一种基于贪婪度表的离散微粒群算法.该方法采用概率贪婪法对种群离散化,在迭代之前先给出贪婪度表,迭代中计算概率时直接取贪婪度表中的贪婪度值,避免计算量过度增加.调整了贪婪度函数计算公式.限制了贪婪度及概率的大小,避免算法早熟收敛.对算法离散过程进行了分析.舰船电力系统网络重构算例显示,该...     

基于梯度DPSO算法在舰船电力系统网络重构

综合考虑各级负载的供电恢复与最少开关操作数,建立了舰船电力系统故障恢复模型.针对微粒群优化算法,通过增加离散化过程,提出了一种具有普适性的离散化方法.结合微粒群寻优过程中的梯度信息,对算法迭代过程进行了分析,构造出一种基于梯度法的离散化微粒群优化算法,提高了收敛速度.舰船电力系统网络故障恢复算例表明,该方法能获得更好的故障恢复方案,并具有优良的收敛性能.     

多代理技术在电力系统中的应用

多代理技术(muliti-agent technology)综合了计算机、网络和分布式人工智能等技术，在解决复杂的分布式及开放式系统问题方面有很多优点。在电力系统研究领域，多代理技术提供了新的解决途径和方法。文中对多代理技术目前在电力系统暂态稳定分析与控制、倒闸计划和故障诊断等方面的应用做了概要介绍。在其他方面的应用，如电力市场、电力系统扩建规划和分布式电源协调控制等，也有所提及。并对未来的研究方向和应积极开展的工作进行了前瞻性分析。     

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。     

配电网动态重构的多代理协调优化方法

提出一种配电网动态重构的新方法,并利用多代理系统(multi-agent system,MAS)技术来实现。将一天分为多个时段,每一时段由一个工作代理负责,利用混合粒子群算法进行静态重构,求得一个解集,并通过相邻代理间的相互学习,对解集进行补充和完善。然后对解集进行评估,从中选出种子解和优先替补解,计算出每一工作代理减少一次开关操作将增加的最小损耗。最后经协调代理多次迭代协调,令部分工作代理更换种子解,直到满足开关操作次数约束条件为止,此时,各工作代理的种子解即共同组成了动态重构结果。给出MAS的系统框架和各代理的功能模块。最后对一个IEEE69节点标准算例和一个实际算例分别进行仿真,仿真结果表明该方法不仅可快速获得不同约束条件下的最优解,还能为相关部门制定合理的开关操作次数提供依据。     

基于网损最小的配电网多代理复电系统设计

基于多代理技术和JADE开发平台,以配电网重构后的网损最小为目标,设计了配电网的多代理复电系统。简要叙述了代理及多代理的特征;重点分析了多代理复电系统的主要复电过程,包含确定复电总代理、确定停电区域、制定优化复电方案、方案执行;详细阐述了各代理在复电过程中的作用和行为,以及采用改进最优流模式法进行重构复电方案的制定过程。各代理可以按照预定步骤逐步实现为停电区域恢复供电。以该复电系统对33母线系统部分区域发生故障后的网络进行了优化复电重构,验证了该多代理复电系统的可行性。     

基于Multi-agent技术的配电网络重构研究

当配电网络发生故障时,需要调整网络中开关的状态,从而实现为失电负载恢复供电的目标。基于多代理技术,利用JADE开发平台,设计了一个多代理复电系统。简要叙述了多代理系统的特征,阐述了所设计的多代理复电系统中各代理的特点和作用,分析了多代理复电系统的主要工作流程,以及各代理在复电重构过程中的交互情况。模拟配电网络发生线路故障,用该多代理复电系统对故障网络进行重构,检验了该多代理复电系统的运行情况。     

船舶电力系统重构的博弈算法

船舶电力系统故障重构通过改变系统供电路径来恢复重要负载的供电,对增强系统的存活性有着重要意义。在多智能体(agent)架构的基础上,构建船舶电力系统博弈重构模型并提出求解方法。该模型以船舶电力系统中不同区域的agent作为博弈参与者,将船舶电力系统的重构问题转化为各agent之间的合作–竞争问题,从而保证重要负载的恢复供电。论文进一步提出该模型的求解算法,该算法首先判断博弈模式的合作与非合作属性,之后通过agent或agent联盟之间的博弈过程,计算各agent所属的负载/发电机的投切及转移策略。仿真算例表明,该算法能够快速有效地求解船舶电力系统重构问题,最大程度保证系统的存活性。     

改进蚁群算法求解船舶电力系统故障重构问题

船舶电力系统故障重构是一典型的非线性组合优化问题.文中给出一种改进的蚁群算法来实现故障下的网络重构,将重构问题看成子集类优化选择问题,修改并建立适合解决此类问题的蚁群算法模型.根据船舶电力系统重构特点,设计了一种可变邻域搜索算子以进一步探索优质解附近可能存在的更优解,针对算法易出现的劣质解元件,设计了两种优化操作以减少劣质解的产生,改善解集合的质量.算例分析表明,改进后的蚁群算法可以有效实现船舶电力系统的故障重构.     

一种启发式舰船电力网络拓扑分析方法

快速有效地跟踪网络拓扑对于实现舰船配电管理自动化至关重要.针对传统拓扑分析方法效率低、耗时多的缺点,提出将广度优先和启发式搜索技术相结合的舰船电力网络拓扑快速跟踪新方法.该方法基于面向对象技术构造了符合舰船电力网络特点的拓扑模型,利用节点和支路模型的双向关联关系描述电网拓扑结构.基于广度优先搜索对初始网络进行遍历,实现了支路类型识别和网络静态分区,并在此基础上,针对不同类支路状态变化,采用启发式规则更新局部网络拓扑,从而实现了电网拓扑的快速跟踪.对典型舰船电力网络的拓扑分析结果表明,该方法具有较好的实时性,相对于传统方法有效率更高.     

采用多Agent混沌粒子群算法的配电网重构

针对配电网的辐射状约束条件研究了配电网重构的优化问题,引入破圈法筛选可行解,利用基于多Agent的混沌粒子群算法对筛选后的可行解进行搜索;然后该算法将粒子的群搜索特征与多Agent的智能搜索特征相结合提升算法的搜索效率,并融合混沌局部搜索算法以跳出局部解。以网损为优化目标,分别对33节点和69节点配电网系统进行计算分析,结果表明该算法具有很快的收敛速度,并且对于复杂配电网系统有较好的稳定性与鲁棒性。     

基于多Agent的倒闸操作票生成系统

Agent和多Agent系统已经成为计算机科学和分布式人工智能研究的一个重要方向.该文重点介绍了基于多Agent技术的操作票生成系统的模型的建立,研究了通过Agent选择意图模型来实现操作任务的规划,以及对单个Agent的推理机制和知识库中的符号化描述,并讨论了Agent自学习及多Agent之间的交互通信等问题.开发实现基于多Agent变电站倒闸操作票生成系统,在某变电站得到良好的应用.实践表明,基于多Agent系统能大大提高工作效率和准确度,特别是基于Agent选择意图模型来实现操作任务的规划更能适应外界环境的变化.     

舰船综合电力系统继电保护策略

综合电力系统(Integrated Power System,IPS)作为未来舰船发展的重要组成部分,代表着先进的集成优化电力系统发展方向。为深入研究IPS中配电网保护策略,叙述了近年来IPS国内外发展情况,较全面的分析了IPS中配电网络的特点,结合几种常用母线继电保护措施在IPS中的应用情况,指出了保护实现的难点和关键;综述了IPS交流网络中单相接地故障的探测与诊断方法和陆地中性点不接地系统中单相接地故障的研究方法。最后,指出IPS配电网络的未来发展方向,讨论了IPS中压直流配电网的相应保护策略发展的方向。     

巨型浮吊船电力系统动态响应的联想记忆识别

巨型浮吊海洋工程船的作业依赖于船舶电力系统的稳定运行。这类船上大功率变频器、大功率交流电机等设备的大量应用,使得控制系统受干扰影响严重,检测到的动态响应常常含有干扰成分,给电力自动化设备的反馈控制带来了困难。联想记忆具有按信息内容检索的功能,可以模仿人脑进行联想,处理缺损和不确定的信息,具有容错功能。根据联想记忆原理,运用Hopfield网络结构,对Hebb学习规则进行了改进,构建了自联想离散Hopfield网络。该网络通过对动态响应标准样本进行学习,得到了稳定模式,在受干扰污染、信息缺损的巨型浮吊船电力系统动态响应的识别中表现出了良好的滤除干扰的能力。     

采用本质多目标进化算法的舰船电网故障智能恢复决策

经典多目标决策方法通过直接或利用层次分析法给定各目标权因子,再进行多目标综合。这种算法存在局限性,如缩放因子或模糊集参数实时调整难、获取最优解效率低等。现有舰船电网故障恢复方法仅给出负荷投切方案,且不考虑舰船线损。在严格定义＂支配＂、＂目标支配＂和＂约束支配＂3个概念的基础上,利用解的非支配关系,提出采用本质多目标进化算法并面向开关的故障智能恢复决策,该方法毋需权因子、缩放因子和模糊集参数,并实现了故障恢复后线损最小,在获得Pareto解集后,再作目标偏好选择,给出最优开关动作序列,提高了获取最优解的效率,解决了多约束条件下解的支配关系判别难题。算例分析证实了该方法可行、有效,且优于经典多目标方法。