考虑经济性和网架性能的抗灾型骨干网架多目标规划

为增强极端自然灾害下电力系统的供电能力和抗灾能力,提出一种抗灾型骨干网架的多目标规划方法。该方法在满足负荷保障率、电力系统安全运行和网络拓扑连通性约束的基础上,综合考虑差异化规划加固费用、灾害后恢复全网供电的效率和骨干网架抵御灾害的能力,构建以最大化经济性、系统可恢复性和网络抗毁性为目标的抗灾型骨干网架优化模型。采用嵌入图论修复策略的全面学习粒子群优化算法求解模型,增大了算法的可行解空间。引入混合策略纳什均衡来选取算法所求得的帕累托解集中具有最优联合均衡值的前沿解作为最优的骨干网架方案,从而能较好地兼顾各个目标函数的利益。广东某区域电网的仿真结果表明了所提方法的有效性。     

基于系统生存性的骨干网架搜索方法

构建骨干网架,是差异化规划电网以提高其抵抗自然灾害能力的关键手段。基于系统生存性理论并考虑风机出力不确定性的影响,提出一种可以平衡以线路与节点数量之和为代表的经济性和系统综合生存能力的骨干网架构建方法。文章采用改进的生物地理学优化算法搜索骨干网架,通过改进算法迁移模型,引入随机扰动算子和基于最小生成树理论的连通性修复策略以提高算法收敛速度和精度,并与传统的生物地理学算法、遗传算法、二进制粒子群算法对比分析。算例结果表明,该方法能够快速搜索出综合经济性和生存性最优且满足连通性约束及系统安全运行条件的骨干网架,且最优骨干网架会限制风电出力比例以提高系统生存性。     

基于线性判别分析与主成分分析的骨干网架生存性评估方法

从电网网架的可抵抗性、可恢复性、安全性和连通性4方面出发,建立了差异化规划生存性评估指标体系,并进行指标效益成本属性分析和规范化处理;在此基础上,建立二级指标的线性判别分析评估模型和一级指标的主成分分析评估模型。首先求取二级指标决策矩阵的线性判别分析判决准则函数的最大值,以其所对应的最大投影方向确定三级指标权重,再对二级指标矩阵进行主成分分析,根据累积方差贡献率来确定二级指标权重,最终实现骨干网架综合生存性评估。IEEE118节点算例的仿真结果验证了该评估方法的有效性和可信性。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

基于目标规划的网架重构路径优化方法

大停电后的网架重构需要在保证系统运行安全的约束下尽快恢复机组出力,合理的路径恢复顺序对提高重构效果意义重大.文中提出了一种基于目标规划的网架重构路径优化方法.该方法以重构时间和机组出力恢复程度作为评价重构效果的主要因素,在为二者确定合理目标值的基础上,建立了体现各目标相对重要性及综合目标偏差最小的目标规划模型.针对IEEE30节点系统的应用结果说明,该方法能够利用不同优化目标间的不相容性,所获得的路径恢复顺序以目标值为基础,最大限度地体现了恢复决策的侧重点,对于指导恢复操作更具现实意义.     

计及元件综合重要度和网络抗毁性的骨干网架搜索

合理地构建骨干网架有助于提高电网抵御停电事故的能力,提出了包含元件重要度和网络抗毁性指标的骨干网架搜索方法。在传统电气介数的基础上,引入经济因子,构建了评价支路重要度的指标。根据节点邻居信息以及集聚系数构建了评价节点重要度的指标。基于支路和节点重要度指标,并引入网络整体抗毁性指标,构建了考虑元件重要度和网络抗毁性的骨干网架数学模型,引入充分利用个体信息的引导烟花算法(guided fireworks algorithm,GFWA)搜索骨干网架。算例结果表明所提方法可行;引入网络抗毁性指标后,所得骨干网络在纳入重要度程度高的元件的同时,提高了网络的抗毁性。     

考虑差异化加固的全阶段抗灾型骨干网架两阶段优化规划

为减少台风等极端自然灾害对电力系统造成的破坏和损失,提出一种考虑差异化加固的全阶段抗灾型骨干网架两阶段优化方法。首先,针对横跨多个台风灾害区域的输电网提出灾前差异化加固指标、灾时抗毁能力指标以及灾后恢复能力指标来评价骨干网架的全阶段抗灾性能,并运用场景分析法处理台风路径的随机性。在此基础上,构建全阶段抗灾型骨干网架优化规划模型来最大化骨干网架抗灾性能综合指标,并提出一种两阶段等效转换方法将其转换为两阶段优化规划模型,以降低模型求解难度。然后,提出基于图论修复策略和遗传算法的改进非支配排序遗传算法的两阶段求解算法对所提模型进行求解。最后,以广东某区域输电网进行算例分析,验证了该文所提全阶段抗灾型骨干网架规划方法的有效性和优势。     

考虑网络抗毁性的配电网网架多目标规划

复杂网络理论中的网络结构抗毁性从自身连接性角度描述了网络抵御破坏的能力。文中将其引入配电网网架规划中,建立了以投资、维护、运行费用之和最小,以及网络抗毁度最大为目标的配电网网架多目标规划模型,并采用向量序优化方法优化该多目标模型。向量序优化理论包括排序比较和目标软化等核心思想,能确保以很高的概率求得足够好的解,计算量大大减少,可以满足配电网规划寻求最优或次优方案的工程需要。算例优化结果表明,采用向量序优化求解配电网网架规划可以找到较优的规划方案,且与现代启发式算法相比,计算时间更少,搜索效率更高。     

基于约束多目标骨干粒子群的污水处理过程优化控制

为了取得污水处理过程能耗和出水水质这对冲突目标之间的最佳平衡,提出一种基于约束多目标骨干粒子群的污水处理过程智能优化控制方法。首先,利用数据驱动的思想建立能耗和出水水质的模糊神经网络预测模型;其次,利用带自适应扰动的约束多目标骨干粒子群优化算法对溶解氧和硝态氮浓度的设定值进行动态寻优,并利用模糊隶属函数法设计智能决策系统用于从Pareto最优解集中确定最优设定值;最后,利用模糊逻辑控制器实现底层跟踪控制。基于国际基准平台BSM1实验结果表明,建立的数据驱动模型能够有效辨识污水处理过程;同时,所提的多目标优化控制方法在保证出水水质参数达标前提下,能够有效地降低污水处理过程的能耗。     

基于KPCA和BP神经网络的短期负荷预测

为了提高电力系统短期负荷预测的精度,文中提出了一种基于核主成分分析(KPCA)和BP神经网络的负荷预测方法。影响负荷的因素作为神经网络的输入变量,太多输入变量会加大神经网络的训练负担,运用核主成分分析的方法对初始神经网络输入变量进行非线性降维,将降维后的数据作为神经网络新的输入变量,并对神经网络的训练算法进行改进,以加快收敛速度,最后在每一个时刻点上建立模型进行预测。采用文中提出的方法对甘肃某地区2014年的负荷进行预测,并与已有的BP神经网络方法和PCA-BP神经网络方法进行对比,结果表明该方法可提高负荷预测的精度。     

核主元分析在高压断路器故障诊断中的应用

核主元分析(KPCA)方法作为一种先进的人工智能算法,在处理非线性问题上具有极大的优势。为此,将KPCA用于高压断路器的故障诊断中,通过选取合适的核函数将原始数据映射到特征空间,之后在特征空间内计算主元,依据平方预测误差(SPE)统计量对故障数据进行分类诊断,以提高高压断路器故障诊断的准确率。为验证该方法的有效性,用KPCA法对高压断路器在线监测系统采集到的现场正常及非正常数据进行分析计算,并利用Matlab仿真依据计算得出的统计量值对故障数据进行诊断。实验结果表明,该方法应用于高压断路器能够取得较好的故障诊断效果。     

结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

光伏阵列在局部阴影时的P-U曲线呈现多峰特性,需要设计光伏多峰最大功率点跟踪方法,以实现光伏发电最大功率输出,提高光伏发电效率。相比粒子群优化算法,量子粒子群优化算法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索;根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压;并根据量子粒子群优化算法收敛时粒子自身最优位置的特点,提出了更适合光伏多峰最大功率点跟踪的收敛判据。仿真测试表明,提出的改进方法能够快速有效地实现光伏多峰最大功率点跟踪,收敛速度更快,避免了不收敛的问题,且具有应对光照情况变化的能力,提高了局部阴影时光伏发电的效率。     

基于核主成分分析和CSM-PSCO优化LSSVR的短期负荷预测

分析了一种基于核主成分分析(kernel principle component analysis,KPCA)和混沌单纯形混合粒子群协同(chaos and simplex method-particle swarm coordinate optimization,CSM-PSCO)算法优化最小二乘支持向量回归机(least square support vector regression,LSSVR)的短期负荷预测模型。首先,采用KPCA对训练样本的输入个数进行降维优选,以较少输入代替原始大量输入,同时信息大部分得以保留;然后,采用LSSVR对训练样本进行回归训练,训练过程中采用CSM-PSCO对LSSVR的相关参数进行优化,得到满足要求的模型;最后,采用训练好的模型对未知负荷进行预测。算例表明该模型的预测精度和速度均能满足实际的预测需求。     

改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的\"接种疫苗\"和\"免疫选择\"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

基于KPCA的高压断路器故障诊断

随着电网规模的日益庞大,对高压断路器的安全运行提出了越来越高的要求。本文就核主元分析（KPCA）方法应用于高压断路器的故障诊断进行了研究。该方法针对高压断路器故障数据多维非线性的特点,通过计算其合闸电流信号原始数据空间的内积核函数来实现原始数据到特征空间的非线性映射,然后在特征空间内构2造T和SPE统计量检测过程中发生的故障,并对故障进行分类。本文以VMB5-12型10kV真空断路器弹簧操动机构为试验样机采集数据,仿真实验结果表明,该方法具有较高的稳定性,能够有效地对故障数据进行特征提取。