考虑多源信息的配电网故障定位容错方法

针对传统配电网故障定位算法仅考虑配电网馈线终端单元作为单一信息源存在容错率较低的问题,利用用户用电采集系统的供电信息作为冗余信息,考虑分布式电源接入配电网的影响构建故障定位适应度函数,并通过二进制粒子群算法求解模型.利用改进D-S证据理论进行证据融合,根据证据决策准则得到配电网故障区段定位结果.仿真结果表明,该算法可有效实现故障定位,并且在单重故障与双重故障下FTU信息有误时,较传统算法相比容错率有所提高.     

考虑多源信息的配电网故障定位容错方法

针对传统配电网故障定位算法仅考虑配电网馈线终端单元作为单一信息源存在容错率较低的问题,利用用户用电采集系统的供电信息作为冗余信息,考虑分布式电源接入配电网的影响构建故障定位适应度函数,并通过二进制粒子群算法求解模型.利用改进D-S证据理论进行证据融合,根据证据决策准则得到配电网故障区段定位结果.仿真结果表明,该算法可有效实现故障定位,并且在单重故障与双重故障下FTU信息有误时,较传统算法相比容错率有所提高.     

基于DIgSILENT仿真含分布式电源的故障定位算法

随着电网的智能与科学发展,大量分布式电源接入配电网系统,使得配电网系统向多电源复杂网络转变,传统的故障定位方法无法适用。首先经过比较分析现有的含分布式电源的故障定位算法,改进了一种基于网络拓扑结构的故障定位矩阵算法,构建反映网络拓扑结构的网络描述矩阵和反映故障潮流方向的故障信息矩阵,给出相应的故障区域的判断方法。在此基础上搭建仿真算例,结合电力仿真软件DIgSILENT验证了算法在单点故障、多点故障以及故障信息不完备的情况下的准确性。最后,将故障定位改进矩阵算法与其他矩阵算法进行对比分析,总结得出改进矩阵算法在单点、多点故障情况下只需一次矩阵运算,显著降低了运算量。     

基于改进和声算法的含DG配电网故障定位

针对分布式电源配电网的故障定位不准确、故障信息畸变导致位置误判等问题,提出一种基于改进的和声算法的故障定位方法。将改进的和声算法应用于含分布式电源配电网故障定位中,构造了适用于多个分布式电源投切的开关函数,结合区域划分方法降低可行解的维数,提高了故障定位的速度。改进和声算法具有较高的全局寻优能力、较快的收敛速度和较高的容错率,通过算例仿真分析,结果表明该算法能够快速实现含DG配电网故障的准确定位,且具有良好的容错性。     

含分布式电源配电网单相接地故障保护方法

提出一种含分布式电源配电网单相接地故障保护方法。首先,利用聚类算法刻画不同故障条件下故障历史数据的空间分布情况,通过欧氏距离算法分析采样数据与故障历史数据的相似性,利用其空间距离上的亲疏远近程度确定故障区段,然后结合保护代理间协调配合,准确定位故障线路。以10 k V含分布式电源配电网模型对该保护方法进行仿真,验证了其准确性与有效性。     

配电网故障区间定位的新型矩阵算法

针对配电网故障区间定位的问题，利用配电网的结构和运行状态，提出一种基于开关有向树型网络描述模型，在此基础上，结合从FTU得到的故障信息得到新型故障区间定位算法，此算法无需进行矩阵的相乘和求逆运算，因其快速性可用于在线计算，并可推广至多电源系统中。     

有源配电网具有容错性的快速故障区段定位方法

针对矩阵算法与优化算法在应用于有源配电网故障定位过程中存在容错性较差、易陷入局部最优等问题,提出了一种有源配电网具有容错性的快速故障区段定位方法.该方法首先利用矩阵算法快速筛选疑似故障区段,其次通过对优化算法开关数学模型进行改进以适应多个分布式电源投切,然后基于矩阵算法定位结果穷举所有可能存在的馈线区段状态,将其作为初...     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

基于Petri网的含分布式电源配电网故障定位研究

针对分布式电源接入配电系统后使得原有的故障定位原理难以满足故障检测要求的问题,本文采用Petri网原理,根据配电系统的网络结构,利用故障发生时系统检测到的故障信息,建立了含分布式电源配电网的故障定位模型,阐述了推理过程,通过对故障信息的预处理,保证当故障信息丢失时故障定位的准确性。为验证该方法的故障定位能力,利用Matlab中Petri网工具箱,对一个含分布式电源的复杂配电网进行仿真分析。仿真结果表明,在配电系统发生单一或多重故障时,该配电网故障定位模型都能得到正确的故障区段;同时当故障信息缺失时,仍可取得理想的定位效果。因此,该故障定位模型具有一定的实际应用价值。     

基于非线性互补约束的含DG配电网故障区段定位方法

随着分布式电源的接入, 配电网故障过电流方向不再唯一, 传统的故障区段定位方法将不适用, 本文提出含分布式电源(Distributed Generation,DG)配电网故障区段定位的非线性互补约束光滑化模型和求解方法。基于逻辑关系的间接故障定位方法在数值稳定性和决策效率上的不足, 本文构建了可适应多个DG投切情况的基于代数关系的开关函数。2个仿真算例与对比实验表明, 含DG配电网故障区段定位的非线性互补约束光滑化方法在进行故障定位时具有较高的容错性能, 且能够实现多信息畸变下的准确定位, 由此可见本方案在数值稳定性上胜于智能算法。     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

基于改进蝙蝠算法的配电网故障区段定位

提出一种将自适应理论、差分进化和蝙蝠优化算法结合的改进蝙蝠算法,解决电力系统配电网故障区段定位典型的含0-1离散约束条件及逻辑求值的最优化问题。将蝙蝠算法的全局寻优能力用于配电网故障区段的搜索和定位,在寻优过程中引入差分进化算法,并对算法的变异和交叉等操作进行自适应优化处理,解决传统蝙蝠算法容易陷入局部最优的缺陷。算例仿真结果表明,该算法能准确快速地定位配电网故障区段,并具有良好的容错性。     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

基于低碳理念的多级物流网络优化设计

针对碳排放成本对物流网络优化设计的影响,提出了基于低碳理念的多级物流网络优化设计方法.通过对物流节点开关状态进行调整,构建了考虑碳排放成本的多级物流网络优化设计模型,解决了多级物流配送网络中间节点选择和需求分配等多种决策问题.根据多级物流配送网络设计问题的特点,使用遗传算法分别对考虑碳排放和不考虑碳排放两种情况进行仿真分析.结果表明,在考虑碳排放约束的情况下,多级物流配送网络的成本明显降低,比不考虑碳排放的传统方法更具现实意义.     

基于确定网络的多级物流网络优化设计

针对已存在的多级物流配送网络没有充分考虑配送节点的可能状态的问题,根据一段时期产品的需求量不同等特点,通过动态调整节点关闭状态,以最小化企业物流网络的总体费用为优化目标,构建了可描述带能力约束的多级配送网络设计问题的优化模型.根据物流配送网络设计问题的特点,基于模拟退火算法思想,结合该模型对算法做出了改进,并使用改进后的模拟退火算法对模型进行求解分析.算例的计算结果表明,该优化方法运算快捷,所求结果合理,是解决相关物流问题的一种有效方法.     

基于改进模拟退火算法的配电网无功优化方法

采用改进的模拟退火优化算法对配电网进行无功优化计算,针对配电网无功优化问题建立优化计算的数学模型。以调节无功补偿容量、补偿点分布、变压器分接头位置为手段,实现无功优化目的。对实际配电网优化计算结果表明,该方法可有效降低系统网损,保证各节点电压稳定,提高电力系统运行的安全性和经济性。     

小波神经网络在配电网故障定位中的应用

提出一种适用于配电网架空线路的单相接地故障定位新方法,该方法以暂态零序电流的小波能量、有功功率、无功功率作为数据融合的特征量,再结合紧致型小波神经网络（WNN）来进行故障定位,并针对小波神经网络存在收敛速度缓慢且容易陷入局部极小的问题,给出一种参数修正改进的算法,通过在权值调整式中增加动量项来选择学习步长,且以新方法初始化各个权值以提高网络学习效率。大量的Matlab仿真结果表明：此方法具有很好的单相接地故障定位性能,实验准确率基本可以达到100%,可应用于配电网故障定位。     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.