基于DBN-MPA-LSSVM的无绝缘轨道电路故障诊断研究

针对区间无绝缘轨道电路故障类型复杂、诊断精度低等问题,从故障特征提取和特征分类两方面出发,提出了一种深度 置信网络(DBN)和海洋捕食者算法(MPA)优化最小二乘支持向量机(LSSVM)的故障诊断方法。 首先,将集中监测数据和状态 标签输入到 DBN,以半监督的方式进行降维和特征提取,从而挖掘轨道电路不同故障特征信息;然后,采用 MPA 智能算法对 LSSVM 的惩罚因子和核函数参数进行寻优并建立最优 MPA-LSSVM 诊断模型;最后,将 DBN 提取的特征样本导入诊断模型进 行轨道电路的故障分类识别。 DBN-MPA-LSSVM 诊断模型充分利用了 DBN 在特征提取过程中的逐层提取优势以及 LSSVM 在 解决小样本情况下高维模式识别的优势。 实验验证与对比分析表明,DBN-MPA-LSSVM 模型测试集准确率为 98. 33%,MPA 优 化算法较 PSO、GWO、GA 算法模型诊断准确率分别提高了 6. 11%、3. 89%、3. 33%,平均准确率为 97. 98%,为基于数据驱动的轨 道电路故障诊断技术提供了一种新的方法。     

一种新的配电网无功优化算法

研究了配电网的无功优化方法,以有功网损最小为目标,建立了无功优化的数学模型.针对配电网呈辐射状、节点多、计算量大的特点,提出了先用最大节约网损的算法找出待补偿的节点,再结合混沌的遍历性和粒子群的快速性等优点,采用混沌粒子群算法求解补偿容量的配电网无功优化方法.以一个实际的配电系统为算例,初步验证了所提算法的有效性.     

一种基于粒子群算法的视频监控网络覆盖优化方法

针对视频监控网络的覆盖优化问题,以提高监控网络的覆盖率和减少设备数量为优化目标,提出一种基于粒子群算法的多目标优化方法。该方法考虑视频监控的有向感知性和可转动的特点,动态控制监控设备的位置和活动范围,并利用粒子群算法对覆盖的里程、设备数量、路段数等多个优化目标进行协同优化。实验结果表明,利用粒子群算法得到的优化结果,能够兼顾多个优化目标,有效提高监控网络的覆盖范围,同时减少设备投入。     

并联电阻的另一种算法

电工计算中,常常需要对并联电阻进行计算.两个电阻并联,已有的计算公式并不复杂,R并= .但是,当多个电阻并联时,必须对多电阻逐步进行两电阻并联简化,非常繁琐.为此,笔者从另一个角度人手,总结出一个多电阻并联计算公式,简单、方便、准确.对一些等值电阻并联,甚至可以达到心算的功能.     

一种基于子区域粒子群的无功优化算法研究

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于子区域粒子群的算法,并运用到电力系统无功优化中。该算法将搜索空间划分成若干个子区域,在各个子区域中均使用粒子群算法进行寻优,通过比较各个子区域的全局最优解,得出整个搜索空间的全局最优。结合无功优化的数学模型应用于IEEE30节点之中,并与标准粒子群算法以及自适应变异粒子群算法的结果相比较,结果表明基于子区域粒子群算法能够大大地降低在寻优过程中陷入局部最优的概率,寻找出更好的全局最优解,在电力系统无功优化中得到良好的应用。     

一种基于HHT的电力系统短期负荷预测模型

提出了一种基于HHT的电力系统短期负荷预测模型.针对EMD分解电力负荷时存在模态混叠及对高频IMF预测不准确的问题,采用一阶差分算法对EMD分解进行改进,得到消除模态混叠后的一系列IMF分量及余项.通过对各分量的频谱计算和观察,提取出低频分量,并将其进行重构,各分量选取合适模型进行预测.由于IMF1主要为负荷的随机分量,对其考虑天气、节假日因素,并采用粒子群算法对组合权值进行优化.仿真结果表明此种方法具有较高的预测精度.     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

一种优化配置谐波抑制装置的新方法

针对配电网谐波源的多样性、不确定性等特点,以平均谐波畸变率和经济性为目标函数,将有源滤波器容量和谐波电压畸变率作为寻优的约束条件,将滤波装置中电容器的容量与串并联谐振频率的关系作为谐振约束条件;并采用混合罚函数将非线性约束优化问题变为无约束优化问题。最后采用改进模糊粒子群算法对滤波装置优化配置,通过在算法中考虑所有个体对群体活动的导向性,以增强粒子之间相互学习的能力,有效防止粒子陷入局部最优。仿真结果表明,该优化算法在给定的电网范围内能统一优化有源滤波器和无源滤波器的安装地点及相应的参数,具有一定工程应用价值。     

混沌粒子群优化算法在配电网无功优化中的应用

针对电力系统无功优化的特点,提出了一种基于传统粒子群优化(PSO)算法的改进型智能算法——混沌粒子群优化(CPSO)算法。CPSO算法采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值,利用该算法分别对IEEE14和IEEE30节点系统进行仿真测试。仿真结果表明,CPSO算法相对于PSO算法,优化效果理想,收敛速度快。     

Improvement of border characteristics of jointless track circuit

The track circuit uses the rail as part of the circuit. The purposes of the track circuit are (1) to detect the train, (2) to transmit signals to the train, and (3) to detect rail breaks. There are two types of track circuit. One uses insulation joints at the end of the circuit, and the other is jointless. The insulation joint requires much effort to maintain and control. Furthermore, it is extremely expensive, and uses an insulation material, which is one of the weak points of the rail track. There are some methods for constructing a jointless track circuit, but they have several problems. The biggest one is that the border of the track circuits becomes fuzzy. Another is the interference of multiple track circuit signals. Nevertheless, jointless track circuits have high priority. First, they do not demand an insulation joint and impedance bonds. Second, they are very easy to divide. Jointless track circuits are used for sharp curves where it is impossible to install insulation joints on the Shinkansen line. Also, several conventional lines and private railways use this system. Furthermore, several European high‐speed train systems also use jointless track circuits. Regarding Japan Railway, short‐distance track circuits for level crossing control are jointless, but normal track circuits have insulation joints, because there is a legal restriction on track circuit border ambiguity. To solve this problem, the author worked out a simple jointless track circuit only with induction coils, whose border characteristics are excellent. Furthermore, it does not have a strong frequency characteristic and it can be applied to any frequency. In this paper, a new type of jointless track circuit is proposed and theoretically analyzed, and basic experiments are reported. © 1999 Scripta Technica, Electr Eng Jpn, 127(4): 64–76, 1999     

基于智能优化深度网络的轨道电路故障诊断研究

针对无绝缘轨道电路故障的随机性和复杂性,采用单一诊断模型存在提取特征片面,且模型结构经验设计不合理的问题,提出一种智能优化深度网络的故障诊断方法。首先以轨道电路信号集中监测系统的6个电压检测量建立故障特征集,使用卷积神经网络（CNN）提取特征空间信息,长短期记忆网络（LSTM）提取时间特征信息,从而让轨道电路故障诊断所提取的特征兼具时空信息;同时,引入遗传算法（GA）优化上述深度神经网络的结构及参数,并结合强化学习中的Q-learning方法对两个组合网络特征级的输出权重进一步优化;最后,使用多层感知器（MLP）对深度网络的分类误差进行拟合修正,提高模型对轨道电路的故障诊断精度。仿真结果表明,利用智能优化的深度网络模型对轨道电路的故障诊断相较于单一模型、精炼设计的组合模型识别率可达99.28%,评价指标等均有所提升,具有更高的故障诊断准确度,证明了智能优化深度网络能进一步提高轨道电路的故障诊断性能。     

基于自适应粒子群的模拟电路故障诊断

为了加快模拟电路故障优化算法收敛性和优化效率,采用了一种基于自适应粒子群算法的模拟电路故障诊断方法。利用小波分解技术提取待诊断电路的测试信息作为故障特征,借助于遗传变异的思想在粒子群算法中引入"变异"理念,然后使用自适应的粒子群算法优化RBF神经网络的结构参数,实现模拟电路的故障诊断。仿真结果表明,利用自适应粒子群算法与传统的粒子群算法相比,其训练步数明显加快,扩大算法的搜索范围,从而有效提高了网络的训练速度和优化精度。     

基于粒子群优化粒子滤波算法的SOC估算研究

准确的获得电池的荷电状态(SOC)有助于缓解汽车行驶过程中的里程焦虑。针对粒子滤波估算SOC中存在的粒子退化的问题,将粒子群算法与粒子滤波融合的改进粒子滤波算法(GPSO-PF)算法应用于SOC的估计。在迭代中不断优化粒子所处位置,从而解决了粒子贫化的问题,提高了SOC的估算精度。同时,针对SOC估算容易受到温度的影响,建立基于温度的等效电路模型,并将其应用于提出的SOC估算算法中。选取两节相同型号的磷酸铁锂电池,分别在不同工况下利用GPSO-PF算法估算SOC值,SOC的最大估算误差均低于0.72%。通过对比,与基于温度等效电路模型相结合后,GPSO-PF算法能够有效提高SOC的估算精度。     

基于区间-粒子群算法的油纸绝缘等效电路参数计算

回复电压法是一种研究变压器绝缘老化状态的非破坏性检测方法。现阶段,为了从理论上分析介质极化特性,许多学者通过建立等效电路模型来辅助分析油纸绝缘老化机理。因此,准确地辨识等效电路参数对后续研究油纸绝缘老化起到至关重要的作用。本文使用初始斜率特征量辨识介质响应等效电路参数的数学优化模型,其计算简单,操作方便。考虑到实际测试中充电电压的波动和测量误差会带来参数计算的误差,本文首次提出采用区间-粒子群算法对等效电路模型进行区间参数计算。区间-粒子群算法在高维多峰值函数中不仅有较好的执行效率,而且能够搜索到最优可行区间。最后通过仿真实例验证了等效电路模型的准确性和区间-粒子群算法进行参数计算的适用性。该研究结果为进一步评估油纸绝缘老化奠定了良好的基础。     

粒子群-神经网络混合算法在三相整流电路故障诊断中的应用

采用一种基于粒子群优化算法和人工神经网络相结合的混合算法应用于电力电子整流电路的故障诊断.文中首先论述了粒子群优化算法以及实现粒子群和神经网络的混合算法的操作步骤,然后将这种诊断方法应用于电力电子整流电路的故障诊断.仿真诊断结果表明,这种混合诊断方法可用于电力电子三相整流电路的故障诊断.它具有较快的收敛速度和较高的诊断精度,它具有工程的应用价值.     

改进粒子群算法优化的SVM模拟电路故障诊断

针对粒子群(PSO)算法优化支持向量机(SVM)参数存在容易陷入局部最优的问题,通过引入新的动态惯性权重、全局邻域搜索、收缩因子和遗传算法中的变异操作,提出了一种基于改进粒子群(IPSO)算法优化SVM参数(IPSO-SVM)的改进型分类器。采用UCI机器学习库中的公共数据集Iris、Wine和seeds来测试其分类效果,结果表明IPSO-SVM分类器在分类准确率和分类时间上优于GS-SVM、AFSA-SVM、GA-SVM和PSO-SVM分类器。最后,将IPSO-SVM分类器应用于Sallen-Key带通滤波器、四运放双二次高通滤波器及非线性整流电路的故障诊断中,结果表明IPSO-SVM分类器具有较强的全局收敛能力和较快的收敛速度。     

基于粒子群算法的时序电路测试生成

本文论述了将粒子群算法应用在时序电路自动测试生成的研究结果。结合时序电路的特点,构造测试生成的粒子表达方式,建立自动测试生成离散粒子群速度-位置模型,通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。针对国际标准时序电路的验证结果表明,与同类算法相比,该算法可以获得较高的故障覆盖率和较小的测试矢量集。     

基于多源数据的馈线谐波频谱估计方法

随着分布式电源和非线性负荷的投运规模不断增加,电网谐波污染愈加严重和复杂,有必要对各馈线谐波电流进行监测。但基于经济性考虑,对变电站所有馈线均进行谐波电流监测并不可行。针对上述问题,提出了基于多源数据的馈线谐波频谱估计方法。该方法基于电网现有电能质量监测系统、调度系统、营销业务应用系统等多源数据,只需对母线谐波电压和进线谐波电流开展监测,即可估计出变电站所有馈线的谐波电流情况。首先,根据馈线谐波电流的相量运算关系和功率关系构建馈线谐波频谱估计的目标函数。其次,基于多源数据利用改进粒子群算法求解目标函数,进而得到各馈线的各次谐波电流含有率及馈线谐波电流间的相角差,实现了各馈线谐波电流频谱的估计。最后,通过仿真算例和实测算例验证了方法的可行性。算例表明该方法仅需在变电站母线处安装一台电能质量监测终端,结合现有业务系统的基本电气数据等信息,可实现馈线谐波频谱的估计,有助于节约变电站监测装置的配置成本。