基于GA-BP的配电网自动故障定位研究

针对如何提高配电网故障诊断的速率及准确度问题,提出了采用GA-BP算法对配电网进行自动故障定位。通过实验仿真,采用GA-BP算法和BP算法分别进行故障定位仿真,对比结果可以发现,GA-BP算法的的耗时比BP算法的耗时减少了53.7769ms,且GA-BP的迭代次数为367次,BP算法的迭代次数为2071次,GA-BP算法的准确度比BP算法提高了23.59%,验证了本文所提方法的有效性和准确性。     

基于改进粒子群算法的配电网故障定位技术研究

针对一般粒子群算法容易陷入局部最优的问题,采用一种改进的粒子群算法来对配电网进行故障定位,并对该算法的有效性和正确性进行验证。仿真结果表明,该方法能对配电网故障进行准确定位,并对信号畸变有着比一般PSO算法更强的容错能力。     

基于遗传算法的有源配电网故障区段定位方法研究

为提高电网故障区段定位的效率,减少算法迭代与收敛行为的发生次数,为终端供电服务提供帮助,引进遗传算法,通过对电网运行产生数据的迭代处理,设计一种针对有源配电网故障区段的全新定位方法.根据有源配电网的常态化运行,进行故障信息采集,使用"1"与"0"描述电网中各个电流节点,根据节点流通的时序输出故障节点,实现对节点的编码;...     

基于分布估计算法的配电网故障区段定位

传统的人工智能算法在配电网馈线故障定位中的应用广泛,存在初始种群规模大,迭代次数多以及易陷入局部最优等缺陷。提出一种基于分布式估计算法的配电网故障区段定位方法,该方法将故障区段向量作为正确解,通过建立解空间内个体分布的概率模型,对模型采样,逐步提高最优故障区段向量在解空间内出现的概率。仿真结果表明将分布估计算法应用于多源开环条件下的配电网故障区段定位有着较快的故障定位速度和良好的容错性。     

基于AMSFLA的配电网故障定位研究

随着电网的不断发展,其网络架构趋于复杂,电网线路发生故障的概率也随之增加,目前配电网故障指示器作为对线路故障检测的主要工具,仍然具有故障识别率低、易发生误动的缺点。为了解决故障指示器目前存在的问题,针对其现状进行分析,构建了配电网故障定位模型,提出一种基于AMSFLA（自适应变异混合蛙跳算法）的故障指示器定位方法,并结合IEEE33节点配电网模型来进行仿真验证。结果表明,该算法能够在故障信号畸变的情况下,准确定位故障区域,为运维工作人员故障排查提供帮助。     

基于遗传粒子群法的配电网故障定位研究

针对分布式电源接入后配电网故障定位困难的现状,构造了适应多分布式电源接入的故障电流编码方式、开关函数和评价函数。提出了基于改进遗传粒子群法的配电网故障定位方法,该方法有效融合了遗传算法在全局搜索方面和粒子群法在局部搜索方面的优势。建立配电网故障定位仿真实例,通过配电网系统单重故障和多重故障及FTU上传故障信息出现畸变情况的仿真对比分析,结果表明本方法具有更高的定位准确率和较快的收敛速度,且本方法抗干扰性更强。本研究成果可为配电网故障定位提供有效的参考和技术指导。     

基于小波神经网络的配电网故障定位研究

在分析小电流接地系统单相接地故障特征的基础上,利用小波分析对非平稳随机信号所具有的优越的时频局部特性和变焦能力来实现提取故障时暂态信息量的特征分量,然后构建出小波神经网络,根据神经网络良好的非线性拟合能力,建立起故障特征分量和故障点位置之间的映射,从而达到故障点精确定位.     

柔性配电网故障定位技术评述

本文通过对柔性配电网(flexible distribution network,FDN)进行分析,为了使FDN安全可靠稳定运行,但当FDN发生故障时进行故障的隔离和恢复存在很大困难,因此研究FDN故障定位技术具有重大的现实意义。首先对FDN的概念进行分析研究,对比传统配电网的运行方式闭环设计开环运行模式所存在的难题,对FDN的基础技术结合最新研究方向进行分析研究,传统配电网如何转变为FDN进行说明;然后本文总结研究传统配电网故障区段定位、故障定位;对故障区段定位、故障定位所涉及的主要研究方法进行分析,通过文献研究其适用范围和优缺点,并针对这些提出对应的建议,并结合上述分析,研究FDN故障定位技术和其所存在的缺陷以及未来所要研究的主要方向。最后指出当前柔性配电网和有源配电网研究主要存在的问题及未来研究的方向。     

基于嵌套膜算法的大规模配电网故障定位

配电网故障定位是基于传感器上传过电流信息后的一个高维二进制最优解问题.针对配电网规模增大随之解的维数增加,算法寻优能力不够,以及传感器上传等信息丢失和畸变对算法寻优干扰很大导致故障定位失败的问题,提出了一种膜系统算法,即采用嵌套结构,对大规模配电网分支进行划分,把分支看作一个膜结构进行嵌套膜寻优处理,从而将大规模配电网故障定位这一高维寻优问题转变为多个低维寻优问题,减少了算法陷入局部最优的可能性;为了在寻优策略上平衡勘探和开采之间的矛盾,引入混沌策略改进捕鱼算子,使得其在陷入局部最优时,增加其跳出局部的能力.仿真结果表明:所提方法能准确进行单点或多点故障定位,较遗传算法和仿电磁学算法在收敛速度和准确性上有明显的优势,尤其适用于大规模配电网故障定位;采用实际数据进行故障重现,并用所提算法进行故障定位,结果表明:所提算法能准确进行故障定位,对传感器畸变数据进行容错处理,具有实际意义.     

改进免疫算法在无线网络基站选址优化中的应用

为了最小化网络建设成本、提高用户的服务质量,提出了一种基于矢量距离免疫计算的基站选址问题求解方案.设计了基于矢量距离的抗体浓度计算方法,采用了反学习的种群初始化策略,给出了问题求解的数学模型.主要工作是准确确定基站的位置和数目,以达到建站代价最小、且满足用户覆盖率和系统容量的目的.仿真结果表明:所提算法有更突出的全局搜索能力和快速收敛性,能更好地实现用较低的建站成本满足用户覆盖率和系统容量.     

一种井下配电网故障测距方法

针对采用随机选取法、K-均值聚类法确定RBF神经网络隐含层节点中心和宽度只能得到局部最优解、基本粒子群优化算法易发生早熟收敛且对于某些函数优化精度差的问题,提出了将惯性权重模型和收敛因子模型相结合的改进的粒子群优化算法;针对煤矿井下配电网发生单相接地故障后定位困难、传统的故障测距方法存在可靠性差、测距精度低的问题,提出了采用改进的粒子群优化算法优化RBF神经网络进行井下配电网单相接地故障测距的方法。仿真结果表明,经改进的粒子群优化算法优化的RBF神经网络的测距精度高于RBF神经网络,能够实现故障点的准确、可靠定位。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

一种改进的基于免疫网络模型(aiNet) 的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.     

一种基于狼群优化的改进DV_Hop定位算法

DV_Hop算法是经典的无需测距的无线传感器网络节点定位算法之一,但由于节点分布不均匀,由平均跳距计算出的未知节点与锚节点的距离跟实际距离差距较大,导致其定位精度不高.针对这一问题,借助于狼群算法需要的计算参数较少以及具有良好的寻优精度的特点,提出一种基于优化狼群算法(IWCA)的DV_Hop算法(IWCADV_Hop...     

基于改进型蚁群算法实现配电网无功功率最佳补偿点分析

针对配电网中由于谐波等因素影响,导致无功功率增加的问题,提出了新型的无功功率最佳补偿点查找方案;该方案构设出包括设备层、节点层、通信网络层、计算机管理层和远程管理中心的补偿点分析系统,能够以系统化的架构在本地或者远程对电力节点进行分析,并设计出一套谐波控制系统,能够通过在线、实时检测谐波发生点来选择功率补偿点;并在传统的蚁群算法中融合粒子群算法,解决了常规技术中难以实现全局最优解的技术弊端;通过200次的迭代计算,试验表明,该研究的方法在达到预定周期时,能够通过最佳化地更新全局位置搜索到局部的最优解,收敛速度快,收敛时间约为60s,通过对比试验,本研究的方案具有一定的技术进步性。     

基于贝叶斯网络的分层网络故障诊断

本文以SNMP网络管理模型的管理信息库（MIB）为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归（AAR）模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。