共查询到20条相似文献,搜索用时 31 毫秒
1.
放电源的精确定位是保证变压器稳定运行、延长服役寿命的关键环节。通过两个标准测试函数对所提模拟退火混合粒子群算法进行测试,发现其对比普通粒子群(PSO)在稳定度及精度上均有所提升,将该方法应用于局部放电(PD)的定位模型中,发现该算法能够对变压器中的PD点进行精确定位,并对比自适应及普通粒子群算法所得结果精度均有提升,为现场定位试验需要提供了参考。 相似文献
2.
针对粒子群算法在变压器局部放电超声波定位中存在定位精度不高、易陷入局部最优等问题,文中提出一种基于粒子群和克隆选择混合的优化方法.首先,根据电声法定位原理建立优化模型;然后,由粒子的适应度对粒子进行按比例克隆复制、高频变异和消亡补充处理,有效维持种群的多样性,避免算法早熟收敛,同时,利用粒子群算法指导变异抗体通过更新速度和位置来加速最优解的寻找,提高收敛速度;最后,将所提方法与粒子群算法和遗传算法的优化结果进行比较,仿真结果表明该算法具有较高的收敛速度和计算精度,提高了定位的准确度. 相似文献
3.
基于双态二进制粒子群优化算法的配电网故障定位 总被引:1,自引:0,他引:1
针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。 相似文献
4.
5.
针对测距式射频识别室内定位算法定位误差较大的问题,提出了一种基于烟花优化粒子群的室内定位算法。该算法分为测距和定位两个阶段,在测距阶段使用到达相位差进行测距并构建待优化的目标函数。在定位阶段对粒子群优化算法进行改进。为了改进粒子群优化算法在迭代过程中容易落入局部极值的问题,引入了烟花优化算法的爆炸、变异、选择操作,并对选择规则进行改进;算法还根据烟花爆炸算子和变异算子对粒子群算法的速度更新公式进行改进。实验结果表明,该算法能够有效实现对目标的定位,定位平均误差为0.2773m,与基于标准粒子群优化算法的室内定位算法相比具有39.61%的性能提升。 相似文献
6.
7.
随着对电力系统安全运行的要求越来越高,对变压器局部放电定位的研究也就愈发重要,将智能算法引入变压器局部放电定位中是很有效的途径。提出自适应粒子群算法对变压器局部放电定位,通过实验验证分析,此算法具有精度高,收敛速度快,避免收敛早熟等优点。 相似文献
8.
为了对变压器中的局部放电源进行精确定位,本文提出了一种基于自然选择自适应粒子群算法(natural selection-adaptive particle swarm optimization,NS-APSO)的超声定位方法。在自适应粒子群算法的基础上融入自然选择的思想,每次迭代都对种群中的粒子进行“优胜劣汰”处理,用好的粒子替换差的粒子从而提高种群的整体质量。为了增强算法的实用性,基于MATLAB中的GUI模块开发了一款能够对不同尺寸变压器内部局部放电源进行定位的软件。将定位结果与标准PSO算法得到的结果进行对比,结果表明基于NS-APSO算法的变压器超声定位方法具有更高的定位精度和全局搜索能力。 相似文献
9.
10.
针对配电变压器三相不平衡现象,提出了一种基于换相开关的三相不平衡治理方案。为配电变压器低压台区设计了实时负荷调整策略,重点研究了优化算法的目标函数,使换相开关以较少的换相次数降低三相不平衡度、线路损耗及变压器损耗。改进粒子群算法的惯性权重、粒子速度和位置更新公式,并完成换相模型求解,得到最优换相方案。用MATLAB仿真验证了改进粒子群算法的优越性及优化后换相方案对降低配电变压器三相不平衡度的有效性。 相似文献
11.
粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点。通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性。结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好。 相似文献
12.
13.
14.
基于二进制粒子群算法的辐射状配电网故障定位 总被引:4,自引:0,他引:4
粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点.通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性.结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好. 相似文献
15.
针对电力变压器故障诊断问题,提出了一种基于混沌(Chaos)优化的粒子群(Particle Swarm Optimization)BP神经网络算法。该算法将混沌、粒子群和BP神经网络相结合,通过混沌粒子群算法寻优,得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。利用了混沌算法的遍历性和对初始值敏感的特点,对粒子群算法进行了参数优化,引入了早熟判断机制,并在早熟状态时进行了混沌扰动,使算法后期不易陷入局部最优。通过实例训练与测试表明,CPSO-BP神经网络算法在变压器故障诊断方面有较好的效果。 相似文献
16.
17.
18.
19.
20.
研究了电力变压器有载分接开关的故障诊断问题。对变压器分接开关的故障特性及原因分析后,考虑到传统支持向量机在诊断过程中效率低下、精确度差等缺点,提出了一种改进粒子群(PSO)优化支持向量机(SVM)的故障诊断方法。首先,对粒子群算法的惯性权值和学习因子做了相应改进,克服了PSO算法后期迭代精度不高的缺点;然后,利用改进后的PSO算法优化支持向量机的主要参数;最后,仿真结果表明,改进的PSO SVM算法的诊断精度和速度均高于传统诊断方法,更适合在变压器分接开关诊断中应用。 相似文献