基于群论的三峡电厂机组负荷分配算法研究

水电站厂内经济运行是一项提高水能利用效率的节能措施。厂内机组负荷分配以耗流量最小为准则,一般用动态规划方法求解。三峡电厂机组数目较多,承担负荷较大,采用动态规划求解易出现维数灾问题。本文提出基于群论的机组组合降维方法,将三峡电厂机组按运行特性分组,基于Burnside计数定理计算本质不同机组运行状态组合数及相应运行状态组合,降维后再采用动态规划法进行时间-空间优化求解。将该模型算法应用于三峡电厂厂内经济运行,结果表明,该方法能够有效降低计算量,快速响应水电系统运行工况。     

地铁直流牵引网特殊负荷电流波形识别研究

直流牵引网是为地铁车辆提供电能的唯一供电线路,但车辆变速时诱发的特殊负荷电流极易引起馈线保护误动,因而需要引入更有效的特征提取方法来识别出特殊负荷电流。分形维数能敏锐感知直流牵引网馈线电流动态变化,非常适合用于特殊负荷电流与故障电流的区分。首先根据采样速度和运算能力确定时间序列的数据窗长度;其次对同一数据窗长度内的馈线电流信号作插值处理后,依次进行相空间构造、最小二乘法拟合和关联维数计算;最后将计算结果构造成直流牵引网故障模式识别的特征矢量。实验结果表明,嵌入维数m=25时短路故障电流关联维数约为0.5,特殊负荷电流关联维数在1左右。因此设置适当的关联维数故障阈值能有效识别出特殊负荷电流,适合作为直流牵引网馈线保护算法的补偿算法。     

基于灰色关联度与 LSSVM 组合的月度负荷预测

由于月度负荷的二重趋势特性,其变化呈现出复杂的非线性组合特征,使预测精度一直不能达到令人满意的结果.针对月负荷的二重趋势特性和最小二乘支持向量机(least squares support vector machine,LSSVM)存在的数据输入维数大、训练时间长等缺点,提出一种基于灰色关联度与LSSVM 组合的月度负荷预测方法.该方法通过计算灰色关联度来选择训练样本,选取 LSSVM 进行样本训练;将与待预测月高度相似的历史月负荷作为 LSSVM 的训练样本输入,剔除了冗余数据,减少了输入维数,提高了预测精度.通过实例验证和结果对比,证明了该方法可显著提高月负荷预测的精度.     

电力短期负荷的多嵌入维一阶局域预测

在混沌理论中,采用不同的嵌入维数计算方法所获得的维数略有不同,而在不同嵌入维数下对同一负荷时间序列进行预测的结果也不同,对此,文章提出了多嵌入维数的负荷预测方法,将不同维数下的预测结果进行加权平均;在预测过程中欧氏距离极限的取值对预测结果有很大影响,文中采用动态调整法进行选取以使预测误差最小.实例分析表明文章所提出的方法简单有效、具有可行性.     

电力短期负荷时间序列混沌特性分析的技术改进

电力短期负荷具有混沌特性.通过深入研究其混沌吸引子的形状、关联维数及最大Lyapunov指数,发现这些混沌特征数对电力短期负荷预测具有重要意义.在相空间重构的基础上,经研究发现电力短期负荷二维相图两坐标间延迟时间为8时,其混沌吸引子能得到最好的再现;对计算关联维数的G-P算法中关键参数的选取提出了简单易行的方法,使该算法更易于操作;对计算最大Lyapunov指数的小数据量方法做进一步改进,提出了一套固定参数,并用Henon系统数据验证了该方法的有效性.用上述改进方法进一步分析了电力短期负荷的混沌特性.     

水电厂经济运行的优先表动态规划方法

基于常规动态规划方法，将负荷最优分配与开停机组合寻优过程同时在线计算，机组组合方案按参与运行的机组台数递增选取，最优负荷分配亦随机组台数递推，排除不符合日发电计划中负荷要求的机组组合，以流量最小为优先原则，存储有限项可行组合，减少中间数据存储，降低寻优维数，缩短计算时间，适合机组特性数据经常变化的要求。对12台机组的实例计算表明，合理选择有限项的个数，可较快地解算出最优开停机计划。     

改进量子进化混合优化算法在溪洛渡电站机组组合中的应用研究

传统方法求解水电站机组组合问题时存在易陷入局部最优、易出现"维数灾"、收敛性差等缺陷,因此提出了一种改进量子进化混合优化算法用以解决这一问题。通过将量子进化算法与基于经济运行总表的动态规划法嵌套,分别对外层机组组合和内层负荷分配问题进行迭代优化;同时,引入最短开、停机时间修补策略和备用容量修补策略,有效处理多重复杂约束,在保证计算精度的前提下,显著提高收敛速度。以溪洛渡电站经济运行中的机组组合问题为工程背景进行了实例研究,并与已有DP和IBPSO方法进行对比分析,结果显示所提算法简单高效,优化效果好,具有较强的工程实用性。     

基于改进遗传算法的水电站水库优化调度

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数编码的改进遗传算法,并进行水电站水库优化调度研究.用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解.实例计算并与常规优化相比,表明该方法简便、快速,可避免水库优化调度中的维数灾.     

多机电力系统中同步发电机组次同步扭转振荡分析的一种新算法

应用特征值法求解多机系统同步发电机组次同步扭转振荡往往会发生维数灾问题,本文依据次同步扭转振荡模式具有便于分离研究的特点,在Perez—Arriaga,I.J.的选模分析的基础上,补充了适于计算次同步扭转振荡问题的选模逆迭法和优化法,形成了选模复合解算的一种新算法。试算表明这种算法稳定可靠,可有效地克服维数灾问题;     

短期负荷预测"负荷趋势加混沌"法的参数优化

在"负荷趋势加混沌"短期负荷预测法中,将原始负荷序列拆分成"负荷趋势"和"混沌"两部分,其中负荷趋势是可以准确预测的多周期行为,混沌子序列可以用相空间重构的线性回归法预测.以多元回归分析和矩阵计算的奇异性理论为基础,优化了混沌子序列预测中的三个参数.首先根据取样序列的"平稳性"及避免矩阵计算的"奇异性",选取合适的延时时间;然后根据混沌子序列功率谱上的峰值选取嵌入窗长,并由此确定嵌入空间维数;最后选取邻近矢量的数目为嵌入空间维数的3倍以上.     

暂态稳定约束最优潮流的降阶内点算法

考虑暂态稳定约束的最优潮流是一个复杂的非线性优化问题.在基于时域仿真的内点法求解过程中,通常将暂态微分方程差分化并作为该问题的附加等式约束,容易出现维数灾.针对上述不足,提出了一种求解暂态稳定约束最优潮流的降阶内点算法.该算法考虑到差分方法的截断误差,将暂态方程差分为与差分法精度相关的不等式约束,大大降低了内点法中修正方程组的阶数.对多个算例的测试结果显示,该方法与常规方式相比,消耗的计算时间和内存更少,能够对更大规模的电力系统进行求解.     

确定机组组合的一种改进的动态规划方法

提出了一种确定机组组合的改进动态规划方法,称为插值动态规划算法。这是一种启发式方法,可以和其他的经济调度算法相结合,用以解决多种约束条件下的机组组合问题,特别是可以处理机组功率上升、下降速度约束,且考虑了机组的开、停机特性、并有效避免了“维数灾”问题,经实践检验是一种简单、有效的实用算法。     

小波包神经网络与数据降维的移相全桥变换器的故障诊断

移相全桥变换器作为机车控制电源的核心电路其故障特征类型极其丰富,故障信息量大,为了彻底全面地挖掘故障信息,提出了小波包神经网络和数据降维的新型故障诊断模式,主要利用流形学习来对高维的故障特征量进行降维,提取其本质特征解决了由小波包多层分解带来的"维数灾难",减轻了模式识别的压力。利用Matlab仿真软件分析,此方法可以使模式识别的时间缩短,准确率提高,从而验证了该方法的有效性。     

基于解空间分解的电力系统无功优化

为解决大型电力系统无功控制变量维数灾的问题,提出一种基于解空间分解的方法对电力系统进行无功优化。通过摄动分析选出无功优化中最活跃的控制变量,根据该控制变量分解解空间,最后在JADE(Java agent development)平台上对分解后的问题进行并行计算。应用该方法对IEEE30节点系统进行无功优化计算,结果表明基于解空间分解的办法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度。     

直接计算动态电压稳定Hopf分岔点的方法

对于一个n维电力系统,若用直接法求解Hopf分岔点,需要解1个3n+2维的方程组,计算量大,易陷入维数灾。该文提出一种降阶求解动态电压稳定Hopf分岔点的新技术,其特点是将直接法的3n+2维牛顿迭代方程组降为n+2维线性方程组求解。与传统直接法相比,该方法计算量小,适用于大型电力系统动态电压稳定的分析计算。2个典型电力系统动态模型的算例验证了其可行性和高效性。     

大电网动态无功优化的快速解耦算法

建立电网的完整动态无功优化模型是一个计及设备动作次数约束并考虑变量离散化特性的非线性混合整数规划问题。由于其修正方程系数矩阵具有可分块结构特点,对此系数矩阵采用块矩阵解耦求解,能够在一定程度上解决大电网计算时的＂维数灾＂问题。上述计算的关键点是对修正方程系数矩阵的计算存储及对系数矩阵进行三角分解结果的计算存储,对此提出对系数矩阵进行两次三角分解的方法,大大地降低大电网计算的数据存储量。以一个实际的14节点供电系统、某省级538节点系统和IEEE 118节点系统作为算例,计算结果表明,所提出的算法能有效地解决大电网的动态无功优化＂维数灾＂问题。     

基于PCA-SVM模型的中长期电力负荷预测

电力系统负荷预测模型可以分为单一指标模型和信息集(多指标)模型,为客观准确地对中长期负荷预测进行研究,就要避免重要信息的遗漏,尽可能多的考虑与其有关联的信息。针对信息集模型中的大量信息,通过主成分分析法把综合信息集简化为少数几个主成分,降低了数据的维数;引入核函数和对偶技巧对支持向量机算法进行改进,有效避免了维数灾难和目标函数不可微的问题。通过标准SVM和PCA-SVM模型仿真对比,验证PCA-SVM模型预测结果更为准确,所提方法具有一定的实用性和有效性。     

一种适合于电力系统机组组合问题的混合粒子群优化算法

该文针对机组组合问题，提出了一种新的混合粒子群优化算法。该算法包含3个重要的方面：通过在算法迭代过程中对松弛后的0、1变量与机组有功出力变量并行地进行优化，避免了由于决策变量过多造成的维数灾难题；引入变动阈值，解决了在寻优过程中粒子的值出现振荡时可能会丢失机组有效启停状态的问题：在粒子群优化算法中引入启发式变异技术，有效地处理了机组启、停时间的约束并提高了粒子群优化算法的全局收敛能力。文中通过对2个算例的计算及与其他算法进行的比较结果，验证了所提出的混合粒子群优化算法具有更好的全局收敛性。     

基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

基于三步隐式Adams法的暂态稳定约束最优潮流模型

基于时域仿真的暂态稳定约束最优潮流问题存在方程规模庞大、计算时间长、内存消耗大等问题。为此,提出了多步积分格式的差分转子运动方程,建立了基于三步隐式Adams法的暂态稳定约束最优潮流模型。采用的Adams法具有四阶精度,可采用大步长进行数值积分,且结构简单、易于实现。为保证算法的鲁棒性,提高计算效率、降低内存消耗,采用了原始—对偶内点法与减空间法相结合的减空间内点法。对9至300节点等5个系统的计算结果表明,所提出的方法在相同精度的情况下,与隐式梯形减空间法相比,可提高计算速度5倍以上,已接近在线应用的水平。