共查询到17条相似文献,搜索用时 156 毫秒
1.
针对主动配电网新能源接入时对故障自愈稳定性和节能优化运行的多重要求,文章提出一种粒子群“破环”的优化算法,以实现故障自愈过程中新能源接入承载力与线损协同的优化方案。首先给出配电网自愈重构的约束条件和优化目标函数,采用Floyd算法搜寻配电网的最小环结构,并采用一种改进的“破环”粒子群优化算法对故障自愈重构进行优化。最后通过与传统的粒子群优化算法的对比仿真,证实研究算法的寻优能力与收敛速度,可为主动配电网故障重构提供理论依据。 相似文献
2.
针对粒子群算法在对含分布式电源的配电网故障定位时,易陷入局部最优的问题,文章提出了一种分组差分粒子群算法。该算法对粒子群进行了分组操作,每组粒子群均可代表原种群的特性,并对每组全局最优值进行了变异、选择操作。文章构造了配电网故障定位的目标函数,以含分布式电源的IEEE33节点配电网系统为例进行仿真测试,对该算法与其他启发式优化算法进行了对比分析,结果验证了该算法在故障定位时不易陷入局部收敛,且准确性和快速性得到提高。最后通过配网自动化平台对所提算法进行了验证,进一步证明了该算法应用于实际工程的可行性。 相似文献
3.
对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用“解环”的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。 相似文献
4.
针对含氢能配电网系统提出一种基于博弈论的优化重构模型,该模型从网络安全和负荷均衡度2个角度对含氢能配电网系统进行优化重构研究。同时,提出改进粒子群优化算法(MPSO)求解含氢能配电网系统的优化重构模型。为验证所提模型和求解方法的有效性以及氢能单元对优化重构结果的影响,对修改后的IEEE 33节点系统进行仿真分析。仿真结果表明,利用该文所提基于博弈论的优化重构模型及其求解算法可有效实现含氢能配电网系统的优化重构;同时,相较于未含氢单元的配电网系统,氢能单元的加入可有效降低配电网的优化重构压力,系统的网络安全及负荷均衡度指标均有所改善。 相似文献
5.
6.
随着人们对供电质量要求的提高,为了满足配电系统的可靠性、安全性和经济性方面的要求,配电网的故障恢复策略相关研究成为了目前专家学者研究的重要课题。提出了基于二次插值粒子群算法的适用于配电网多目标下故障恢复的双阶段策略。首先建立了配电网故障恢复时基于不同目标函数下的数学模型,制定了适合基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略的编码策略,并利用基于二次插值的粒子群算法对其进行求解。最后以某实际电网为例,在不同故障情况下验证了所提策略的正确性和实用性。 相似文献
7.
8.
9.
10.
11.
12.
为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解(VMD)和缩放变异粒子群算法(SVPSO)优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法(SVPSO),再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。 相似文献
13.
14.
针对传统粒子群优化(PSO)算法在求解三电平逆变器选择谐波消除脉宽调制(SHEPWM)技术的非线性超越方程组时存在局部收敛、收敛速度慢且计算精度不高的问题,提出了一种基于入侵杂草优化和粒子群优化混合算法(IWO-PSO)的SHEPWM方程组计算方法,该混合算法结合IWO算法的广度和PSO算法的深度,通过合理选择算法参数,有效地解决了计算结果局部收敛和收敛速度慢的问题,并以三电平中点箝位型(NPC)逆变器为例,利用Matlab/Simulink进行仿真试验。结果表明,IWO-PSO算法可行、有效,实现了三电平NPC逆变器在线SHEPWM控制。 相似文献
15.
Energy consumption in China is continuously increasing. Accordingly, the present paper aims to develop a hybrid procedure for energy demand forecasting in China with higher precision. The mechanism of the affecting factors of China’s energy demand is investigated via path-coefficient analysis. The main affecting factors include gross domestic product, population, economic structure, urbanization rate, and energy structure. These factors are the inputs of the model with three forms: linear, exponential, and quadratic. To obtain better parameters, an improved hybrid algorithm called PSO-GA (particle swarm optimization-genetic algorithm) is proposed. This proposed algorithm differs from previous hybrids in the two ways. First, the GA and PSO approaches produce a hybrid hierarchy. Second, two information transfers are accomplished in the process. Results of this study show that China’s energy demand will be 4.70 billion tons coal equivalent in 2015. Furthermore, the proposed forecast method shows its superiority compared with single optimization methods, such as GA, PSO or ant colony optimization, and multiple linear regressions. 相似文献
16.