基于粒子群破环的主动配电网故障重构协同优化

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。     

基于分组差分粒子群算法的含分布式电源配电网故障定位北大核心CSCD

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。     

基于CAPSO的含分布式电源的配电网动态重构

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。     

基于博弈论的含氢能配电网系统优化重构研究

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。     

含分布式电源的配电网重构

为了使分布式电源接入配电网效益达到最大化,提出含分布式电源的配电网重构。针对常用的含分布式电源的配电网结构原型,提出了一种基于邻接矩阵和粒子群优化的混合算法。根据含分布式电源配电网的结构特点,建立了含分布式电源配电网的数学模型,并以负荷损失最小为主要目标函数。运用Matlab对算法进行编程,将该算法运用到此配电网模型中,对算例仿真结果进行分析,表明该算法不依赖网络的原始结构,并且具有迭代次数少、求解快速、简单有效的特点,避免了复杂的数学运算,具有很好的实用性。     

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

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。     

基于协同进化蚁群算法的含光伏发电的配电网重构

文章提出了一种基于协同进化蚁群算法的含光伏发电的配电网重构方法,该方法将复杂的含光伏配电网重构问题分解为一系列相互联系的子优化问题,建立了以配电网网络损耗最小和负荷均衡化率最小的多目标子区域优化模型,以及以系统总运行费用最小为目标的整体优化模型。各子区域内部采用蚁群算法独立求解,子区域间通过代表个体的交互配合和不断协同进化,最终实现整体最优的目的。由114节点配电网仿真结果表明:文章所提出的方法能有效提高算法的计算速度和求解质量;光伏发电接入配电网后,能够降低运行费用和减少开关动作次数,有助于配电网安全经济运行。     

基于改进粒子群算法的配电网故障区段定位

配电网的复杂性程度提高,使得故障定位算法的精度大大降低。配电网发生故障时产生的故障信息缺失造成传统定位算法无法定位的问题。针对此情形,提出一种自适应粒子群算法的故障定位方法。该方法引入遗传算法中的变异参数,使其能够根据环境进行自适应更新,提高其定位精度,得到全局优解。构建配电网开关模型,通过仿真模拟确认该算法具有可行性。仿真结果表明该算法提高了运算速度与抗干扰能力,能够在信息缺失情况下精准定位。     

基于混合算法的配电网中电池储能的多目标优化配置研究

基于随机会约束规划理论,计及系统的不确定性因素提出配电网储能电站多目标选址定容模型。首先分析配电网的经济性和可靠性特征,接着基于随机机会约束规划建立储能电站的优化模型。采用二进制粒子群算法和改进粒子群算法的混合算法对模型进行求解。最后利用研究模型,结合IEEE 33标准节点系统建立配电网储能电站优化算例,对离网模式和并网模式2种模式进行仿真,对优化配置结果进行对比和分析。     

基于新型混合粒子群算法的含分布式电源的配电网规划

针对粒子群算法易出现"惰性"粒子的问题,提出新型混合粒子群算法,即首先利用混沌理论初始化粒子群,使生成的初始解遍历整个搜索空间,再融入交叉、变异、混沌扰动操作帮助"惰性"粒子跳出局部最优,进而以有功网络损耗最小为目标函数,应用新型混合粒子群算法对IEEE33节点配电系统中分布式电源的位置和容量进行规划。结果表明,新型混合粒子群算法应用于含分布式电源的配电网规划中具有可行性。     

基于改进粒子群优化RBF网络的变压器故障诊断

为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。     

基于VMD和SVPSO-BP的滚动轴承故障诊断

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。     

基于粒子群算法的PERT网络优化问题研究

针对工程项目PERT网络计划工期-费用优化问题,尝试引入粒子群算法。在保证不陷入局部最优的前提下,为提高收敛速度,用线性规划方法建立数学模型,并采用了改进的PSO算法。实际算例的仿真结果表明,该方法具有收敛速度快、运算简单、易于实现等优点。     

基于IWO-PSO混合算法的三电平逆变器SHEPWM仿真研究

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。     

A hybrid procedure for energy demand forecasting in China

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.     

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。     

基于优化PSO-RBF的柴油机故障诊断方法

针对传统RBF算法收敛速度慢,易于陷入局部极值的问题,提出了一种经优化的粒子群算法PSO,对RBF神经网络粒子群的改进参数、权值线性递减参数和标准参数进行训练寻优,构建出最优PSO-RBF神经网络,并将其用于柴油机的故障诊断预报。对MAN B&W 6L23/30H柴油机三种不同工况下第一缸试验参数的训练表明:改进的PSO-RBF神经网络在柴油机故障诊断中判别率更高,故障诊断的准确性与可靠性得到提高。