基于模拟退火算法的元件未知可靠性参数求取方法

元件可靠性参数是进行电力系统可靠性评估的基础,错误的元件可靠性参数必然带来错误的评估结果,进而影响电力系统规划的准确度。考虑到随着负荷侧智能电表等的普及和安装,可以获取相对准确的系统/节点可靠性指标,本文提出了一种利用系统/节点可靠性指标求取未知的元件可靠性参数的方法。首先,基于非序贯蒙特卡洛模拟(Non-sequential Monte Carlo simulation, NMCS)的可靠性评估,建立了可靠性指标关于可变可靠性参数的解析表达式,该解析表达式由给定的元件可靠性参数可以直接地获取可靠性指标值。基于该解析表达式,构建了求取未知元件可靠性参数的非线性方程组;其次,针对非线性方程组的常规求解算法普遍依赖未知变量的初值而未知参数的初值无法直接获取的难点,利用基于模拟退火算法的高阶多项式逼近来给出待求参数的初始值。最后,对于部分误差较大的参数采用具有大范围收敛特性的延拓法进行修正,最终求取准确的未知可靠性参数。分别采用RBTS, IEEE-RTS79和川渝电网测试系统进行分析,算例结果表明：所提方法能有效准确地求取未知的元件可靠性参数。     

无功优化的改进模拟退火算法

介绍了模拟退火算法的基本原理,在原算法的基础上,针对实际应用中最后当前解是近似最优解且有可能比中间解差的情况,提出了将搜索过程与最优解更新序列分离的改进措施,通过设定阈值分别判断抽样过程和退火过程是否结束以保证解的最优性。最后,通过IEEE—30节点和IEEE—118节点系统无功优化算例说明改进算法具有建模简单,对系统的规模量不敏感,计算内存小及具有较好鲁棒性等优点。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高。结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解。数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义。     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解.传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高.结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解.数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义.     

火电厂负荷优化分配的模拟退火粒子群算法

合理选择火电厂负荷优化分配的优化算法对快速完成电网调度指令、最大限度降低发电成本至关重要.在标准粒子群优化算法中引入模拟退火算法的思想,引入收缩因子对算法的重要参数进行了改进,并对种群初始化方式进行了改进,采用拉格朗日乘子法处理功率平衡约束.在严格满足约束条件的基础上,缩短了优化计算时间,进一步提高了算法精度.实例计算...     

基于模拟退火——二进制粒子群优化算法的配电网重构

提出了将模拟退火算法与二进制粒子群算法相结合的用于配电网重构的优化算法。该算法既发挥了粒子群算法收敛速度快的特点,又因为引入的模拟退火算法具有的较强的跳出局部最优解能力,因此有效地避免了粒子群算法易陷入局部极值点的缺点,提高了进化后期算法的收敛速度和精度,并应用IEEE16节点系统的算例,验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。     

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度，与经典算法相比其特点在于，该算法可从多个点开始寻优，占用计算机内存少，能以较快的速度找到全局最优解；编程简单、适应性强，是一种有效的搜索算法。     

面向元器件的PCB板布局优化方法探究

随着PCB板越来越集成化和高速化,其尺寸要求越来越小,使得元器件之间的密度也来越高,这给PCB板的布局设计提出了更为严峻的挑战。基于此,笔者在布局设计实践经验的基础上,以元器件布局合理性为核心,提出了一些具有现实意义的PCB板布局的优化方法。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

基于模拟退火算法的PID参数优化设计

PID参数整定与优化一直是控制领域的重要问题,合适的PID参数可以使系统有很好的控制效果。自Ziegler和Nichols提出了PID参数整定方法起,有许多的算法已经用于PID参数的整定优化。模拟退火算法(SA)具有渐进收敛性,而且是一种以概率1收敛于全局最优解全局优化算法。本文针对模拟退火算法,利用MATLAB对PID参数进行优化设计,该方法可使整个寻优过程简洁,精确度高,提高了计算效率。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

复功率电源的元件功率分量理论与仿真

基于支路复功率分量理论^〔1〕,推导了具有多条串并联等效支路的电力元件上复功率损耗和潮流分量的准确计算公式。建立了电力元件上复功率损耗分量与电源之间的准确对应关系和电力元件首、末端潮流分量之间的非线性关系。将传统的只适用于无损网络的流追踪法推广到有多等效支路的元件构成的有损网络,提出了复功率地节点负荷和元件功率分量贡献的有效计算方法,为电源对电力系统元件利用份额的唯一性和深入研究输电服务奠定了理论基础。多个系统的数字仿真结果验证了该方法的正确性和有效性。     

基于拟态物理学优化算法的微电网功率优化

考虑天气等因素对微电网有功功率平衡的影响,计及电力市场环境下的需求侧响应,将微电网负荷分为高赔偿可中断负荷(ILH)与低赔偿可中断负荷(ILL).在保证微电网功率平衡以及满足潮流、电压、频率偏移和开关损耗等约束的前提下,以微电网总收益最大为目标函数,建立考虑切负荷操作的微电网功率优化数学模型,并利用拟态物理学优化(APO)算法进行求解.微电网14节点系统的仿真结果验证了所提算法的有效性.     

基于瞬时功率理论的新型功率方向元件

基于瞬时无功功率理论及故障附加网络,提出了一种新型功率方向元件。该功率方向元件由突变量及负序无功方向元件组成,在故障附加网络中,突变量无功元件计算对称三相故障时线路两侧等效无源系统的无功损耗,负序无功元件计算不对称故障的无功损耗,由两侧的无功计算结果可判断区内、区外故障。该功率方向元件基于系统阻抗呈感性这一显著特征,物理意义明确,具有工频故障分量保护原理的优点,且无需设计专门的工频滤波器。而且该继电器的动作速度快于常规的基于工频电气量的方向保护,其可靠性优于行波方向保护,具有较高的灵敏度。理论分析及仿真结果都验证了算法的灵敏性、可靠性及快速性。     

交点相角法功率方向元件的研究

介绍了一种新型的交点相角法功率方向元件 ,这种新型的功率方向元件是利用电流、电压相量的波形之间的交角作为动作判断量 ,其动作死区极小 ,且构成较为简单 ,因此比传统的功率方向元件更为优越     

基于遗传-模拟退火算法的配电网电容器优化配置

随着配电网规模的不断扩大,传统的依照经验配置电容器的方法日显其局限性,具体表现在电容器容量配置得不足或过剩,更严重的情况是部分电容器需要投入时由于局部电压的限制而不能投入.将遗传-模拟退火算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装费用总和最小,该算法将电容器的安装位置及安装容量离散化,并在初始方案种群产生和群体进化策略两方面对该算法作了改进,对一个30节点配电网的电容器优化配置结果表明了遗传-模拟退火算法的合理性和可行性.     

SOA结合模拟退火算法优化电容器配置研究

为了应对近年来不断增加的电力系统负荷,对配电网的电容器进行配置优化是十分必要和重要的,提出了一种SOA结合模拟退火算法运用到IEEE 33节点配电系统,并对电容器进行优化配置,建立相应的电容器优化配置模型。仿真结果表明,SOA结合模拟退火算法对于此类问题的求解具有一定的可行性及有效性,为电容器的优化配置以及缓解电力负荷提供了理论基础。