基于改进过电流保护时间电流特性的保护配合优化

目前在多源、分布式环网中应用较多的是方向过电流保护。而不同位置的保护装置时间电流特性曲线均相同可能导致继电保护配合失灵。本文提出了以所有保护装置动作时间最小为目标的参数可优化时间电流特性。本文将传统时间电流特性曲线中新增加一辅助变量,同时在满足约束条件下对所有保护总的动作时间进行优化。改进继电保护的电流时间特性可减少故障的清除时间。另外,提出了含有指数罚因子项的目标函数。所提方法不仅减少了保护装置的动作时间,也避免了配合失灵。最后在8节点系统中对比原有时间电流特性进行了分析,说明了本文所提方法的有效性。     

基于数值计算的过电流继电保护整定值获取研究

继电保护装置是电力系统的核心部分，其定值整定直接关系到继电保护的动作。只有充分发挥继电保护装置的作用，在电网发生故障时能快速、正确地做出反应，才能保证整个电网的安全运行。在过电流继电器（Over current relay,OCR）的保护整定中，整定值通常通过试错法获得，往往导致整定值不够准确。因此，提出一种基于数值计算算法的新程序，通过在实际电气系统中反时限过电流保护时间常数整定值（Time dial setting,TDS）和时间-电流特性（Time-current characteristic,TCC）曲线来整定反时限过电流继电器，简单而准确地获取OCR设定值。结果表明，数值计算算法程序计算结果与实际电力系统中的值非常接近，还可以优化TDS和TCC曲线。     

一种改进型动态无功优化模型及其求解算法

动态无功优化是提高电力系统运行经济性和安全性的重要措施。在动态无功优化常规模型的基础上,将同一节点的若干组电容器等效为1个集中变量,用对集中电容器组的约束代替常规的单组电容器约束,给出与之完全等效的电容器组动作次数约束值和投切方法;针对动态无功优化模型的非线性、大规模性、控制变量的离散性和连续性共存的难题,对用于离散非线性优化的蚁群算法作了充分研究,提出了内点法与蚁群算法相结合的动态无功优化混合算法。IEEE14测试系统的仿真结果验证了改进模型及算法的有效性和可行性。     

含分布式电源的配电网故障快速识别及RTDS仿真

为了提高含分布式电源配电网系统的故障检测能力,在分析三段过流保护原理的基础上,设计了整定电流段保护参数计算方法,并展开了仿真分析.研究结果表明:文中设计的故障识别算法能够精确测定双侧电源线路,此时不需要利用方向元件埃判断故障发生的方向,可以有效防止线路潮流方向产生的影响,采用本文算法可以实现对故障的精确测定.A线路出现...     

基于RBF网络的断路器电流自适应保护研究

针对传统断路器电流保护方法存在受系统运行方式影响、整定困难、智能化低等问题,提出了基于RBF的断路器电流自适应保护算法,并给出了算法的模型;该算法融合了RBF神经网络的故障检测和电流自适应保护;首先通过RBF网络检测负载线路的电流故障,然后用电流自适应算法进行保护;在对神经网络进行训练时,利用PSO算法对RBF神经网络的参数进行优化以此来提高网络的泛化能力和学习能力;然后采用优化后的PSO-RBF神经网络对电流故障进行诊断;实验表明,该算法较大地提高了断路器智能化管理水平。     

基于改进飞蛾扑火优化算法的PMSM矢量控制优化

针对永磁同步电机双闭环矢量控制系统中比例—积分(PI)控制器参数整定困难、不能保证参数最优的问题,提出一种采用飞蛾扑火优化(MFO)算法对系统的转速外环和电流内环进行参数的整定与优化.将待优化的参数作为飞蛾搜寻火焰最优个体的空间位置,搜索全局最优的参数组合,并利用误差性能指标积分时间和绝对误差(ITAE)加入超调惩罚项...     

混合智能算法在多约束优化问题中的应用

提出了一种将蚁群算法、遗传算法和粒子种群优化融合的混合智能算法来解决多约束最优路径和QoS路由问题。采用蚁群算法进行寻径生成初始群体,利用遗传算法对路径进行优化,利用PSO算法来优化蚁群算法中的信息素,优势互补。仿真结果表明该算法是可行、有效的。     

垃圾分类收运路径问题的新型混合蚁群算法求解

针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想,利用两种算法的优点来弥补单个算法的缺陷,使其成功应用于该问题。最后,用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比,验证了模型的正确性以及算法的有效性与优化能力。     

基于蚁群算法的PID控制器智能优化

PID控制由于算法简单，鲁棒性好在过程控制中获得了广泛的应用，但是经典的Z-N算法整定的PID参数却并不是最佳的。蚁群算法是一种新型的优化算法，具有收敛速度快、鲁棒性强的优点。本文介绍了蚁群算法的数学模型，针对某个线性系统设计了基于蚁群算法的智能PID控制器，仿真表明智能PID控制器具有良好的控制性能。     

一种新的混沌蚁群算法及其在QoS组播路由优化问题中的应用

基于QoS的组播路由问题是通过发现具有某种相关性能约束的最佳组播树,来更好地利用网络资源以支持应用的QoS需求,作为以QoS为中心的网络体系结构中不可缺少的组成部分,目前已成为网络研究领域的重要内容和热点问题.针对多约束条件下的QoS组播路由问题,提出一种新的混沌蚁群算法.该算法基于传统的蚁群算法所存在的不足,利用混沌优化算法对蚁群算法的运行参数进行动态地优化选择,自适应地改进了全局搜索能力和收敛性.仿真实验结果表明,混沌蚁群算法比该文提到的遗传算法及蚁群算法在解决多约束组播路由问题上具有更好的性能.     

Optimal coordination of directional over current relays using evolutionary programming

Co-ordination of directional over‘current relays(DOCR)requires the selection and setting of relays so as to se-quentially isolate only that portion of the power system where an abnormality has occurred.The problem of coordinating protective relays in electrical power systems consists of selecting suitable settings such that their fundamental protective function is met,given operational requirements of sensitivity,selectivity,reliability and speed.Directional over current relays are best suited for protection of an interconnected sub-station transmission system.One of the major problems asso-ciated with this type of protection is the difficulty in coordinating relays.To insure proper coordination,all the main/back up relay pairs must be determined.This paper presents an effective algorithm to determine the minimum number of break points and main/back up relay pairs using relative sequence matrix(RSM).A novel optimization technique based on ev-olutionary programming was developed using these main/back up relay pairs for directional over current relay coordination in multi-loop networks.Since the problem has multi-optimum points,conventional mathematics based optimization tech-niques may sometimes fail.Hence evolutionary programming(EP)was used,as it is a stochastic multi-point search opti-mization algorithm capable of escaping from the local optimum problem,giving a better chance of reaching a global opti-mum.The method developed was tested on an existing 6 bus,7 line system and better results were obtained than with conventional methods.     

蚁群算法优化前向神经网络的一种方法

蚁群算法(ACA)是一种新型的寻优策略,此文章尝试将蚁群算法用于三层前向神经网络的学习过程,建立了相应的优化模型,进行了实际的编程计算,并与加动量项的BP算法、演化算法以及模拟退火算法进行比较,结果表明ACA具有更好的全局收敛性,鲁棒性强,以及对初值不敏感等特点。     

基于图像处理的变电站中隔离开关的状态研究

随着图像处理技术的不断发展,本文利用图像处理技术分析变电站中隔离开关的状态。蚁群算法(Ant Colony Algorithm,ACA)使用的广泛性,很多学者将其应用到图像处理中。本文将蚁群算法应用于变电站设备区域图像分割中,从某个或某些像素点出发,提取出变电站的隔离开关信息,然后对其进一步的图像处理,分析隔离开关的状态。但是,蚁群算法在运算过程中,易出现过早收敛于局部最优解及运算时间过长的缺点。为了使蚁群算法收敛于全局最优解及加快收敛速度,本文针对传统的蚁群算法模型对其信息浓度更新规则改进及参数的改进。通过仿真对比分析改进后的蚁群算法对于图像分割效果更好。     

多构造蚁群优化求解置换流水车间调度问题

针对置换流水车间调度问题,提出了一种多构造蚁群优化求解算法。在该算法中,蚁群采用两种方式构造解,分别是基于NEH(Nawaz-Enscore-Ham,NEH)启发式算法和Rajendran启发式算法,并根据解的质量,自适应地调整两种构造方式在蚁群中所占的比例。对置换流水车间调度问题的基准问题测试表明,提出的算法是有效的。     

多约束条件下路由选择算法研究

采用遗传算法和蚁群算法相结合的融合算法，继承了遗传算法和蚁群算法的优点，在求精解效率上优于遗传算法，在时间效率上优于蚁群算法，能很好地实现多约束条件的最优路径计算，测试证明融合算法优化性能和时间性能都取得了很好的效果。     

混合遗传算法和蚁群算法在HP模型中的应用

遗传算法和蚁群算法在HP模型中已经有了大量的研究及成果,蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。提出了一种先用遗传算法生成信息素分布,再利用蚁群算法求优化解的新的混合算法。将该算法用于二维HP模型中,计算结果显示该算法在寻优能力和收敛速度上都比单一的遗传算法和蚁群算法有所提高。     

基于蚁群算法的多连接查询优化方法

介绍蚁群算法在多连接查询优化中的应用,在介绍蚁群算法的基本原理和工作流程的基础上,提出一种利用蚁群算法进行数据库多连接查询优化的方法,并建立基于蚁群算法的多连接查询优化模型。理论分析与试验结果表明,用蚁群算法解决多连接查询优化问题取得了满意的效果。     

基于正交实验的蚁群算法在车间调度问题中的应用

提出用正交实验的方法来设置蚁群算法在求解车间调度问题的参数。蚁群算法在求解车间调度问题时的性能大部分依赖于参数的设置,各参数的值不同,则蚁群算法的收敛速度和得到的解也不同,使用正交实验的方法来测试各个参数对蚁群算法性能的影响,通过对实验结果的分析可得出参数的最佳组合方案。用经典的JSP的样例对这种组合方案进行了测试,实验结果表明用正交实验法得到的蚁群算法的参数设置方案可以加快算法的收敛速度,使算法能够得到问题的最优解或近似最优解。     

结合B样条优化的UAV多区域路径规划融合算法

为解决无人机(UAV,unmanned aerial vehicle)在多个目标区域之间快速找到最佳遍历路径的类旅行商问题(TSP,travelling salesman problem),设计一种基于蚁群算法、A*算法以及三次B样条优化的融合规划算法;尽管蚁群算法相对其他优化算法在解决TSP问题上有较为良好的表现,但其规划路径处理时间长、生成路径转折多、路径质量和安全性较差;算法首先改进传统A*算法的节点扩展方式,快速生成两两目标区之间的局部路径,然后将蚁群算法和改进A*算法融合使用进行全局路径规划,最后结合改进三次B样条对路径进行平滑处理;基于栅格地图的仿真结果证明了该算法相比传统算法具有更好的高效性和稳定性。     

仓储系统拣货路径规划问题的研究

本文针对仓储系统的拣货路径规划问题展开研究.以拣货路径长度和拣货时间为评价指标,分别采用蚁群算法、遗传算法、禁忌搜索算法、模拟退火算法进行对比研究.把仓库内拣货路径规划问题转化为转换为N=M+1的TSP问题.经MATLAB仿真研究,获得最短路径和适应度进化曲线.经实验测试发现了当拣货数量较多即N值偏大时,蚁群算法得到的...