基于混合优化算法的最优潮流计算

应用粒子群(PSO)与人工鱼群(ASFA)混合优化算法求解最优潮流(OPF)问题[1];该算法利用ASFA良好的全局收敛性与PSO的局部快速收敛性等优点,结合动态调整罚函数,将最优潮流问题转化为一个无约束求极值问题.最后,应用此算法对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法、ASFA算法进行比较,结果表...     

曲线线性搜索的共轭梯度法

本文根据McCormick等人提出的曲线线性搜索的思想求解有约束优化问题,选用了收敛速度较快的共轭梯度方向,并运用罚函数实现有约束到无约束的转化,同时给出保证收敛的条件及收敛定理的证明。此法对求解一般有约束优化问题是一个新的尝试。     

三相四桥臂并网逆变器约束模型预测控制EI北大核心CSCD

提出了基于并行神经网络优化的约束模型预测控制（model predictive control,MPC）,应用于光伏并网逆变器中,提高光伏发电并网电能质量。建立了三相四桥臂逆变器的精确模型,分析约束模型预测控制算法的原理,在约束条件中加入输出变量和控制变量的约束,突破有限子集和无约束预测控制方法的限制。将并行神经网络递归优化算法用于求解约束预测控制优化问题中,提高单步优化问题的求解速度。利用FPGA的并行计算能力,在FPGA中运行神经网络在线优化求解,实现预测控制算法的实时运行。实验结果表明：采用该算法的并网逆变器输出电流偏差小,总谐波畸变率小,可以提高并网电能质量,验证了该算法的可行性和有效性。     

三相四桥臂并网逆变器约束模型预测控制

提出了基于并行神经网络优化的约束模型预测控制(model predictive control,MPC),应用于光伏并网逆变器中,提高光伏发电并网电能质量。建立了三相四桥臂逆变器的精确模型,分析约束模型预测控制算法的原理,在约束条件中加入输出变量和控制变量的约束,突破有限子集和无约束预测控制方法的限制。将并行神经网络递归优化算法用于求解约束预测控制优化问题中,提高单步优化问题的求解速度。利用FPGA的并行计算能力,在FPGA中运行神经网络在线优化求解,实现预测控制算法的实时运行。实验结果表明:采用该算法的并网逆变器输出电流偏差小,总谐波畸变率小,可以提高并网电能质量,验证了该算法的可行性和有效性。     

两级多目标规划全局优化问题的一种算法

针对两级多目标规划问题,应用Kuhn-Tuck充要条件,将其转化为等价的单级多目标规划问题,为了尽可能地减少主观因素的影响,采用信息熵方法来确定权重,再将其化为单级单目标规划问题。对于单级单目标规划问题,在应用罚函数将约束规划转化为无约束规划的前提下．利用蚂蚁算法对解决无约束函数优化问题上的优良特性,求解得到问题的全局最优解。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSO-LSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSO-LSSVM算法能获得最优的LSSVM参数,且采用PSO-LSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于信号稀疏化欠定求解的居民用户非侵入式负荷分解算法

非侵入式负荷监测是实现智能用电的关键技术,负荷分解是实现该技术的重要环节。立足于非侵入采集模式下电流信号的欠定求解,研究了一种负荷分解算法。利用居民用户电器启动时间存在时间差的特点,将求解模型建立为单位时间间隔内仅从采集信号中分离两路信号,一路为新投入运行负荷的独立电流,一路为上一时刻的混合电流。该模型使每个投入运行的负荷均可独立分解,同时保证了欠定维度小,从而可有效求解。求解过程结合负荷电流信号的频域稀疏性,将欠定方程转化为最优化约束问题,通过两步迭代收缩阈值算法从混合信号中恢复出两路电流信号,并通过相似系数判断分离是否有效。利用实测用电数据验证了算法的有效性,通过正迭代方法得到当前参与运行的用电负荷,并根据相似系数确定负荷类型,实现了负荷辨识。     

基于广义逆和函数变换的优化算法与应用

提出一类新的优化算法,包括运用函数变换方法处理不等式约束、把优化问题转换为非线性不定方程组、运用牛顿-拉夫逊方法和广义逆方法求解非线性不定方程组及将优化问题转化为一系列求解非线性不定方程组的一维优化搜索过程。上述方法可综合应用于无约束和有约束优化问题,并可求解包含不等式方程的非线性方程组。介绍其在电力系统优化潮流和约束潮流问题的工程应用。新算法的实用性和有效性通过典型算例和工程应用实例得到验证。     

基于最小二乘支持向量机的励磁特性曲线拟合

针对传统支持向量机在电流互感器铁心励磁特性曲线拟合时样本数目较大出现的训练速度慢、占用内存大的问题,提出了一种新的基于最小二乘支持向量机算法。该算法将实测数据由径向基函数把非线性逼近问题转化为线性逼近问题,依据最小二乘法的思想,利用Matlab7.0求一个线性方程组的解,得到拟合曲线的近似表达式。实验结果表明,新算法训练速度快,误差小、拟合精度高。     

计算机辅助工程优化设计的一种新的有效算法

一、引言七十年代初期,对非线性有约束的优化问题求解,流行的算法之一是序贯无约束极小化方法SUMT~([1])。这一方法是将目标函数变换为包含约束信息的罚函数,将求解一个有约束问题的过程变换为连续求解若干个无约束问题的过程,最后收敛于有约束问题的解,得到位于可行域内的(局部)极小点。     

基于局部形相似的超短期负荷预测方法

在对电力负荷局部特性分析的基础上,定义了一个描述负荷序列形状相似程度的指标--负荷曲线形系数,提出了一种基于局部形相似的超短期负荷预测方法.该方法将预测时刻前一段负荷序列与各相似日同一时段负荷序列的形系数引入到超短期负荷预测中,强调基于形相似基础进行值预测,克服了现有预测方法中对各相似日采用相同权重所导致的平滑效应对拐点负荷预测的影响.研究结果表明,该方法在保证运算速度的同时,提高了总体预测准确性和拐点处的预测准确性.该改进方法可用于对现有多种超短期负荷预测方法的改进.     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

基于实用化安全约束经济调度扩展建模策略

安全约束经济调度是提高电网运行可靠率,实现节能减排,提高调度计划精细化管理水平的有效技术手段。现有安全约束经济调度研究多集中在常见目标与约束建模以及优化算法等方面,较少考虑实际生产因素,因此计划结果执行率偏低,安全约束经济调度在实际生产中实用化困难。针对上述问题,针对计划编制的优化目标,“三公”调度、计划出力曲线形状以及基础数据区间处理等实际需求,提出了基于实用化的安全约束经济调度扩展模型。将所提的建模策略应用于多个生产实例,证明了所提模型在增强“三公”调度准确率、改善计划出力曲线形状以及提高计划结果执行率上有着较好的工程实用性。     

基于能量函数模型的风电功率在线预测方法研究

提出一种异于传统智能算法的风电功率在线预测方法。通过构造内外力作用和能量函数,将风电功率预测问题转化为无约束优化问题,使得快速、实时、同步功率预测变为可能。在内外力协同作用下,预测朝着承载物理轮廓、匹配波动特征的方向收敛。随着预测进行,同步修正能量函数的权值,进一步提升预测精度。该方法操作简便、运算速度快,克服了传统算法易出现的过拟合、边缘预测误差大、训练时间长的问题。在可再生能源日益发展的形势下,该方法凸显出在风电系统在线、实时、同步功率预测中应用的可行性与重要性。     

一种中长期日负荷曲线预测的新方法-双向夹逼法

作者提出了一种预测中长期日负荷曲线的新方法--双向夹逼法,它适用于中长期电网规划和电力市场运营问题.该方法基于相似性原理和双向逼近思想,将预测问题转换为线性规划问题,使问题变得简单和容易求解.提出的方法已应用于三峡电力系统运行规划的大量计算中.实践表明,该方法快速、有效,且有较高的精度.     

基于机器学习的短期电力负荷预测方法研究

针对短期电力负荷数据具有明显周期性的特点,将基于机器学习引入到短期电力负荷预测领域,提出一种基于岭回归估计的RBF神经网络短期电力负荷预测方法,该方法利用机器学习算法RBF在非线性拟合方面的优势,结合岭回归对RBF神经网络输出层权值进行参数估计,有效消除输入多重共线性问题,采用广义交叉验证法对构建的模型进行评估,寻找最优岭参数,提高了电力负荷预测精度。通过实际负荷预测案例,与传统BP神经网络负荷预测方法进行比对,验证了提出的电力负荷预测方法较传统方法具有较好的稳定性和较高的预测精度,为电力负荷预测提供了新思路。     

油纸绝缘结构介质响应电路模型的参数辨识方法研究

介质响应法能够有效地无损诊断油纸绝缘结构的老化状态。油纸绝缘结构的介质响应电路模型的参数辨识是介质响应法评估老化状态的关键。笔者根据介质响应的极化过程的特点,提出利用去极化电流辨识油纸绝缘结构的扩展徳拜模型,并通过分析去极化电流的形成和扩展徳拜模型的特点,将多指数拟合问题转化成单指数拟合问题,同时将模型中RC支路的时间常数转换成直线的斜率来求解。最后,笔者基于1台110 kV变压器的实测去极化电流曲线,用文中的方法辨识出其扩展徳拜模型,并在MATLAB中仿真了所得扩展徳拜模型的去极化电流曲线,仿真曲线与原曲线重合度为95.8%,从而验证了该方法的正确性。     

Adaptive control of pure-feedback nonlinear systems with full-state time-varying constraints and unmodeled dynamics

This paper focuses on the problem of adaptive control for a class of pure-feedback nonlinear systems with full-state time-varying constraints and unmodeled dynamics. By introducing a one-to-one nonlinear mapping, the constrained pure-feedback nonlinear system with state and input unmodeled dynamics is transformed into unconstrained pure-feedback system. The controller design based on the transformed novel system is proposed by using a modified dynamic surface control method. Dynamic signal and normalization signal are designed to handle dynamical uncertain terms and input unmodeled dynamics, respectively. By adding nonnegative normalization signal into the whole Lyapunov function and using the introducing compact set in the stability analysis, all signals in the whole system are proved to be semiglobally uniformly ultimately bounded, and all states can obey the time-varying constraint conditions. A numerical example is provided to demonstrate the effectiveness of the proposed approach.     

基于人体舒适度指数的配电网短期负荷预测方法

针对配电网负荷特点,提出了一种基于负荷曲线形状相似度与人体舒适度指数的配电网短期负荷预测方法。研究了负荷曲线形状相似的特点,依靠各时刻负荷差值期望,给出了一种负荷曲线形状相似度计算方法。针对气象因素对负荷的影响,引入了人体舒适度指数,并根据日最高气温与最低气温,给出了一种日人体舒适度指数相似度计算方法。根据配电网负荷类型特点,分析了节假日与正常工作日情况下,各类型负荷变化特性。结合上述特性,给出了一种配电网短期负荷预测方法,并详细论述了方法原理及步骤。结合某一配电网电源点9天历史数据与气象数据作为实例,表     

用遗传算法求解广义系统最优同时镇定问题

研究了用改进的遗传算法（简称GA）求解同时镇定一族线性定常广义系统的最优输出反馈控制律问题。在满足稳定性的条件,将最优同时镇定转化为一个受约束的非线性最小问题。引入了自适应机制和惩罚函数变换,对传统的GA进行改造。并用于受约束非线性问题的全局优化。计算结果和数值仿真说明GA是求解同时镇定问题的一种有效的数值方法。