基于改进粒子群算法的配电网故障定位技术研究

针对一般粒子群算法容易陷入局部最优的问题,采用一种改进的粒子群算法来对配电网进行故障定位,并对该算法的有效性和正确性进行验证。仿真结果表明,该方法能对配电网故障进行准确定位,并对信号畸变有着比一般PSO算法更强的容错能力。     

基于GA-BP的配电网自动故障定位研究

针对如何提高配电网故障诊断的速率及准确度问题,提出了采用GA-BP算法对配电网进行自动故障定位。通过实验仿真,采用GA-BP算法和BP算法分别进行故障定位仿真,对比结果可以发现,GA-BP算法的的耗时比BP算法的耗时减少了53.7769ms,且GA-BP的迭代次数为367次,BP算法的迭代次数为2071次,GA-BP算法的准确度比BP算法提高了23.59%,验证了本文所提方法的有效性和准确性。     

基于双层粒子群算法的主动配电网分布式电源规划

随着电力市场化程度的提高,主动配电网中需求侧资源与分布式电源的协调综合优化利用能减缓高峰时段电网阻塞,提高电力资产利用率.分布式电源规划与科学合理的接入对主动配电网中需求侧资源的优化利用至关重要.论文选取风力发电机、光伏发电机和微型燃气轮机为待规划分布式电源,以年综合费用最小为目标函数,以分布式电源渗透率、年最大负荷中...     

基于改进粒子群算法的配电网无功优化

分布式电源的接入配电网有利于其无功优化、改善电压质量、降低网络损耗。以有功网损最小为其无功优化的目标函数,建立相应的数学模型,并对其进行仿真试验。由于基本粒子群算法的系数选择为常系数,存在人为选择系数过多依赖于经验的现象,具有一定的主观与偶然性,会导致粒子过于早熟,陷入局部最优。因此针对常系数粒子群算法的不足,将基于动态权值系数的改进型粒子群算法运用到无功优化中,对含有风、光等分布式电源接入的IEEE33系统模型进行仿真试验分析。试验结果表明,该算法能够有效降低网损,改善电压质量,提高系统的稳定性。     

配电网故障自动定位技术研究

针对配电网故障定位人工智能算法的收敛速度慢、准确度不高等问题。该文提出了一种自适应学习因子的二进制粒子群配电网故障定位算法,首先采用混沌策略初始化粒子群,然后根据当前粒子与全局最优粒子之间的距离以及适应度的值设计出粒子成长因子计算方法,成长因子能够反映出种群的进化状态,最后根据成长因子和迭代次数对自适应学习因子的机制进行了设计,并运用到了配电网的故障定位中。通过对单点故障和多点故障的试验结果表明,改进后的算法相比原始算法的收敛速度、准确度和容错率都有所提高。     

基于AMSFLA的配电网故障定位研究

随着电网的不断发展,其网络架构趋于复杂,电网线路发生故障的概率也随之增加,目前配电网故障指示器作为对线路故障检测的主要工具,仍然具有故障识别率低、易发生误动的缺点。为了解决故障指示器目前存在的问题,针对其现状进行分析,构建了配电网故障定位模型,提出一种基于AMSFLA（自适应变异混合蛙跳算法）的故障指示器定位方法,并结合IEEE33节点配电网模型来进行仿真验证。结果表明,该算法能够在故障信号畸变的情况下,准确定位故障区域,为运维工作人员故障排查提供帮助。     

含分布式电源的配电网保护影响机理及故障定位

针对分布式电源(distributed generation, DG)接入配电网使得传统的电流保护方法无法适用的问题,本文以双馈线配电网线路作为研究对象,首先分析了在线路不同位置发生三相短路故障时, DG分别接入馈线末端母线、非末端母线以及馈线首端母线时,对线路中流经各个保护的短路电流大小影响,在PSCAD软件建立配电网模型进行仿真分析,因含DG的配电网发生短路故障动作值难以整定,提出了一种基于智能电子设备(intelligent electronic device, IED)上传故障信息的矩阵算法,并通过算例验证了该算法的准确性.结果表明, DG接入馈线末端母线和非末端母线时,故障发生在DG下游会造成故障区段保护误动作,上游区段保护可能会拒动,不利于故障定位与切除,所提的矩阵算法适用于含DG的配电网,无论单一故障或者多重故障,都可实现故障区域的精准定位,保证配电网安全可靠运行.     

基于遗传-粒子群混合算法的测试用例生成研究

针对传统遗传算法(GA)容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传-粒子群混合算法(GA-PSO)的软件测试用例自动生成算法。用混沌序列搜索产生初始种群,使所有测试用例在局部区域中再次寻找最优值,从而避免过早收敛,改进搜索最佳值的能力。仿真实验表明该混合算法具有更快的收敛速度,保持了种群的多样性,提高了全局搜索能力。     

基于粒子群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤,标定的精度直接关系到三维重构结果的逼真程度。为了有效解决传统摄像机标定算法中的多参数、计算费时费力等问题,提高摄像机标定的精度和速度,将粒子群遗传算法（particle swarm optimization genetic algorithm,PSO-GA）应用于摄像机标定中。对参数进行粒子群算法优化后,再使用遗传算法中的选择、交叉和变异等操作进行参数优化,以实现粒子群算法与遗传算法的融合。结合后的算法全局搜索能力较强,收敛速度更快,优化能力与鲁棒性得以提高。同时,基于神经网络的摄像机标定方法所能覆盖的标定空间十分有限,提出了一种采用粒子群遗传算法优化BP神经网络的摄像机标定方法,以解决传统摄像机标定方法难以解决的问题。实验数据表明,基于粒子群遗传算法的BP神经网络标定是一种可行的方法,标定精度高,收敛速度快,泛化能力强。     

基于改进粒子群优化算法的提升机制动系统故障诊断

矿井提升机制动系统运行的可靠性直接关系到井下工作人员的安全,为了提高其故障诊断的准确度,提出了一种改进粒子群算法优化RBF神经网络的诊断方法,建立了以提升机制动系统的故障特征参数为输入,并以制动系统的几种主要故障类型为输出的故障诊断模型.鉴于遗传算法具有较强全局收敛性,将遗传算法中的交叉、变异的思想引入到粒子群算法中,并用其优化RBF神经网络的隐含层参数.仿真结果表明,改进后的粒子群诊断算法改善了提升机制动系统故障诊断的速度和精度.     

求解CVRP问题的混合遗传微粒群算法

采用借鉴遗传算法的编码、交叉和变异操作的遗传微粒群算法对带车辆能力约束的车辆路径优化问题进行求解。设计了符合微粒群算法进化机制的变异算子和改进顺序交叉算子以满足遗传微粒群算法中三条染色体交叉与变异的需要。对多个基准测试实例仿真计算表明算法有效且具有收敛速度快和精度高的优点。     

混合粒子群算法优化BPNN在模拟电路故障诊断中的应用

针对模拟电路的软故障,提出一种基于混合粒子群算法的BP网络方法来诊断模拟电路中的故障。该方法是把遗传算法和粒子群算法结合起来优化BP网络的权值和阈值,试图解决传统的BP网络在模拟电路故障诊断过程中易陷入局部最小的问题。详细阐述了该算法的实现,给出了该算法的详细流程图,并通过仿真实例比较了传统BP网络与混合粒子群算法优化下的BP网络在故障诊断中的表现,给出了实验实例仿真结果的图形和数据表格。由仿真图形和数据表格,形象直观地看出了两种算法运用在模拟电路故障诊断中的差别,验证了混合粒子群算法优化BP网络在模拟电路故障诊断中的有效性及可行性。     

粒子群优化算法研究

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的,用于解决优化问题的一类新兴的随机优化算法。本文首先介绍PSO算法的基本原理和工作机制;然后介绍粒子群优化算法的优化策略,包括提高收敛速度﹑算法离散化﹑提高总群多样性;最后对其将来的发展进行了展望。     

多目标优化的粒子群算法研究

本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。     

基于改进粒子群算法的整流电路智能故障诊断

针对基本粒子群算法(PSO)收敛精度低、易陷入局部极小值的缺点。对该算法进行改进,采用自适应调整惯性权重的策略,并且引入扰动因子,平衡集中强化搜索和分散多样化的搜索过程;用改进的PSO算法优化BP神经网络的权值和阈值,并应用于整流电路的故障诊断;仿真研究结果表明,该方法与其它方法相比,收敛速度快,诊断精度高,在整流电路故障诊断中具有良好的故障识别率,便于电路故障自动诊断系统的建立。     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

基于粒子群算法的给水管网优化设计

以管网造价年费用折算值最低为目标,采用粒子群算法对给水管网进行优化设计;首先对节点压力设置罚函数,对不满足压力要求的节点压力进行惩罚,以保证管网中各个节点都满足最小压力约束;由于工程中所用管径值全部都是离散值,算法对搜索得到的结果进行标准化处理,保证求得的管径组合方案符合实际要求;与给水管网优化设计中常用方法遗传算法相比,粒子群算法降低了计算复杂度,具有较好的求解性能,而且具有较快的收敛速度和全局搜索能力.