分布式发电接入电网继电保护研究

常规电源与分布式电源的差异使得分布式电源接入电网时,传统继电保护受到很大影响。先从分布式电源的类型、分布式电源容量方面,介绍了对电流保护的影响,得出分布式电源容量越大、短路电流越大的结果。然后从分布式电源接入位置及测量电压电流特性方面,介绍了对距离保护的影响,得出分布式发电带来助增电流、频率偏差等是影响距离保护的主要因素。通过改变整定值、分区隔离、附加分量和逻辑等途径,改进电流距离保护方案。最后展望了自适应保护是保护发展的重要方向。     

基于粒子群优化算法电机转子故障诊断研究

提出一种基于反向粒子群优化算法感应电机转子故障诊断方法。将转子磁链误差作为粒子群的适应度函数,通过反向粒子群优化算法自适应调整转子磁链电流模型的参数,辨识故障状态下感应电机的转子电阻。仿真结果表明,该方法对电源电压、负载波动具有较强的抗干扰能力,运算效率高,收敛速度快,具有良好的辨识效果。     

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...     

分布式电源并网对配电网电流保护影响的研究

分析了分布式电源并网对传统的配电网电流保护的影响,采用Matlab/Simulink仿真软件验证了分布式电源容量不同、并网位置不同对配电网各段电流保护的影响,提出了一种能够满足分布式电源并网后配电网保护要求的改进方案。该改进方案实现原理:对于分布式电源下游的保护,将供电系统电源和分布式电源作为一个整体,重新整定各段电流保护的整定值;对于分布式电源上游的保护,需在各保护装置上安装一个基于故障电流分量的方向元件,只有当保护中的过流元件和方向元件同时启动时,保护才能够可靠动作。     

分布式发电配电网故障区段定位新方法

针对分布式电源引入配电网中会造成传统的故障区段定位方法不再适用的情况,构建动态适应多个分布式电源投切的开关函数,且利用该开关函数的特点可以简化运算,提高定位效率。同时,针对蚁群算法容易出现早熟收敛的问题,引入混合优化算法,提出基于混合优化算法的分布式发电配电网故障定位方法。该算法利用粒子群算法优化蚁群算法中的相应参数,采用全局异步与精英策略相结合的信息素更新方式和降低粒子维度的方法降低出现局部最优解的概率,提高了收敛速度和定位结果的正确率。通过典型算例对含分布式电源的配电网进行仿真,实验结果表明该算法能够对单一故障和多重故障准确定位,且耗时少、容错能力强。     

含分布式发电的改进BFO算法配电网无功优化

在含分布式电源的电网无功优化研究中,为了更有效地提高配电网性能,提出了一种改进细菌觅食算法(CP-BFO).以电网网损最小、负荷节点电压和发电机的无功出力约束作为综合目标函数,采用细菌觅食算法,在聚焦操作中引入粒子群变异算子,使算法具有良好的全局搜索能力,提高了算法的寻优效率.同时利用混沌原理对改进的细菌觅食算法的参数进行自适应调节,改善了算法的收敛性能.通过节点系统的仿真表明,CP-BFO算法在提高含分布式电源的智能电网电压质量与减少功率损耗的优化过程中具有可行性和有效性.     

基于模糊c-means与自适应粒子群优化的模糊聚类算法

已有的粒子群模糊聚类算法需要设置粒子群参数并且收敛速度较慢,对此提出一种基于改进粒子群与模糊c-means的模糊聚类算法。首先,使用模糊c-means算法生成一组起始解,提高粒子群演化的方向性;然后,使用改进的自适应粒子群优化方法对数据进行训练与优化,训练过程中自适应地调节粒子群参数;最终,采用模糊c-means算法进行模糊聚类过程。对比实验结果表明,所提方法大幅度提高了计算速度,并获得了较高的聚类性能。     

含分布式电源的改进PSO算法配电网无功优化

在电网无功供电性能优化问题的研究中,针对包含分布式电源的配电网无功优化的特点,利用一种改进粒子群算法,对含分布式发电的配电网系统进行了无功优化的计算.考虑了电网损最小、节点电压和发电机无功出力的约束作为优化目标函数,采用粒子群算法,在其速度进化方程中引入了自适应惯性权重和收缩因子以提高,并运用遗传算法中的交叉技术,对PSO算法产生的粒子进行遗传交叉运算来改善全局搜索能力,并在迭代后期将其取消来提高计算速度,仿真结果对比表明,提出的优化算法能够有效地提高电网电压质量和减少功率损耗.     

基于自适应参数与混沌搜索的PSO算法求解柔性作业车间调度问题

针对传统粒子群优化(PSO)算法在求解柔性作业车间调度问题中的不足,提出了基于自适应参数与混沌搜索的粒子群优化算法。对粒子群算法中的惯性系数等参数采用基于迭代搜索而自适应调整的方式,使粒子在初期以较大惯性进行大范围搜索,后期逐渐减小惯性而转入精细搜索。这种方法改变了传统粒子群算法在求解过程中的盲目随机与求解精度不高的问题;同时,通过在局部搜索过程中引入混沌技术,扩大对最优解的寻找范围,以此避免算法陷入局部最优,有效提高算法的全局寻优能力。实验结果表明,基于自适应参数与混沌搜索的粒子群优化算法在求解柔性作业车间调度问题(FJSP)时能够获得更优粒子适应度平均值及更好的优化目标。所提算法对求解柔性作业车间调度问题可行,有效。     

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。     

一种Q学习的量子粒子群优化方法

分析了量子行为粒子群优化算法,着重研究了算法中的收缩扩张参数及其控制方法,针对不同的参数控制策略对算法性能的影响特点,提出将Q学习方法用于算法的参数控制策略,在算法搜索过程中能够自适应调整选择参数,提高算法的整体优化性能;并将改进后的Q学习量子粒子群算法与固定参数选择策略,线性下降参数控制策略和非线性下降参数控制策略方法通过CEC2005 benchmark测试函数进行了比较,对结果进行了分析。     

自适应粒子群优化算法研究及其化工报警阈值优化应用

生产装置能否安全有效地运行,已经成为衡量工业生产发展水平的主要标志之一。面临日益复杂的化工过程生产装置,提高化工过程报警系统的性能有着重要的指导意义。传统的报警阈值参数设置方法局限性大,为了提升化工过程报警系统性能,需要对某些过程参数的报警阈值进行优化设置。本文针对传统粒子群算法的不足,采用了参数自适应的粒子群算法,该自适应粒子群算法通过实时调节自身的参数,使得能够较快地寻找到最优个体,且不容易陷入局部最优解。通过对一标准函数的研究,结果表明该自适应粒子群算法比传统的粒子群算法能够较快的达到最优解。随后,用该算法优化TE过程某一参数的报警阈值,降低了报警过程中误报和漏报的总次数,提高了报警系统的性能。本文所提方法为指导生产装置的安全运行提供了有效策略。     

一种基于单纯形搜索的粒子群优化算法

为了改善粒子群优化算法的求解性能,提出了一种基于单纯形搜索和粒子群优化的混合算法。该算法一方面自适应地确定惯性权重、认知以及社会参数来达到免参数目的,另一方面利用单纯形搜索来引导部分粒子的搜索方向,从而加速算法收敛。数值实验结果表明,与传统的粒子群算法和其他基于单纯形的粒子群算法相比,提出算法在评估次数、求解精度方面表现良好。     

覆盖表生成的粒子群算法:参数优化和自适应算法

组合测试是一种能有效检测由参数间相互作用所引发错误的软件测试方法,覆盖表的生成是该研究领域的一个重要问题.目前,很多方法已被应用于覆盖表生成,基于演化搜索的粒子群算法尽管能得到较优的解,但其性能容易受到配置参数的影响.本文首先使用试验设计的方法,对不同覆盖表生成的算法参数进行优化,系统分析了参数对算法性能的影响.同时,考虑到对不同的覆盖表,最优的算法参数往往不同,因此进一步提出了一种适用于覆盖表生成的自适应粒子群算法.实验结果表明,在一定的参数取值范围内粒子群算法都能获得较好的结果,且不存在一组对任意覆盖表都能有最优性能的算法参数.通过参数调优,能使粒子群算法获得比已有结果规模更小的覆盖表,同时,与经过参数调优后的算法相比,自适应粒子群算法在大部分情况下有更好的性能.     

分布式电源的双目标区域优化

为合理规划分布式电源的容量与位置,减少配电网有功损耗,提高静态电压稳定性,提出了分布式电源的双目标区域优化方法。首先建立双目标优化模型,为符合配电网分布式电源的实际配置要求,定义了区域优化矩阵与容量限制矩阵,进而应用量子粒子群算法统一优化得出优化区域内分布式电源的容量与位置;最后对IEEE 33节点配电网进行仿真优化,结果表明分布式电源区域优化方法能较为准确地优化配电网中分布式电源的容量与位置,且简单可行。     

基于支持向量机的电流互感器零点误差非线性校正

为了提高电流互感器自动测试系统的测量精度,提出一种非线性的电流互感器零点误差校正算法(QPSO-LSSVM);采用量子粒子群优化的最小二乘支持向量机算法对电流互感器的零点误差进行自适应处理,消除零点误差对测量精度的影响;结果表明,QP-SO-LSSVM算法有效的抑制零点误差,提高电流互感器自动测试系统的测量精度;QPSO-LSSVM是一种有效的电流互感器零点误差非线性校正方法。     

分布式电源的微网故障分析及保护方案研究

分布式电源大多是通过母线并入配电网,但是分布式电源直接接于配电网线路上与通过母线接入情况不同,分布式电源接于线路上,线路中间增加多余的支路,对线路两侧的电流大小方向造成影响,传统的方向保护无法正确动作。通过分析含有分布式电源的配电网线路两侧的故障电流特性,提出了采用基于正序故障分量的方向元件来判断故障的方法,用PSCAD软件建立了分布式电源直接接于线路上的配电网模型。仿真结果表明,基于正序故障分量的方向保护元件能有效的解决DG在线路并网的配电网问题,其有效性不随分布式电源容量的变化而变化,不随故障类型的变化,且耐过渡电阻能力强。     

基于混沌思想模糊自适应参数策略的粒子群优化算法*

粒子群优化算法是一种进化计算技术。提出一种基于混沌思想的模糊自适应参数策略的粒子群优化算法,它利用模糊策略较强的适应能力及混沌运动遍历性、随机性等特点,对标准粒子群优化算法进行了改进,并证明了算法的收敛性。对几种典型测试函数的测试结果表明,模糊自适应参数策略的引入,有效提高了算法收敛的速度,且混沌思想改善了对多维空间的全局搜索能力,能有效避免早熟现象。     

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。     

一种用于微电网经济调度的分布式粒子群算法

随着微电网技术在电力系统中的应用愈加广泛,协调微电网内部分布式电源的出力分配以提高经济性成为了研究的重要课题。目前主流的经济调度方法是微电网调度中心利用全网微电源及负荷的信息进行调度,但这种集中式的方法依赖调度中心的计算能力,对微电源与调度中心之间通信要求较高,且与微电网的分布式特性相违背。提出一种完全分布式的并行调度方法,各分布式电源作为独立的智能体,平等地参与调度工作,利用自身与邻居节点之间的势能博弈,基于粒子群算法优化自身的出力,进而实现全网经济性最优的目标。在MATLAB平台上搭建了独立微电网优化调度模型,验证了所提出方法的可行性,并讨论了相关参数的变化对于调度结果的影响。