基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

改进教与学方法在电力系统无功优化中的应用研究

以多负荷水平的全年能量损失最小为目标函数,提出一种改进教与学优化方法求解电力系统无功优化问题。教与学方法是一种新颖的无控制参数的群智能算法,包括教阶段和学阶段。为了克服局部收敛,改进教与学方法在此基础上提出一种基于自适应小波变异策略的改进阶段改善算法的性能并在IEEE-30节点系统进行仿真。结果与其他算法进行比较,验证了该算法的优越性。表明该方法是大规模电力系统可推广使用的有效方法。     

基于反向学习的人工蜂群算法的电力系统最优潮流

以发电机大气污染物排放量最小为目标函数,建立一种电力系统最优潮流模型,并提出一种基于反向学习的人工蜂群算法进行求解。IEEE一30节点系统仿真分析结果表明,与其它算法进行相比,提出的算法能够有效降低发电机大气污染物排放量,算法简单,具有更好的寻优能力和收敛特性。     

基于C/S和B/S模式的继电保护定值管理系统

提出的基于C/S和B/S模式的继电保护定值管理系统应用internet/intranet技术,采用系统内部网C/S模式,对外信息的查询及发布B/S模式的体系结构,发挥了两种模式的优点,实现了定值管理系统的各项功能.系统用C++语言实现并投入使用,提高了定值管理人员的工作效率.     

大采高大坡度仰采工作面冒顶原因及防治

针对松软煤层破碎顶板大采高大坡度仰采工作面在初采期间发生的局部严重冒顶事故,分析了事故发生的原因,并根据片帮冒顶的不同程度分区域采取了治理措施。摸索出了"钢梁+板梁+木垛"封顶、双向快速出矸以及工作面调斜、降低冒顶区支架高度等一系列技术措施。在矸石围护以及调斜推进过程中贴帮单体柱和护帮单体柱的合理利用发挥了重要的作用。     

基于热释电传感器的时间差测距改进算法

通过测量热释电信号峰—峰值的时间差,可以计算目标到探测器之间的距离。当目标人员垂直穿过热释电传感器探测视场时,能够很好地测得距离的大小。而对于目标人员斜切进入探测视场时,现有的方法就出现了较大的误差。因此,在实验的基础上,对原有测距算法进行改进和修正,实现了人员目标30 m范围内以60°角斜切进入探测视场的有效测量,拓宽了时间差法测距的适用范围,具有较好的应用价值与市场前景。     

汽轮机调速系统的自适应L2增益干扰抑制控制

提出一种预置反馈的方法,推导出汽轮机调速控制系统的端口受控哈密顿系统（PCHsystem)模型,进而根据PCH系统的自适应L2增益干扰抑制方法,设计汽轮机调速系统的控制规律,仿真结果表明,这种控制方法能有效抑制干扰,可以在大干扰条件下提高系统暂态稳定性。     

汽轮机调速系统的自适应L2增益干扰抑制控制

提出一种预置反馈的方法,推导出汽轮机调速控制系统的端口受控哈密顿系统（PCH system）模型,进而根据PCH系统的自适应L₂增益干扰抑制方法,设计汽轮机调速系统的控制规律。仿真结果表明,这种控制方法能有效抑制干扰,可以在大干扰条件下提高系统暂态稳定性。     

8.8 m超大采高工作面支架与围岩相互作用关系

8.8 m超大采高综采工作面一次开采高度及开采强度大,采场围岩控制困难。采用立柱压力传感器、位移传感器对工作面回采期间支架工作阻力、顶板下沉量进行了全程系统监测,对工作面矿压显现规律、支架工作阻力循环曲线、顶板下沉量及割煤循环内下沉曲线进行了分析,对支架工作阻力、初撑力、支架刚度与顶板下沉关系进行了研究。研究结果表明：超大采高工作面开采具有来压区域性明显、来压急增阻、非来压恒阻、大小周期来压的宏观特征;工作面顶板下沉具有明显的时空差异性,空间上呈现工作面“两端小-中部大”的特征,时间上呈现来压期间大、非来压期间小的特点;工作面支架ΔF-T和顶板下沉ΔS-T均化循环曲线具有高度的一致性,来压期间2者均呈对数-大斜率线性复合增长,非来压期间呈现近常数或小斜率线性增长;顶板下沉与支架工作阻力呈线性对应关系,随支架工作阻力的增加而增大,安全阀开启后,顶板下沉速度明显增大,最大下沉速度为安全阀开启前的4.3倍,安全阀长时开启时顶板下沉速度由急增逐渐过渡至缓增状态,ZY26000/40/88液压支架在来压期间一定时间内可以将顶板下沉控制在一定的范围内,但并不能阻止其继续下沉;初撑力及支架刚度大小对...