基于纵横交叉算法在含分布式电源的配电网故障定位

分布式电源(DG)接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法(CSO),该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法(GA)和免疫算法(IA)与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。     

法国工程师的教育模式对我国工科专业培养的启示

21世纪是我国工业高速发展的时期,工业化的经济在很大程度上依赖工程师.众所周知,工科专业是培养工程师的摇篮,在目前国际一体化和我国普及大众化教育的新形势下,如何加强对工科专业的培养是一个值得思考的问题,通过笔者留法期间对法国工程师教育模式的亲身体验和观察,结合我国目前工科专业培养方式的现状,提出了一些适合我国国情的工科专业培养模式的建议.     

一种基于PLC的新型城市交通路口二维模糊控制器的研究

针对城市交通具有不确定性、随机性和模糊性的特点,本文提出了一种用超小型可编程控制器对交通路口进行模糊控制的方法,并给出具体实现过程,同时还给出了一种有效的调试方法。结果表明：应用于交通路口的PLC模糊控制器编程简单,实现方便,具有很强的鲁棒性和抗干扰能力。     

基于CSO-SVR的低压架空线路谐波损耗评估

针对低压架空线路物理解析模型谐波损耗计算精度不高的问题,文中提出采用基于纵横交叉优化(CSO)算法的支持向量回归(SVR)模型对架空线路谐波损耗进行评估。首先,采用结构风险最小化设计的SVR模型,拟合线路特征与谐波损耗之间的关系。然后,利用CSO算法对SVR超参数进行全局搜索,以动态优化获取最优超参数组,建立CSO-SVR谐波损耗评估模型。文中依托国内某大型电能质量综合试验平台进行低压架空线路谐波试验,获得线路谐波损耗实测数据,并基于该数据对所提模型进行验证。结果表明,采用CSO算法对SVR超参数进行优化,可有效提升SVR模型的谐波损耗评估性能。与其他模型相比,所提模型的评估精度更高。     

基于改进纵横交叉算法的电网最优潮流计算

纵横交叉算法（crisscross optimization algorithm, CSO）已应用于解决电网中的多种复杂问题并取得了较好的效果。在CSO算法基础上,提出了一种快速收敛的改进纵横交叉算法（faster crisscross optimization algorithm, FCSO）求解最优潮流问题。该改进算法在原有的双交叉算子的基础上提出了一个全新的算子——中心交叉算子,此算子与横向交叉算子以一定的规律交替进行,种群中每个个体依次与当前最优个体执行交叉操作后再执行竞争算子,有选择地向当前全局最优个体靠拢,以提高单次搜索的质量,加速收敛。在IEEE118节点系统上的仿真结果表明,CSO较同类的群智能优化算法有着收敛精度高、稳定性强的特点,而FCSO能在不损失收敛精度的条件下显著加快收敛速度,大幅缩短寻优时间,为纵横交叉算法应用于实际电网实时调控领域提供了更多的可能。     

计及不确定性因素的家庭并网风-光-蓄协同经济调度优化方法

考虑风电、光伏出力和负荷等不确定性因素以及实时电价对家庭并网风-光-蓄发电系统优化调度的影响,构建了计及用户售电收益、购电成本、政府补贴、运行维护费用和分布式电源投资建设成本的家庭并网风-光-蓄发电优化调度模型。并提出一种结合拉丁超立方采样、场景缩减法以及自学习差分算法的优化方法对所提模型进行求解。该方法首先根据风、光、荷预测误差概率分布采用拉丁超立方采样方法生成大量样本,并采用场景缩减法对所生成的样本进行缩减。其次,针对标准差分算法在迭代后期所可能出现的"聚集"现象导致容易陷入局部最优的问题,提出一种融合自学习选择操作和纵向交叉操作的自学习差分算法,对所提模型进行全局寻优,得到各场景对应的最佳决策方案。最后,结合典型算例进行仿真研究,结果表明所提模型和方法具有较强的可行性和有效性。     

基于粒子群算法的含风电场电网规划优化研究

风电的不确定性以及负荷的随机变化性增加了电网规划难度。为此,针对系统运行、可靠性等约束条件,把罚函数转换为无约束目标函数,建立基于粒子群算法的含风电场电源规划多控制变量问题优化模型,并提出和分析优化规划的详细步骤。最后,采用IEEE30标准节点系统进行仿真优化,仿真优化结果验证了该模型的有效性、可行性,效果显著。     

一种短期光伏出力的区间预测方法

确定性的点预测在精度上无法满足大规模光伏并网的调度需求,基于此,提出一种光伏出力区间预测方法。针对光伏功率原始数据的强波动特性,采用变分模态分解(variational model decomposition,VMD)方法将其分解为若干个子序列,并依据样本熵理论,将复杂度较高的子序列重组为波动分量S,采用高斯过程回归(Gaussian process regression,GPR)法对分量S进行预测,得到其波动区间。考虑到GPR本身固有的缺陷,采用纵横交叉(crisscross optimization,CSO)算法对它的超参数寻优过程进行改进,而复杂度相对较低的其他VMD子序列代表光伏出力稳定分量,因此,采用支持向量机(support vector machine,SVM)法直接对它们进行确定性预测,最后通过重组各分量的预测值,得出光伏出力的区间预测结果。     

环保节能下的电力客户价值评价

在提倡环保节能的大环境下,供电公司的客户服务领域将由单一的供电营销向全面指导用户优化用电方式和节能减排的方向拓展。考虑电力用户的环保节能水平,构建了低碳经济下电力客户价值指标体系,并提出了运用入侵杂草聚类算法评价电力客户价值的新方法。对某市10个工业客户实证分析表明,新算法能有效提高收敛速度和避免陷入局部最优,对聚类性能有较大的提升。通过对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户全面、准确细分和评价,为供电企业制定有针对性的营销策略提供了依据。     

基于序贯蒙特卡洛算法的电网可靠性评价方案

针对目前智能电网解决方案的配网线路老化风险尚未得到量化的问题，提出一种用于电力网络的可靠性评价方法，该框架整合了一个网络层面上的序贯蒙特卡洛算法，计算过程划分到“网络状态＆约束映射”、“网络优化”和“网络＆架空线路状态可靠性映射”模块，通过可靠性、可操作性、天气和架空线路设计数据，对每个架空线路的充裕度进行评价。实验结果表明，所提方法可对现有方法进行改善，能够捕捉到架空线路故障风险的增加，且灵活性和风险抗性更加全面。