基于Matlab遗传算法工具箱的梯级水电站优化调度

遗传算法因其简单、通用、适于并行处理而用于解决非线性复杂问题。在研究了基于Matlab遗传算法工具箱（GAOT）的基础上。提出把水电站水库看作一个系统,把系统的各元素、输入／输出参数等简化和假设后建立简化通用的数学模型。用该数学模型讨论了实现梯级水电站的优化调度问题。详细分析了算法设计中遗传算法控制参数的确定、编码、随机生成初始母体群、适应度计算、选择、交叉、变异、停止准则判断等。以某梯级水电站为例。利用提出的优化调度模型计算了比较简单的情况。表明是可行的。对较复杂的情况也同样适用。     

构筑电力系统实时监测平台的研究

介绍了适应各种前后端技术与系统平台的稳定可伸缩且高吞吐率的电力系统实时监测平台的构筑.通过基于CIM对电力系统进行数据与业务的建模与封装,保证平台内外对数据与业务能有一致的理解;通过基于CIS实现并开放实时数据的通知、分发、存取与交换接口,使用户不再受限于某一厂商,在由不同厂商系统扩展更新业务应用的同时延续已有的数据与资源;通过基于带完成端口重叠I/O Winsock技术,采用一致的技术融合了前端数据采集、平台数据分发与后端的业务应用.     

基于数据分区的负荷密度显示的实现

以Arc/info作为开发平台,提出电力系统区域负荷密度分区显示的实现方法,将地理信息系统与电力系统节点数据相结合,应用最近邻优先吸收算法将区域负荷节点进行分区,并结合实例表明该方法简洁可靠,能够满足实际需要.     

粗糙集理论在短期电力负荷预测中的应用

影响负荷预测精度的因素众多,为了找到负荷值与各种外在因素之间的关系,利用粗糙集理论对各条件属性进行属性约简分析,从而找到与负荷直接相关的因素,然后将它作为神经网络的输入量进行负荷预测。遗传算法用于属性约简的寻优计算和神经网络的权值修正,经仿真分析证明预测精度和速度都得到改善。     

基于机会约束2层规划的输电线路检修计划优化

通过对电力市场环境下输电线路检修计划优化问题（TMSOP）的研究,提出基于机会约束 2层规划的TMSOP模型和算法。模型考虑了TMSOP涉及的不确定因素,统筹了检修经济性和检修过程中电网的可靠性,同时综合评估了不安全现象的概率和后果。模型通过基于蒙特卡罗仿真的混合智能优化算法求解,在求解过程中引入禁忌表以提高计算速度。IEEE RTS-79算例仿真结果表明,文中提出的模型和算法不仅优化了线路检修计划和检修资源安排,而且明确了检修期间电网风险最低的运行方式。     

应用中间件技术的交流采样设备测试方法研究

深入分析了交流采样设备的测试方法,详细阐述了如何运用面向对象的建模方式、可扩展的数据结构描述定义以及功能统一的公共接口规范等中间件技术,形成一种全新的测试方法.     

免疫模糊算法在电网规划中的应用

分析了标准遗传算法由于早熟收敛而无法快速有效地得到全局最优解的缺点,并以电网规划为应用背景,提出了一种免疫模糊算法.该算法借鉴信息熵概念对抗体浓度进行免疫调节,同时考虑亲和度概率和浓度抑制概率,在保留抗体特异性的同时有效维持解群分布的多样性;采用模糊控制规则来确定免疫算法的变异率,通过观察2个输入量的数值变化自适应调整高频变异的变异率,在增加群体多样性的同时进行局部搜索.通过仿真算例证明了该算法具有避免早熟、搜索速度快的特点,与同类优化方法相比具有明显的优越性,是求解电网规划问题行之有效的方法.     

基于三维GIS技术的输电线路地理信息系统的设计与实现

针对当前计算机图形及GIS技术的发展和电力系统输电线路管理需求的特点，本文以输电线路地理信息系统平台为例，研究了如何利用现有的数字高层模型(DEM)及相应算法实现海量三维地表模型的构建和如何运用设计模式的构造方法实现输电设备的关联组合等问题，并通过建立方位数据中间层的方法将地表数字高层模型、输电设备三维模型及各类属性信息有机的结合在一起，从而满足了输电线路GIS系统的各类维护及查询要求，并为该平台日后成为线路设计、培训模拟等高层应用的平台构建了良好的开放性框架。     

电力系统虚拟现实场景开发研究

电力系统仿真培训是提高操作人员素质，保证电力系统安全，有效运行的重要手段之一，将虚拟现实技术引入电力系统的培训系统，能给培训系统增添真实感和沉浸感。虚拟现实技术结合了计算机图形学、多媒体技术、人机交互技术等，是仿真技术的高级发展和突破。本文主要叙述了在微机上初步实现电力系统虚拟环境三维场景显示和三维声音回放的方法。以及ＯｐｅｎＧＬ、ＯｐｅｎＩｎｖｅｎｔｏｒ、３ＤＳｔｕｄｉｏＭＡＸ等关键技术和软件。     

粗糙集理论及其在短期电力负荷预测中的应用

影响负荷预测精度的因素众多,为了找到负荷值与各种外在因素之间的关系,利用粗糙集理论对各条件属性进行属性约简分析,在属性约简算法中采用遗传算法进行寻优计算,找到与负荷直接相关的因素,然后将它作为模糊神经网络的输入矢量进行负荷预测.经仿真分析证明预测精度和速度都得到改善.