基于改进人工蜂群算法的SVG综合补偿容量优化研究

基于SVG的三相不平衡和无功补偿综合治理可以有效提高低压配电网电能质量。针对SVG补偿容量的动态分配问题,提出了基于改进人工蜂群算法的SVG补偿容量优化配置方法。首先提出基于补偿度的SVG容量动态分配优化模型;然后引入改进的Tent混沌映射序列提高传统人工蜂群算法的收敛性能,并通过改进的人工蜂群算法求解最优SVG容量分配方案,实时调整三相不平衡和无功的补偿度;最后通过Simulink仿真验证所提方法的合理性和有效性。结果表明所提出的基于改进人工蜂群算法的SVG容量动态分配控制方法可以有效综合治理配电网的三相不平衡和无功补偿问题。     

基于径向基神经网络的质子交换膜燃料电池智能参数辨识

在质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell, PEMFC)中,准确地辨识未知参数对于建立可靠而精确的模型至关重要.然而,PEMFC参数辨识难以被常规的数值分析方法解决,这是一个涉及多个变量且有强耦合的非线性问题.此外,噪声对数据的影响、收集数据的不足以及电池记录数据的丢失都会增加获取精确参数的难度.针对以上问题,本文提出一种基于径向基函数(Radial Basis Function, RBF)神经网络联合启发式算法的参数识别策略.先对RBF进行训练,并利用RBF对数据进行降噪与预测处理,以解决噪声对数据的影响、收集数据的不足以及电池数据丢失的情况;再利用启发式算法对PEMFC模型参数进行辨识.结果表明,经过RBF处理后可以显著降低异常情况对参数辨识的影响,极大程度提高启发式算法参数辨识的准确性,其中V-I拟合精度达到99.56%.     

同塔双回直流线路故障选线方法

故障选线研究是同塔双回直流线路保护的重要组成部分，准确判断出故障线路有助于运维人员快速处理故障，有效保障直流系统安全稳定运行。本文提出的一种同塔双回直流线路故障选线方法，并对搭建的同塔双回直流输电系统进行数字仿真试验，验证了本文所提故障选线方法的有效性。     

基于混沌博弈优化的固体氧化物燃料电池模型参数优化设计

固体氧化物燃料电池(solid oxide fuel cell, SOFC)因具有转换效率高、无污染物排放、运行噪声低等特点被视为前景广阔的绿色发电技术之一,其被广泛应用于电力系统和交通运输等领域。针对SOFC稳态模型的参数优化设计问题,提出了一种基于混沌博弈优化(chaos game optimization, CGO)方法的SOFCs参数提取框架。同时,利用芬兰燃料电池技术公司Elcogen生产的陶瓷阳极支撑型平板式低温单体燃料电池(ASC-400B)工作于两种不同温度(即600 ℃和700 ℃)下的实验数据以及美国蒙大拿州立大学开发的基于物理模型的5 kW级管式SOFC电池堆栈模型在两种不同温度(即850 ℃和950 ℃)下的仿真数据,分别对所提框架、蒲公英优化器(dandelion optimizer, DO)、平衡优化器(equilibrium optimizer, EO)、粒子群优化(particle swarm optimization, PSO)算法和白鲨优化器(white shark optimizer, WSO)的参数提取的性能进行了深入的研究和分析。测试结果表明：相比于DO、EO、PSO和WSO,CGO能够准确、稳定且快速地提取上述各种SOFCs的模型未知参数,为SOFCs的系统建模提供了一种高效的方法。