膜计算与遗传禁忌混合算法在输电网规划中的应用

针对输电网规划离散性、非线性、不确定性等特点,提出一种基于膜计算与遗传禁忌算法的混合算法,该算法将遗传算法与禁忌搜索算法作为子算法引入膜计算中,即将遗传算法中常用的二进制编码改进为整数编码;将通常的变异算子与进化代数相联系,形成具有自适应调整的变异算子。同时,膜结构中各个区域的子算法独立且并行运行,每次迭代得到的最优解通过膜计算的转运机制进行交流,从而加强相邻区域的联系,并将最内层的最好个体作为禁忌搜索算子初始解进行优化。将该混合算法应用于18节点输电网规划表明,混合算法具有可行性和有效性。     

基于函数cos（x^α）变换的灰色模型及其在变压器油中气体浓度预测的应用

基于函数变换理论,采用函数COS（x^α）（α≥1）变换建立了灰色预测模型,并从理论上证明该变换可以有效地提高离散数据序列的光滑度,且其光滑度比单纯的对数函数、三角函数、幂函数变换法更优。将建立的灰色预测模型用于变压器油中溶解气体浓度预测,其实例结果分析表明,该方法有效可行且预测精度较高。     

基于图论及联系数的复杂配电网可靠性评估

为考虑可靠性参数的不确定性对可靠性评估结果的影响,先将可靠性参数通过区间估计表示成联系数形式。提出了一种新的实现配电网分区的方法,此法在对原始网络节点进行一定方式处理后,通过矩阵分析及运算便能获得分区后区域节点的可靠性参数及其邻接矩阵。采用可达性分析法判断配电网故障后果类型,用warshall算法来求取可达性矩阵,并分析了馈线容量约束对故障后负荷区域节点转供的影响,再结合联系数的运算法则对配电网进行可靠性评估,从而获得联系数形式的可靠性指标。算例结果验证了该方法的正确性和有效性。     

基于云模型及可达性分析的复杂配电网可靠性评估

传统的配电网可靠性评估是将元件故障率参数作为常数加以处理,但实际中要受到诸多因素影响,导致评估结果不准确。将云模型引入到配电网可靠性评估中,结合可达性分析法提出一种配电网可靠性评估的云模型算法。采用正向正态云发生器生成n组元件原始故障率参数,利用可达性分析法对每组云滴评估,得到n组可靠性指标;采用逆向正态云发生器将n组可靠性指标转化成以数字特征表示的可靠性指标云模型。算例验证结果表明,该算法是正确的,且能综合反映指标的具体变化和分布,符合人们对不确定性的认知方式。       

基于Stacking元学习策略的变压器故障诊断

针对目前广泛应用于变压器故障诊断的四种分类器在模式识别中存在的不足,基于Stacking元学习策略的组合方式,构建了一种分类器组合模型。通过试验证明,该组合分类器优于单个分类器精度。     

基于Choquet模糊积分的水电机组振动故障诊断

为提高水电机组故障诊断的准确性,提出了基于Choquet模糊积分融合的多分类器组合故障诊断方法,对朴素贝叶斯分类器进行了基于属性相似度的加权改进,得到基于属性相似度的加权朴素贝叶斯分类器(Attribute Similarity Weighted Naive Bayes Classifier,简称SWNBC),并应用基于Mahalanobis距离的分类器(Mahalanobis Distance Classifier,简称MDC)与BP神经网络(BP neural network)组合成为SWNBC+MDC+BP的多分类器组合模型,以小波包提取的相关频带能量作为输入特征向量,应用组合模型对水电机组故障进行诊断,采用模糊积分法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器,能有效提高识别故障的精度。