基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于粒子群优化算法的混合有源滤波器中无源滤波器的多目标优化设计

混合有源滤波器是非常有应用前景的滤波装置,但其综合性能受无源滤波器参数优化程度的影响很大。该文基于课题项目中谐波源的特点,针对已有优化设计方法的各种缺点,提出了基于改进粒子群优化算法的混合滤波装置中无源滤波器的多目标优化设计方法。通过将无源滤波器的无功补偿容量、初期投资及补偿后滤波效果作为优化目标,利用简便、有效的粒子群优化算法对其参数进行了优化设计,大大减少了人工的计算量,而且明显提高了算法的寻优速度。最后仿真及现场模拟实验表明,此优化设计无源滤波器的成本比经验设计方法有所降低,滤波效果有明显的提高。     

大容量混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计问题,提出基于粒子群优化算法的混合滤波装置的多目标优化设计方法.建立混合有源滤波器的多目标满意优化模型,综合考虑系统成本、无功补偿容量及滤波效果等因素,并将滤波器对于失谐因素影响的鲁棒性测试作为一个约束条件放在优化过程中进行判决,以提高设计结果的实用性.通过将各个子目标函数模糊化,并选择最大关联满意度作为最后的寻优变量,解决了多目标优化问题.仿真与模拟实验结果表明:采用该优化设计方法设计的混合有源滤波器可以同时满足成本、谐波抑制以及无功补偿多方面要求,而且该优化设计方法算法简单、操作方便.     

基于双因子改进型粒子群算法的混合滤波系统的多目标优化设计

大容量混合滤波系统的应用前景十分广阔,其滤波器组的参数优化,尤其是无源滤波器的参数设计对综合性能的影响很大。本文提出基于双因子改进型粒子群优化算法的混合滤波系统中无源滤波器组的多目标优化设计方法。通过将加速因子和交叉因子引入优化算法,针对无源滤波器的多目标优化,高效搜索参数空间以获得最优解。与以往的优化设计相比,带双因子的改进型粒子群算法采用自适应的惯性权重,交叉因子增加了粒子的多样性,克服了算法寻优过程中易局部收敛等问题,提高其全局搜索能力。而收缩因子可以加快PSO的运算速度,明显提高了算法的寻优速度。测试结果表明利用该算法设计的混合型滤波系统具有较强的鲁棒性。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

一种优化配置谐波抑制装置的新方法

针对配电网谐波源的多样性、不确定性等特点,以平均谐波畸变率和经济性为目标函数,将有源滤波器容量和谐波电压畸变率作为寻优的约束条件,将滤波装置中电容器的容量与串并联谐振频率的关系作为谐振约束条件;并采用混合罚函数将非线性约束优化问题变为无约束优化问题。最后采用改进模糊粒子群算法对滤波装置优化配置,通过在算法中考虑所有个体对群体活动的导向性,以增强粒子之间相互学习的能力,有效防止粒子陷入局部最优。仿真结果表明,该优化算法在给定的电网范围内能统一优化有源滤波器和无源滤波器的安装地点及相应的参数,具有一定工程应用价值。     

梯级水库发电优化调度的改进粒子群算法应用研究

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度模型求解提供了一种新的途径。     

粒子群-神经网络混合算法在三相整流电路故障诊断中的应用

采用一种基于粒子群优化算法和人工神经网络相结合的混合算法应用于电力电子整流电路的故障诊断.文中首先论述了粒子群优化算法以及实现粒子群和神经网络的混合算法的操作步骤,然后将这种诊断方法应用于电力电子整流电路的故障诊断.仿真诊断结果表明,这种混合诊断方法可用于电力电子三相整流电路的故障诊断.它具有较快的收敛速度和较高的诊断精度,它具有工程的应用价值.     

基于差分进化粒子群神经网络的用户侧储能容量优化配置

为提高用户侧储能系统的经济性及使用寿命,提出一种基于差分进化-粒子群BP神经网络的储能优化配置算法.以提高系统可靠性和降低系统投资成本为目标,以储能电池充放电功率限制以及系统最大装机容量等为约束条件,搭建了用户侧储能容量优化配置模型.提出的差分进化和粒子群的混合算法,保留粒子群算法早期收敛速度快的优点,加入差分进化算法以此保障种群的多样性,避免算法过早陷入局部最优,并相应减少粒子群控制参数数量,提高算法的性能,加快算法收敛速度,优化BP神经网络初始权重和阈值.算例结果表明,相比单一的差分进化法和粒子群算法,采用混合算法能够更快更好地得到优化结果.仿真结果表明了算法的有效性,在保证系统运行可靠性的同时,有效降低了系统的投资成本,使系统的经济性得以提升.     

混合型无线传感器网络覆盖空洞修复算法

针对无线传感器执行器网络运行过程中节点必要的移动或者失效导致的感知空洞,提出了一种基于混合粒子群优化算法的空洞修复方案,该方案首先提出一种基于网格的网络覆盖率,并以此为优化目标将空洞修复问题转化为无约束优化问题,然后使用融合了模拟退火思想的粒子群优化算法对优化问题进行求解,最后仿真证明模拟退火算法的概率突跳特性弥补了粒子群优化算法容易陷入早熟收敛的缺陷,该混合算法可以对空洞修复问题进行有效地求解。     

一种基于GA—BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

现代电机优化设计纵横谈

电机优化设计是电气工程领域的热点问题之一.本文针对传统电机优化设计存在的主要问题,详细讨论了以遗传、免疫算法为代表的几种最新全局优化方法在电机优化领域的应用情况,阐述了它们不同于传统优化算法的特点,并提出了今后电机优化设计的发展方向.     

基于TB-PC算法的MISO系统辨识的研究

如何保持MISO系统辨识的精确度、收敛度、耗时以及跳出局部最优解,是当今研究的热点和难点。提出了一种基于协同进化策略和禁忌搜索的蝙蝠和粒子群混合算法(TB-PC),分析蝙蝠算法控制参数,提出了合理的脉冲频度和音强初值,将蝙蝠算法与粒子群算法的优势用协同进化结合起来,并引入了禁忌搜索。通过对四个测试函数和MISO系统实例的辨识仿真,验证了TB-PC算法具有稳定性能好、收敛精度高等优点,对MISO系统有优良的辨识效果。     

基于LSI的快速RSA算法的分析与改进

通过对一种基于LSI的快速RSA算法的分析,指出了其中影响运算效率的原因和其可以改进的方面.结合目前最新的改进SMM算法和分块模幂算法,提出了一种基于分块模幂思想的基于LSI的快速RSA算法.在求模运算中运用了乘同余的对称性,从而提高了算法的运行效率.最后,从算法复杂性理论上证明了新算法的效率要高于原来的算法.     

基于BP神经网络的运动想象脑电信号分类研究

运动想象脑机接口因具有更大的自主性、灵活性,在脑机互联领域得到了广泛应用,相比较其它范式分类准确率偏低,限制了其发展。本文利用时频图谱、脑地形图两种特征分析方法对上肢运动想象脑电信号进行了特征分析,并采用滤波器组共空间模式(filter bank co-space,FBCSP)特征提取算法对上肢运动想象信号数据进行了特征提取,再将提取结果分别利用支持向量机（support vector machine,SVM）算法、K-最近邻(K-Nearest Neighbor)算法、反向传播（back propagation,BP）神经网络三种分类算法进行分类,研究结果发现SVM算法、KNN算法、BP神经网络算法应用在上肢运动想象脑机接口系统的平均分类准确率分别为76.45%、74.55%、81.70%,BP神经网络算法相比SVM算法、KNN算法在上肢运动想象任务的分类准确率上分别高出了5.25%、7.15%,并且t检验后得到分类准确率均具有极显著的统计学差异,并利用ROC曲线和AUC值检测了分类器效果,BP神经网络的AUC值相比SVM算法、KNN算法也分别提升了0.1226、0.1285,表明BP神经网络分类算法相比较SVM算法、KNN算法更适用于上肢运动想象脑机接口系统,提高了系统的分类准确率,推动了上肢运动想象脑电信号实际应用的发展进程。     

基于RLS算法的时变谐波检测

以自适应线性组合器为时变谐波检测器的模型,根据逆归最小=乘(RLS)自适应滤波算法较好的跟踪性能,使之应用于时变谐波的跟踪检测.仿真表明该方法比以往的基于最小均方(LMS)自适应滤波算法的谐波幅值和相位参数的测定具有更好的跟踪效果.     

基于曲线拟合法的新型定制电力设备快速检测算法

定制电力配套设备的运用可有效地补偿电压暂降和瞬时断电,其研究开发过程中遇到的一大难题是:寻求快速算法,以便在3ms以内检测出电压暂降和瞬时断电。在分析常规保护用检测算法如有效值计算法、缺损电压法、辨别导数算法、三相d-q分解法、利用单相电压延迟60°构造三相虚拟电压d-q变换法和利用求导数法构造三相虚拟电压d-q变换法的优缺点基础上,提出了基于曲线拟合法的快速检测算法。通过研究两采样值积曲线拟合法、三采样值积曲线拟合法的优缺点,比较曲线拟合法与前面提到的检测算法,并比较两采样值积曲线拟合法与三采样值积曲线拟合法,得出两采样值积曲线拟合法更适合于在定制电力配套设备中运用。基于DSP仿真器上编程仿真,分析得到的各种检测算法处理电压暂降的结果波形,证实了该观点。     

电力系统无功优化的新进展

无功优化调度可以优化电网的无功潮流分布,降低电网的有功损耗和电压损耗,从而改善电压质量,确保用电设备安全可靠运行。然而由于电网建设和用户需求的变化,传统无功优化问题从目标函数到约束条件都相应发生变化。本文就近年来无功优化数学模型发生的变化以及无功优化问题求解方法的改进进行简要说明与分析。     

基于组合算法的在线无功优化及策略

为解决无功优化问题,构造出一种实用的目标函数,提出一种基于设备优先级的组合算法。该算法结合了非线性原对偶内点法收敛快的特性和改进遗传算法处理离散变量的优点,提高了算法的全局收敛能力和收敛速度。利用短期负荷预报,对未来24h系统负荷进行分段并确定负荷水平,以此来确定无功补偿控制设备动作的优先级。在线无功电压控制系统采用控制设备优先级策略和组合算法的协调策略后,实现了控制设备的合理动作。仿真结果和实际电网的运行情况表明,基于设备优先级的组合算法能够合理控制设备动作,提高电网的电压合格率,降低电网损耗。     

基于图像融合的保护压板运行状态辨识方法研究

随着信息技术和智能化技术在电力系统的应用拓展,采用智能巡检机器人对变电站一、二次设备运行状态进行巡视逐步成为智能运检的趋势.提出了一种基于图像融合的保护压板运行状态辨识方法.基于OTSU阈值分割优化方法快速检测图像中的高光干扰;引入改进RANSAC算法完成多视角的图像特征匹配和求取最佳透视变换矩阵,利用辅助图像透视变换至主图像修复其中的高光区域;在图像修复的基础上通过对压板边缘检测的倾角来判断其运行状态.实验结果表明,所提抗干扰方法有助于更好地识别图像中压板的运行状态,辨识准确率可达93％.