智能配电网中异构无线网络负载均衡算法

为提高智能配电通信业务的服务质量,在智能配电通信网接入层建立了异构网络模型,并对智能配电通信业务进行优先级划分,进而提出一种基于物元分析的异构无线网络负载均衡算法。构造了待评价物元模型,并结合熵权法得到的各指标权重,获取各备选网络关于各个等级的关联度,选择关联度最大的等级描述当前网络质量。针对不同优先级业务,按照优先级从高至低依次将其接入到当前网络等级最优的网络,为不同优先级业务提供有差别的服务。仿真结果表明,该算法在有效均衡异构网络间负载的同时,能够降低配电通信业务的阻塞率,为智能配电通信业务提供可靠、经济、高效的服务。     

面向智能配电的异构融合通信网络动态负载均衡

为提高智能配电通信业务的服务质量,建立了面向智能配电的异构网络模型,并结合智能配电自动化系统的发展目标,分析了各类型通信业务的服务质量(quality of service,QoS)需求,进而设计了一种包括重载网络业务转移与新业务接入控制的动态负载均衡算法。算法首先根据候选网络的负载水平,以及对实时和非实时业务的QoS保证程度,将重载小区的适量业务向重叠覆盖的轻载小区转移;其次通过遗传算法获得最优业务接入方案,为不同优先级的新到业务提供有差别的服务。以某市一座35kV变电站到10kV变压器的覆盖范围为例,构建异构网络模型进行仿真,仿真结果证明了所提模型与算法的合理性和有效性,该模型为智能配电通信网络的构建和业务的调度提供参考。     

无线传感器在智能配电网中的通信网络设计

智能配电网可以有效地提高配电系统的供电质量、实现分布式电源的并网优化运行与配电设备的高效运转、完成与用户之间的有效互动。无线传感器网络(wireless sensor network,WSN)具有建设成本低、快速自组网等特点,在智能配电网通信系统中具有广阔的应用前景。通过总结智能配电终端在配电网的分布特征以及WSN在电力系统中的应用现状,分析了WSN的网络结构及其在智能配电网中的应用特点,并以此为基础给出了智能配电网WSN的设计原则。根据该原则设计了智能配电网WSN的分层体系结构,包括终端采集网、汇聚网和信息接入网。智能配电网的通信系统通常由多种通信方式组成,该文给出了与其他通信方式联合组网的设计方案,该方案通过构建业务终端层、接入层、骨干层和配电主站层,可以有效地扩展智能配电通信网的通信范围,提高智能配电网的网络数据完整性。     

基于IPv6的配电自动化系统通信网络架构

该文阐述了配电自动化系统的实施现状,分析了其通信网络架构存在的问题,遵循共用通讯网络的理念,提出了基于IPv6的配电自动化系统通信网络架构,阐述了IPv6的运用可呈现出的不可比拟的优越性。所提出的基于IPv6的配电自动化系统通信网络架构可以同时支持未来配电网电源侧和用户侧所需业务的接入。强调了新的通信网络架构对智能电网发展的重要性。     

面向城市配电网的延长网络寿命路由算法

配电网智能化是提高供电可靠性和供电质量的重要手段,对配电网状态进行实时监测是实现配电网智能化的重要基础。无线传感器网络以其独有的组网灵活性、可扩展性和自组织自恢复能力,在智能配电网通信中得到了广泛关注。路由算法是无线传感器网络的网络层关键技术,算法应从整个网络系统角度,考虑网络能量的均衡使用,最终延长网络寿命。而传统的无线传感器网络因节点受能耗及路由算法限制,网络寿命较短。研究配电网应用场景下的能耗均衡路由算法成为无线传感器网络应用的一个关键问题。文中提出一种面向城市配电网的延长网络寿命的路由算法,能够平衡网络节点能量消耗,进而延长网络寿命。仿真结果表明,提出的方法能够有效延长网络寿命,适合在配电网通信中使用。     

智能配电网通信业务需求分析及技术方案

配电通信网是发展智能配电网的基础条件,随着智能配电网、分布式新能源和智能用户的接入,配电通信网的业务需求发生了很大变化。文章分析了智能配电网各部分(高级配电运行、高级量测体系、高级输电运行、高级资产管理)通信业务的需求,初步给出了采用配网光纤、宽带无线接入方式实现智能配电网的通信技术方案,为制定智能配电网通信规划提供参考。     

基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynam ic Fuzzy Neural Network)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。     

基于SNOP的柔性配电网中分布式电源最大准入容量计算

分布式电源高比例接入配电网,将会引起配电网潮流越限等问题,影响配电网安全运行。基于智能软开关的柔性配电网为提高分布式电源消纳能力提供了新的思路。智能软开关的动态双向功率调节能力,有助于改善配电网中电压瓶颈节点和传输容量瓶颈支路的运行状态,实现全网潮流主动协同管理,从而提高柔性配电网中分布式电源准入容量。首先建立了柔性配电网中分布式电源最大准入容量模型,基于配电系统的多节点特性,该模型属于高维非线性优化问题。然后根据实际场景和参数设置的不同,分为传统配电网中分布式电源固定节点位置、柔性配电网中分布式电源固定节点位置、柔性配电网中分布式电源自由接入3种情况进行分析,并采用多种群遗传算法求解得到全局最优解。最后使用IEEE 33节点配电系统进行算例分析,结果验证了柔性配电网中智能软开关的应用对分布式电源接入能力的提升作用。所提方法在获得柔性配电网中分布式电源准入容量的同时,可从规划角度得到分布式电源接入的最优容量和位置。     

基于EPOCHS平台的智能配电网通信系统仿真

快速、可靠、集成的通信系统是实现智能配电网的关键环节。在当前配电自动化通信系统分析的基础上,对智能配电网通信需求及其业务流量建模,提出了基于IP通信网络的智能配电网通信体系结构。在电力和通信同步仿真(EPOCHS)平台上建立了智能配电网通信仿真模型,仿真研究了多种数据流业务背景下一种基于通用面向对象变电站事件(GOOSE)的馈线自动化算法通信交互过程,仿真结果表明所提通信体系结构能够满足智能配电网的通信需求。     

基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)的短期电价预测方法.首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测.在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境.最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度.     

一种密度聚类模糊神经网络的建模方法

针对仅依赖于输入输出样本数据的复杂系统建模问题,借鉴模式识别聚类分析的理论思想,提出了基于密度聚类提取样本数据模糊规则的理论和方法,通过密度聚类法提取样本数据输入输出变量间的内在规则,并根据密度聚类提取规则的特点,建立了基于密度聚类的模糊逻辑推理方法,确立了一种基于密度聚类的模糊神经网络(DFNN)模型结构。以石化过氧化氢异丙苯(CHP)分解反应过程为对象,进行了仿真建模比较分析,结果表明在模型精度和可靠性上,均优于基于C均值聚类提取规则的模糊神经网络(CFNN),验证了DFNN建模方法的有效性。     

基于RS和GA的动态模糊神经网络在短期电力负荷预测中应用

分析和探讨了粗糙集（RS）理论、遗传算法（GA）、模糊神经网络相结合的短期负荷预测方法。首先,对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息．最后用得到的属性作为模糊神经网络的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络DFNN（Dynamic Fuzzy Neural Network）,并采用具有全局寻优能力的遗传算法训练网络,克服了单纯BP算法易陷入局部最优解的缺点。用该方法与常用BP神经网络及Fuzzy法分别对某电网进行一周的日负荷预测．实例的对比分析表明了该方法收敛速度、预测精度和网络规模等方面都有较大改善。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

基于模糊补偿的神经网络算法在调速系统中的应用

提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中，一个动态神经网络用于被控装置的在线辨识，然后根据被控装置的输出和参考模型的响应迭代出控制信号，具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示，对比传统的最优PID控制器，本文提出的控制策略具有更好的瞬变特性及抗干扰特性。     

基于模糊神经网络的数据挖掘算法

提出了一种基于模糊神经网络的数据挖掘算法，通过计算隶属函数、构造及训练模糊神经网络、网络裁减、规则提取等步骤实现该算法，通过仿真，验证了该算法的正确性。     

带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中.一个动态神经网络用于被控装置的在线辨识,然后根据被控装置的输出和参考模型的响应迭代出控制信号,具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性.仿真结果显示,对比传统的最优PID控制器,本文提出的控制策略具有更好的瞬变特性及抗干扰特性.     

基于遗传算法的模糊神经网络在动态系统辨识中的应用

复杂不规则系统的语言建模构成了许多控制／决策系统的核心问题,模糊逻辑是进行语言建模最有效的方法之一。本文介绍了一种基于模糊逻辑、神经网络和遗传算法的语言建模方法,并给出了新型的混合学习算法,即：首先由自组织算法确定出模糊神经网络的初始隶属度函数;其次由最大匹配因子学习算法完成模糊规则确定;最后提出了一种改进的遗传算法用来优化调节已经获得的隶属度函数。通过具体的仿真实例说明了所提出的建模方法在动态系     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。     

广义动态模糊神经网络及其在热工辨识中的应用

针对热工过程难以建立精确数学模型的特点,将广义动态模糊神经网络应用于热工复杂系统的辨识。该算法以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率进行修正。通过对某电厂一次风量和平均床温实测数据的仿真实验结果表明,该方法具有较高的辨识精度和效率。