嵌入式存储器动态故障诊断数据压缩设计

在微纳米级工艺中,嵌入式存储器出现开路故障的概率增高,从而带来动态故障。当静态故障与动态故障同时存在时,传统的暂停导出内建自测试设计虽然可以将故障诊断数据正确输出,但存在诊断数据冗余的问题。因此,提出一种动态故障诊断数据压缩的内建自测试设计。在不影响诊断数据完好性的前提下,识别故障模式为行故障、列故障与单元故障,并对其诊断数据进行压缩解决诊断数据冗余的问题。仿真结果表明,该设计能够正确压缩动态故障诊断数据,大幅度提高输出效率,减少输出时间,并且面积开销较小。在8 K×16的存储器的面积开销为3.16%,20%行列故障与5%动态故障下诊断数据压缩比为3.96%。     

基于优化算法的输电线路路径研究

基于优化算法的输电线路路径选择,考虑影响输电线路路径选择的环境因素,建立禁忌算法流程,通过环境因素分析以及科学依据确定各环境因素在输电线路路径选择中的权重,建立全寿命周期成本单元格,应用仿真软件Matlab编写禁忌搜索算法,生成最优路径。通过算法分析证明应用禁忌搜索算法进行路径选择有效可行。     

面向新能源消纳的热水器集群精细化均衡控制

针对新能源发电并网对电网可能造成的冲击,提出面向新能源消纳的热水器集群精细化均衡控制策略。相比于现有普遍研究的、对单台热水器只能实现开和关2种控制状态的控制方法,所提控制策略通过温度设置值和多级功率联合优化,并利用遗传算法,不仅考虑了单台热水器的开、关状态,更精确至单台热水器运行功率级的选择。所提方法在保障电网侧消纳任务完成情况的同时,综合考虑用户侧热水器的温度,实现了两者的双赢。仿真实验结果证明了所提控制策略可实现精准负荷调控,同时使热水器响应更加均衡。     

考虑可靠性约束的舰船电力系统故障重构策略

网架重构是舰船电力系统发生故障时恢复供电的有效措施。考虑到舰船电力系统的特殊工况,故障重构时有必要考虑重要负荷的供电可靠性和电能质量,为此提出了一种考虑可靠性约束的舰船电力系统故障重构策略。利用图论建立了供电可靠性与电网拓扑之间的关联模型,并通过深度搜索算法遍历重要负荷节点的所有供电路径。基于二阶锥规划建立了故障重构凸优化模型,并进一步通过多面体逼近算法将模型转化为混合整数线性规划问题以加速求解。通过系统仿真并对比分析,结果表明所提出的算法能快速获取全局最优解,所得到的故障重构策略能保证重要负荷的电能质量与供电可靠性。     

计及不确定性的含分布式发电并网的配电网 故障区段定位方法

主动配电网作为分布式发电的高效集成和管理平台,其故障区段定位是一门重要课题。针对含分布式发电并网的主动配电网故障区段定位问题,计及分布式发电出力的不确定性,基于随机机会约束规划建立配电网故障区段定位模型。所建立的模型以概率形式的评价函数为目标函数,计及控制变量定义域约束,故障类型限值约束等约束条件构建。通过对基本帝国竞争算法进行改进得到二进制帝国竞争算法,并采用改进帝国竞争算法设计模型求解流程。仿真算例表明,所建立的模型适用于含分布式发电并网的主动配电网故障区段定位求解,并计及分布式发电出力不确定性对定位结果的影响,改进帝国竞争算法在模型的求解中性能较优。     

基于遗传算法的SiC MOSFET导通电阻模型

提出了一种简洁、新颖的SiC MOSFET器件导通电阻模型,该模型采用遗传算法对其不同温度下的导通电阻进行准确描述。相比于传统的导通电阻建模方案,采用进化算法可以准确地得到MOSFET导通电阻与结温之间的关系。并探究了不同种群规模、交叉率和变异率对算法的影响。为了验证模型的准确性,采用一款自主封装的1 200 V/90 A SiC MOSFET模块去验证模型的静态特性,并与传统导通电阻建模方案进行对比,其最大误差为4.1%。     

基于正序电压变化量的故障电压暂降源定位算法

随着越来越多敏感负荷接入电网,由电压暂降问题直接及间接带来的经济损失日趋严重。在各类电压暂降中,故障引发的电压暂降占比最大,对其进行准确定位是高效治理电网故障的必要前提。文中针对故障型暂降源提出一种基于正序电压变化量的定位方法,基于发生故障时各监测点的正序电压分布特性,建立监测点信息库和各支路故障距离定位模型;然后基于马氏距离与Pearson相关系数定义相似度指标,利用信息库匹配的方法对故障所在支路进行初选;最后采用遗传算法对最优故障距离目标函数进行寻优,定位故障源。利用IEEE 14节点仿真系统对所提方法的有效性与准确性进行了验证。     

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明：基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。     

A Heuristic Combinatorial Optimization Algorithm for Load-Leveling and Peak Demand Reduction using Energy Storage Systems

A method for applying combinatorial optimization algorithms to Energy Storage System (ESS) scheduling is presented in this paper. Scheduling is essential for the integration of ESS in electrical networks at grid level or at consumer level to achieve the objectives of integration such as constraint management or energy cost reduction and for efficient storage dispatch. It also shows that for a time-of-use (ToU) tariff scheme based on the shape of the demand profile with higher prices tied to peak periods, effective load-leveling, and peak demand reduction always leads to energy cost reduction. While other methods usually require more information such as generation cost curves or ToU tariffs to schedule ESS, the proposed method uses only demand profile information and ESS parameters to achieve load-leveling and peak demand reduction and also considers the entire optimization time horizon. This is done by combining heuristic bin packing and subset sum algorithms with specific modifications to the standard forms and through transformations. A case study is presented in which the algorithm is used to schedule household ESS with repurposed electric vehicle batteries and the results are compared to a demand response scheme on the same setup.     

一种电能质量多扰动分类中特征组合优化方法

针对电能质量扰动分类中冗余特征量造成分类器训练困难、分类准确率下降的问题,提出一种基于改进遗传算法的特征组合优化方法。该方法对信号进行小波变换,提取各层的改进小波能量熵作为原始特征,并构造一种基于欧氏距离的适应度函数,采用改进的自适应遗传算法对原始特征进行筛选和优化组合,形成用于电能质量扰动分类的最优特征组合。分别采用二分类-支持向量机法(Binary-SVM)、多标签径向基神经网络(ML-RBF)和多标签K近邻法(ML-KNN)对不同噪声情况下的电能质量单一扰动和混合扰动进行分类,仿真结果验证了所提特征组合优化方法能有效提高分类器的训练速度和分类准确率。