电力系统无功优化的多智能体粒子群算法研究

为了更好地实现无功功率最优控制和提高电压质量,在现有基础上,提出了引用多智能体粒子群优化算法（MAPSO）.该算法结合了JADE系统和粒子群优化技术,粒子间构建了三维球形环境.PSO种群中,每一个Agent相当于算法中的一个粒子,他们通过Agent间进行竞争与合作操作和自学习操作,吸收了PSO算法的进化机理,能够更快地,更精确地收敛到全局最优解.经IEEE 14节点系统校验,并且与基于Matlab的PSO算法进行比较,结果表明,该算法具有收敛速度快,计算精度高的优点。     

基于小波包分解和改进差分算法的神经网络短期风速预测方法

风速预测在风电场的智能管理和安全并网中起着至关重要的作用,针对风速预测固有的波动性、间歇性和非线性等特点,以及常规BP神经网络和差分算法神经网络均存在容易陷入局部最优导致收敛过早、泛化能力不足等缺陷,提出一种综合WPD和IDE算法的短期风速预测神经网络方法。该方法首先利用WPD将风速的时间序列分解成多种不同频率的子序列,然后采用IDE算法优化后的神经网络对小波包分解后的每个不同频率的子序列进行单步预测,最后将预测后的各个子序列进行叠加,得出最终预测结果。为验证所提方法的有效性,将其分别与采用混合小波分解的BP神经网络风速预测方法和混合小波分解的差分算法风速预测神经网络方法进行对比,对某地区的实际风速数据进行实验仿真,结果表明,所提方法的预测精度明显优于其他算法。     

计及风电和小水电的发电系统可靠性评估研究

根据分布式电源随机输出功率的特点,利用集群技术,将较多的机组出力状态集合成较少的组群,建立了风电多容量机组可靠性模型和小水电机组改进的双状态模型。针对现有发电系统停运容量模型存在计算繁琐的问题,运用停运容量预备表优化排序,减省计算步骤和时间。将容量模型和日尖峰负荷模型结合,形成新型发电系统的裕度评估体系,采用某含多风电场和遍布小水电的地区的发电系统作为算例,编制MATLAB程序计算了一系列可靠性指标,定量分析了分布式电源对发电系统可靠性的影响。     

基于遗传-匹配追踪的复合绝缘子缺陷检测研究*

针对电网现有的绝缘子缺陷检测技术，提出一种基于遗传-匹配追踪算法的超声导波缺陷信号处理办法。首先，使用遗传算法优化匹配追踪算法中的原子寻优过程；其次，通过有限元仿真获取复合绝缘子缺陷回波信号，评估算法应用的重构降噪效果；最后，利用算法迭代计算时间的试验分析，进行算法的应用效果验证。研究表明，采用遗传 匹配追踪算法能大幅缩减迭代计算的求解时间，更好地满足较长缺陷信号的时间处理需求。