基于黄金分割搜索的电压暂降域快速识别方法

针对大型复杂电网中敏感负荷的电压暂降域难以准确识别的问题，提出一种基于黄金分割搜索的电压暂降域快速识别方法。首先，求得网络中发生各类短路故障时敏感负荷节点的电压暂降幅值解析式，并引入节点判定向量和线路关联向量，以及相应的判定准则，实现对所有线路临界点的快速分类计算；接着详细阐述了传统插值法存在的问题，并提出一种由黄金分割搜索改进的插值法，以期为正割迭代提供更优的初值点，提高临界点计算的准确度；因考虑到拟合的二次曲线难免存在偏差，故使用故障点法作为补充算法，用以计算有求解困难的线路；最后，以IEEE30节点标准测试系统为例，验证了该方法能在保证计算精度的前提下，简化电压暂降域的求解过程，提高算法的收敛速度，并广泛适用于大型复杂电网。     

基于IPSO-GRU的锂离子电池剩余使用寿命预测

为了提高预测锂离子电池剩余使用寿命（RUL）的精度,提出了一种基于改进型粒子群算法（IPSO）与门控循环单元（GRU）神经网络的锂离子电池RUL预测模型。首先,通过改变PSO算法的惯性权重和学习因子的更新规则,提高其寻优能力;然后,通过IPSO算法优化GRU神经网络的参数选择,搭建IPSO-GRU模型。最后,利用美国国家航空航天局（NASA）公开的锂离子电池实验数据进行试验,验证IPSO-GRU模型的准确性。实验结果表明,相比于直接采用单一GRU模型,所提IPSO-GRU模型降低了容量预测误差,有效提高了锂离子电池RUL预测精度。