配电网自动化中的故障处理模式及比较分析

随着科学信息技术的发展,在网络、通信等信息技术的推动下,电力系统自动化已经朝着智能化的综合自动化发展.然而配网自动化中的故障随之出现,通过配电网自动化中故障处理模式比较分析,提出存在问题并且亟需改进的地方,以完善配网自动化系统故障处理方法.     

基于小波分解方法的暂态选线分析

在小波理论的基础上,提出了基于故障暂态电流α模分量突变量的故障选线方法。根据小波理论善于处理突变信号的特点,并利用小波理论对暂态信号进行分析,由分解后的小波系数构成的综合故障测度进行选线。大量的仿真试验证明,此选线方法可以很好地对故障线路进行选择。     

公交优先交叉口信号控制参数的多目标优化方法

公交优先交叉口的信号控制方案应平衡车辆出行者时间效益、行人出行效率和环境效益,因此,需要基于多目标优化方法优化设计信号配时参数.首先,以车辆出行者人均延误、行人过街平均延误和停车率最小为目标构建信号周期多目标优化模型;然后,基于相位乘客流量比和相位饱和度优化设计绿信比;最后,构建了多目标优化模型的粒子群算法来寻找Pareto解.应用结果表明,相比常规方法,能根据决策者喜好选择Pareto解;可尽量降低车辆出行者的人均延误,在一定程度上体现了公交优先.     

解耦变换在电力系统暂态保护中的应用研究

电力系统暂态保护具有响应快、准确度高、不受工频振荡及过渡电阻影响等特点.相模解耦变换是实现暂态保护的关键技术之一.本文给出了解耦变换的概念,详细分析了暂态保护中各种解耦变换的特点,并提出了新的解耦变换对称分量变换.仿真实验论证了研究结果的正确性.     

故障信号同步思路下的配网差动保护框架构建

随着近年来分布式电源的广泛使用,闭环运行逐渐被引用到配电网络中,差动保护是一种原理简单的受电压互感作用较小的电路保护,但同步造价高,发展并不完善,本文旨在研究一种更经济实用的差动保护同步,以提高配电网络中的差动保护的实际应用水平,笔者分析了目前我国的配电网络系统并建设性地提出了基于故障信号同步的配网差动保护框架。     

考虑静态安全约束的暂态稳定极限计算

将求解暂态稳定极限问题描述为一个以输电线路或输电断面输送功率最大为目标，以静态安全及暂态稳定为约束条件的最优参数选取问题．并将一种新的进化算法——粒子群游(PSO)，应用于暂态稳定极限计算．算例表明，此种计算方法克服了静态安全约束等因素对稳定极限的影响，因而减小了计算误差，提高了计算结果的精确性。     

待补偿点定位的粒子群优化算法在配电网无功优化中的应用

根据最大降低网损的原则,首先计算出配电网无功补偿点的位置、个数和待补偿容量,并由此筛选出最优无功补偿的待补偿节点集和补偿容量的取值范围,减少粒子群优化算法最优解的搜索空间.建立了以网损最小为目标的粒子群算法无功优化数学模型,进一步提高了无功优化的效率和质量.以福安电网无功优化补偿为例,并与常规粒子群优化算法比较,验证了该方法的有效性.     

基于扰动后暂态量的戴维南等值参数辨识方法

针对现有戴维南等值参数辨识算法对等值系统发生扰动时适应能力不强的情况,提出了基于系统扰动后暂态量的戴维南等值参数辨识方法.首先对等值系统扰动下传统等值方法无法辨识戴维南等值参数进行了分析,然后阐明了基于扰动后暂态电压电流信号辨识等值参数的实现原理,利用最小二乘法求出端口电流电压约束关系下微分方程的系数,对比等值网络稳态时的等值参数,从而获得该等值网络暂态状态的戴维南等值参数.通过对简单电路网络和IEEE9节点系统进行仿真分析,结果验证了此方法在等值系统扰动后对戴维南等值参数进行跟踪辨识的可行性和有效性.     

基于改进PSO的ICA方法分析重力固体潮信号

为了从重力固体潮信号中提取地球物理信息,介绍了一种重力固体潮信号分解模型.在分解模型中,重力固体潮信号分解为赤道平面信号分量及地球自转轴信号分量.为了提取与分解模型相一致的地球物理信息,提出用独立分量分析(ICA)方法将重力固体潮信号中的赤道平面信号分量与地球自转轴信号分量分离.鉴于ICA存在收敛速度慢及局部搜索等特点,提出了一种基于惯性因子ω的改进粒子群优化算法(PSO)来解决ICA中的全局寻优问题.通过仿真实验分析可知,本文提出的改进粒子群的独立分量分析算法可以获得与分解模型相一致的信号分量,并且从各分量中可提取出与地球产生机制相一致的地球物理信息,是一种分析重力固体潮信号的有效方法.     

基于粒子群算法的多效益交叉口信号配时模型

城市交通的延误主要发生于交叉口,提高交叉口信号的运行效率对缓解交通拥堵具有重要作用。本文建立了基于车辆平均延误、停车次数和通行能力的多效益信号配时优化模型,并使用了粒子群算法进行编程求解。实际案例分析结果表明,模型求解出的优化配时方案降低了交叉口车均延误和停车次数,同时提高了交叉口的通行能力,综合改善了交叉口的多个指标,对提高交叉口的运行效率具有显著作用。     

粒子群改进算法在配电网故障定位中的应用

为了满足含分布式电源配电网故障定位的要求,对传统二进制粒子群算法进行改进,利用改进二进制粒子群算法(BPSO)解决配电网故障定位问题。改进BPSO初始化随机数采用均匀分布,同时引入收缩因子和线性变换的惯性权重来提升算法收敛于最优解的能力,避免陷入局部最优,提升故障定位的精确性。对算例配电网中的多种故障情形进行仿真分析,包含少量故障信息畸变的情况,诊断结论全部正确。仿真结果表明,改进算法在精确性和收敛速度上均优于传统粒子群算法,对含分布式电源的配电网故障定位具有一定的有效性和容错性。改进BPSO可以满足电网定位对准确和实时性的要求。     

组合粒子群优化和分布估计的多目标优化算法

提出组合粒子群优化和分布估计的多目标优化算法。在寻优迭代过程中,一半的后代由粒子群算法产生,带有变异操作的粒子群优化算法具有全局搜索能力;另一半后代采用分布估计算法来产生,分布估计算法具有良好的学习和局部搜索能力,由其提取决策空间的信息并建立期望解的概率分布模型,对这个分布模型进行采样而产生下一代的解。与多种多目标优化算法的比较实验表明,组合算法在基准函数ZDT1～ZDT3,ZDT6和ZDT6-1上获得的Pareto解集具有较好的收敛性与多样性,在ZDT4实例上的性能适中。     

基于ACPSO算法的含分布式电源配电网无功优化

文章研究了含分布式电源的配电网络无功优化问题,基于无功裕度值探讨了无功补偿装置的接入位置,建立了含分布式电源配电网络多目标无功优化模型;运用自适应混沌粒子群算法(ACPSO)进行求解,在初始化计算过程中引入混沌系统,增加粒子种群的多样性,在迭代过程中引入惯性权重线性递减法和变学习因子法,以得到更精确的全局最优解;通过含分布式电源的IEEE 33节点系统的计算,验证了所提模型和算法的正确性。研究表明对含分布式电源的配电网络进行无功优化能够达到降低成本、网损和提高电能质量的目的。     

一种混合算法下单个磁通门定位运动磁性目标研究

运动磁性目标定位可归结为一类非线性规划问题的求解.针对其目标函数计算过程极为烦琐,不利于磁性目标实时定位的特点,提出了一种混合算法:首先利用粒子群优化算法获得初略解,再利用高斯-牛顿算法进行精确求解,在不知道目标初始位置的情况下,利用单个磁通门磁传感器采集的磁场数据准确快速地实现了目标的定位.理论仿真和汽车实验,验证了算法的合理性和可行性,为工程中磁性目标的检测与定位提供了新思路.     

低压配电网三相负荷不平衡优化模型的研究

构建低压配电网三相负荷不平衡优化模型,应用粒子群智能优化算法进行求解,确定各单相负荷用户的最优接入相序,据此提出科学有效且经济的三相负荷调整方案。实例分析表明,所提出的优化模型和求解方法是可行的,在换相成本最低的同时,低压配电网三相负荷不平衡度由优化前的17．75％降至1．923％。     

应用于类球体细胞电旋转分析中的介电参数求解算法

根据薄膜理论建立了一种面向类球体细胞的单壳介电模型,分析了细胞在电旋转静流场中的受力,并由旋转力矩和斯托克斯流体阻力矩平衡原理,推导得到细胞各层介电参数方程组.利用引入压缩因子的粒子群优化算法求解细胞的介电参数,并讨论了压缩因子的变化对求解结果的影响.以Granulocytes白细胞为例进行算法验证,得到细胞膜的电导率和相对介电常数分别为7.25μS/m和10.3,细胞质的电导率和相对介电常数分别为0.487 S/m和136,且压缩因子的变化仅影响各组解的搜索概率,加速系数为2.015时所需解的搜索概率达到最高值.算法结果与白细胞介电参数的经验数据相吻合,表明该算法具有较高的精确性和稳定性.     

一种基于对数正态分布的图像阈值模型

为了更准确地拟合图像的目标与背景的灰度级分布并分割出图像的目标部分,采用基于参数的阈值估计方法,提出了基于对数正态分布的粒子群EM混合算法,设计了对数正态分布参数的粒子群算法、EM算法和粒子群EM混合算法,给出了对数正态分布参数的计算过程。研究结果表明:对数正态混合分布能够很好地拟合一类图像的目标与背景的灰度级分布,粒子群EM混合算法具有较好的收敛性。该研究成果有助于解决一类图像的目标与背景的分割问题。     

一种融合分布估计的离散粒子群优化算法的配电网重构

将基于分布估计的离散粒子群优化算法运用于配电网重构,以降低网损为目标函数,对于新的种群,随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果表明提出的关于配电网重构的新算法优于其他几种优化算法。     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

一种改进的粒子群优化算法

针对粒子群优化算法在迭代后期容易陷入局部最优、收敛速度变慢,精度降低、计算效率变差等缺点,提出了一种改进的粒子群优化算法.此算法通过引入惯性权重来调节粒子的速度变化,动态变化的学习因子来平衡粒子的社会学习能力和自我学习能力.通过测试函数检验,结果显示该算法能够有效摆脱局部最优,整个收敛速度明显变快,精度大幅提高.