基于RCA-BA算法的配电网故障区段定位研究

为提高配电网故障区段定位灵敏度和准确率,快速处理故障,恢复供电。将可逆元胞自动机(RCA)与蝙蝠算法(BA)相结合,将蝙蝠看作元胞形成可逆元胞蝙蝠算法(RCA-BA)。蝙蝠不断地在其邻居和前置状态范围内进行寻优。利用动态惯性系数改进BA算法的速度、位置等变量的更新方式,增强了RCA-BA算法搜索的灵敏度,提高了算法搜索到全局最优解的概率。MATLAB仿真结果表明可逆元胞蝙蝠算法能够迅速准确的定位故障区段,同时受采集信号畸变的影响小。     

有源配电网具有容错性的快速故障区段定位方法

针对矩阵算法与优化算法在应用于有源配电网故障定位过程中存在容错性较差、易陷入局部最优等问题,提出了一种有源配电网具有容错性的快速故障区段定位方法.该方法首先利用矩阵算法快速筛选疑似故障区段,其次通过对优化算法开关数学模型进行改进以适应多个分布式电源投切,然后基于矩阵算法定位结果穷举所有可能存在的馈线区段状态,将其作为初...     

基于广义反向学习的自适应约束差分进化算法

差分进化算法是一种基于"贪婪竞争"机制的全局寻优算法,其控制参量少、结构简单,具有较高的可靠性和收敛性,将约束处理机制引入到差分进化算法可以高效解决约束优化问题。提出一种基于广义反向学习的自适应约束差分进化算法,利用广义反向学习机制生成初始种群并执行种群"代跳"操作,采用自适应权衡模型将约束区分状态处理以及改进自适应变异操作对个体进行排序变异。通过与CDE、DDE、A-DDE、εDE以及DPDE算法进行试验比较以及对广义反向学习和改进自适应排序操作性能分析证明该算法具有较好的寻优精度及收敛速度。     

基于改进的DE算法对PID参数的优化

通过改进标准差分进化算法的放缩因子,得到一种改进的差分进化算法.这种改进的差分进化算法具有自适应的特点,能自调整放缩因子的大小,而标准差分进化算法的放缩因子通常取某个常数.将这种改进的差分进化算法用于PID参数的优化,克服了一些传统方法过于直接、不能寻优的缺点.仿真结果显示,改进的差分进化算法,具有较快的响应速率和较好的鲁棒性.     

基于ADEMO/D-ENS算法的表决冗余系统多目标可靠度优化与分配

为了解决具有表决冗余结构的系统可靠度多目标优化与分配问题,提出了一种新颖的算法——基于解耦的邻域种群集多目标自适应差分进化算法(ADEMO/D-ENS),该算法将变邻域解耦算法和PM自适应差分进化算法相结合,不仅克服了经典差分进化算法存在的缺陷,同时解决了解耦算法邻域种群选择的问题,并将该算法和NSGA-2算法进行了仿真对比。最后,将ADEMO/D-ENS算法用于某系统可靠度和成本的多目标优化,确定了系统可靠度和成本的Pareto前沿,并给出了决策者感兴趣的组件可靠度和冗余度数据。     

一种用于配电网故障定位的粒子群算法分析

基于粒子群优化箅法简单高效的优点,根据配电网拓扑结构特点以及配电网故障多为单点故障这一工程实际,将粒子群算法用于配电网故障定位中.当故障定位转入支路网时,将支路-节点矩阵算法与粒子群算法相结合,利用故障判别矩阵确定故障线路段,进而转入故障点的寻找,避免单一使用粒子群算法在支路寻优过程中可能出现局部收敛的情况.算例分析结果表明,该方法在配电网故障定位问题上是可行的,并且改善了传统故障定位算法运算效率低的缺点.     

基于改进蝙蝠算法含分布式电源的无功优化

将分布式电源与传统的配电网电压调节方式相结合,分析包含分布式电源的配电网系统无功优化的问题,并建立了有功网络损耗最低以及电压稳定裕度最大的多目标优化数学模型,利用模糊理论将分布式电源的多目标无功优化问题转换成单目标优化问题,进一步减少了有功网损,提高了电压稳定性。鉴于传统蝙蝠群体易于聚集于局部极值,导致早熟,将混沌序列以及自适应调整策略融入到蝙蝠优化算法中,提出了一种改进型多目标蝙蝠优化算法,利用混沌理论以及动态自适应机制调整的特性,对蝙蝠算法参数进行调整。通过IEEE-33测试系统验证,所提算法具有良好的实用性和适应性,并且也证明了所提模型的实际意义。     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

基于蝙蝠算法的PID控制参数优化技术与仿真研究

PID参数整定是PID控制中的一个重要环节,传统的PID参数整定方法已经不能完全适用。为提高PID参数优化精度,解决传统PID参数整定时产生的误差较大问题,将蝙蝠算法引入控制系统中优化PID控制参数。通过MATLAB仿真,比较蝙蝠算法、粒子群优化算法和增量式PID控制算法对控制参数优化的性能。实验结果表明：在函数寻优测试中,与遗传算法、粒子群优化算法相比,蝙蝠算法能防止陷入局部最优,使种群更加稳定并达到更好的收敛速度和寻优精度;在PID控制参数优化中,与粒子群优化算法、增量式PID控制算法相比,蝙蝠算法优化PID控制参数的实际输出曲线最贴近理论输出曲线,稳定性更好。     

自适应混合文化蜂群算法求解连续空间优化问题

提出一种自适应混合文化蜂群算法求解连续空间优化问题。算法中群体空间采用最优觅食理论改进群体更新方式;信念空间通过云模型算法和最优排序差分变异策略对知识进行更新;利用混沌算法和反向学习算法进化外部空间;3种空间通过自适应的影响操作来实现知识的交换。典型复杂函数测试表明,该算法具有很好的收敛精度和计算速度,特别适宜于多峰值函数寻优。     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

一种新型配电网故障定位寻优算法

本文引入一种全新的寻优算法——蚁群算法。首先对该算法的基本背景及概念作一阐述后,再将该算法理论模型创新应用至配电网故障定位问题当中去,从而形成可适用于故障馈线区间求解的一种全新通用算法。算法性能具有高容错性,开放性较强。     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

计及信息畸变的有源配电网故障区段定位

随着配电网自动化设备的普及以及分布式电源技术的发展,自动化设备采集的故障信息对配电网故障区段的准确定位具有重要意义。为此,对计及故障信息畸变的有源配电网故障区段定位问题进行了研究。首先,通过分析配电网拓扑结构建立网络描述矩阵,利用故障电流总是流向故障区段的原理进行了初步故障定位。其次,根据馈线终端装置（FTU）故障信息畸变的稀疏性、不合理性,建立了信息畸变识别判据;然后,利用FTU的遥测信息对信息畸变进行校正,得出真实的故障区段;最后,在发生单、多重故障且存在信息畸变场景下对改进IEEE 33节点系统进行仿真测试。仿真结果充分验证了所提方法的有效性。     

采用多目标蝙蝠算法的电力系统广域协调控制策略

广域电网中多个电力系统稳定器之间存在相互作用,影响整个系统的控制效果,为此提出一种基于蝙蝠算法的多目标广域阻尼控制器协调设计方法. 该方法利用蝙蝠算法中种群的多样性,使得算法在迭代寻优过程中保持持续优化的能力,保证算法具有较好的收敛性和准确性;以机电振荡模态的实部和阻尼比为目标函数,将多机电力系统稳定器参数优化问题归结为带不等式约束的多目标优化问题. 分别在四机两区域系统和新英格兰典型系统的多种运行方式下进行仿真,结果表明：所提方法能够改善系统弱机电模式的特征值分布,有效抑制低频振荡,具有良好的控制效果和鲁棒性.     

基于改进粒子群神经网络的提升机故障诊断

针对BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于粒子群神经网络的故障诊断方法.根据制动系统故障征兆与故障类型之间的非线性和耦合性,建立了提升机制动系统的故障诊断模型;采用改进的粒子群算法优化BP神经网络的连接权值和阈值,应用于制动系统的故障诊断,缩短了神经网络的训练时间,提高了故障诊断的精度.仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点.     

考虑多源信息的配电网故障定位容错方法

针对传统配电网故障定位算法仅考虑配电网馈线终端单元作为单一信息源存在容错率较低的问题,利用用户用电采集系统的供电信息作为冗余信息,考虑分布式电源接入配电网的影响构建故障定位适应度函数,并通过二进制粒子群算法求解模型.利用改进D-S证据理论进行证据融合,根据证据决策准则得到配电网故障区段定位结果.仿真结果表明,该算法可有效实现故障定位,并且在单重故障与双重故障下FTU信息有误时,较传统算法相比容错率有所提高.     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

基于组合型交叉熵算法的多电源配电网故障定位

提出一种利用组合型交叉熵算法实现多电源配电网故障定位的方法。考虑多电源配电网故障电流与设备状态的关系,建立表征配电网故障定位问题的优化模型,利用组合型交叉熵算法求取模型最优解,并给出算法的具体实现步骤。仿真结果表明该文算法能够对多电源配电网中的单点及多点故障进行准确定位,在伴有部分信息畸变的情况下,仍能给出正确结果,具有准确性和容错性高等优点。