基于二进制群智能算法的输电网故障诊断方法

为保证电网故障诊断的准确性与实时性,将二进制粒子群算法(BPSO)和二进制蚁群算法(BACA)引入到电网故障诊断优化模型的求解中,并与遗传算法作了对比分析.对单一故障、多重故障、保护非逻辑性动作、信息丢失等不同故障信息条件下的故障案例进行了仿真.仿真结果表明二进制群智能算法在收敛速度和优化结果方面显著优于GA,同时验证了提出的电网故障诊断方法具有诊断准确和容错性好等优点.     

离散二进制粒子群算法在基于模型配电网故障诊断中的应用

提出一种基于模型的配电网故障诊断方案,该方案首先根据配电网原理模型的仿真数据和实际观测值存在的差异得到极小冲突集,然后由离散二进制粒子群优化算法推出可能的故障元件和故障形式,最后由贝叶斯方法确定概率最高的诊断结论.通过实际建模、编程和实验证明了该方案的可靠性和有效性.仿真结果表明,与HS-Tree、Boolean Algebra方法、遗传算法等算法相比,离散二进制粒子群算法搜索效率更高,可节约1/3～1/2的搜索时间,并且可以避免当问题规模较大时出现内存溢出问题.     

基于模拟退火——二进制粒子群优化算法的配电网重构

提出了将模拟退火算法与二进制粒子群算法相结合的用于配电网重构的优化算法。该算法既发挥了粒子群算法收敛速度快的特点,又因为引入的模拟退火算法具有的较强的跳出局部最优解能力,因此有效地避免了粒子群算法易陷入局部极值点的缺点,提高了进化后期算法的收敛速度和精度,并应用IEEE16节点系统的算例,验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。     

群智能算法在电力系统无功优化中的应用

总结了群智能算法在电力系统无功运行优化问题中的应用现状,指出了各种典型算法在解决此类问题时的优、缺点,并提出了相应的改进建议。     

基于改进简化粒子群算法的多目标输电网规划

针对标准粒子群(SPSO)算法在计算过程中容易陷入局部最优的缺点,对SPSO算法做了以下改进:首先,简化粒子群算法,去掉不影响其进化过程的速度矢量,提高收敛精度;其次,将粒子群算法中的惯性权值由线性递减策略改进为非线性递减策略,有效地控制了粒子群优化算法的全局搜索和局部搜索.在输电网扩展规划中的应用结果表明,上述2个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进简化粒子群算法的有效性.     

基于二进制粒子群算法的交直流混合配电网故障恢复方法

针对交直流混合配电网特殊的网架结构和电气特性,构建交直流混合配电网故障恢复模型。所提出的模型以故障恢复综合满意度指标为目标函数,并计及潮流约束、节点电压约束、支路传输约束和网络辐射状约束等约束。对所建立的模型设计两阶段优化求解流程,第一阶段采用二进制粒子群算法进行求解,第二阶段采用粒子群算法进行求解。最后通过一个算例表明,交直流混合配电网故障位置对故障恢复策略以及故障恢复综合满意度指标有着较大影响,同时所提出的模型适用于交直流混合配电网故障恢复问题。     

一种基于模拟植物生长算法的输电网故障诊断方法

将模拟植物生长算法应用于输电网故障诊断,提出了将开关及设备电流转化成整形变量的方法,建立输电网故障诊断模型.仿真实验验证了模型的正确性、有效性及高容错性.     

输电网故障诊断方法综述与发展趋势

综述了近年来研究得较多的输电网故障诊断方法,包括专家系统、人工神经网络、Petri网、贝叶斯网络、优化方法、模糊集理论、信息理论和多代理技术等。简要概括了它们的诊断原理和特点,并评述其存在的不足和近几年来的研究成果。最后,从目前输电网故障诊断的研究现状以及面临的问题出发,指出了该领域所需解决的关键技术问题和主要发展趋势,以促进该研究领域的进一步发展。     

输电网故障诊断方法综述与发展趋势

综述了近年来研究得较多的输电网故障诊断方法,包括专家系统、人工神经网络、Petri网、贝叶斯网络、优化方法、模糊集理论、信息理论和多代理技术等.简要概括了它们的诊断原理和特点,并评述其存在的不足和近几年来的研究成果.最后,从目前输电网故障诊断的研究现状以及面临的问题出发,指出了该领域所需解决的关键技术问题和主要发展趋势,以促进该研究领域的进一步发展.     

基于改进二进制粒子群算法的配电网故障恢复

鉴于现有的配电网故障恢复算法普遍存在着计算速度慢或难以搜索到全局最优解的问题,提出了一种基于改进二进制粒子群算法的配电网故障恢复算法。首先采用等效负荷模型简化网络;在确定目标函数时,引入了层次分析法求解各指标的权重值,较之传统的经验确定法更符合实际;然后从惯性权重和学习因子的选取及粒子相似性控制2个方面对基本二进制粒子群算法进行了改进。算例分析表明,文中所提出的方法计算速度快,易收敛到全局最优解,能有效地求解配电网故障恢复问题。     

基于云模型的输电网规划方案综合决策方法

针对目前输电网规划方案综合决策中存在不确定因素以及确定指标权重方法主观性强的问题,提出了基于组合权重和云模型的输电网规划方案综合决策方法。该方法首先基于层次分析法、序关系法计算的主观权重和熵权法、变异系数法计算的客观权重,利用粒子群优化算法求取各评价指标的组合权重,克服了单一专家赋权或客观赋权的不足。然后采用云模型对各方案进行优劣排序,充分发挥了云模型能反映评价信息的模糊性和随机性的优势。最后结合IEEE Garver-6算例验证了该决策方法的有效性。     

基于改进粒子群算法的Pareto多目标输电网规划

针对标准粒子群算法易收敛到局部最优的缺点,本文对粒子群算法做出了以下几点改进:首先,在编码策略上采用一种保证网络连通性的编码方式,有利于保持种群的分散性;其次,采用了一种改进的粒子速度更新公式,即在粒子群算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;另外,在算法迭代过程中加入变异操作,是使初始化失活粒子的位置和速度来保持种群多样性。在输电网扩展规划模型中引入了Pareto多目标模型,这种模型相对于单目标和加权多目标模型相比更具实际工程意义。算例结果表明,上述几个操作可以提高粒子群算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群算法的有效性.     

基于双态二进制粒子群优化算法的配电网故障定位

针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。     

基于粒子群模糊神经网络的继电保护系统故障诊断

针对电力系统继电保护中故障诊断的特点和要求,建立了基于模糊神经网络的故障智能诊断系统模型。采取粒子群优化（PSO）算法和误差反向传播（BP）算法柏结合的方法训练该模型网络,充分发挥PSO全局寻优能力和BP局部细致搜索优势,提高了诊断的可靠性和准确性。实验结果证明了该方法的有效性。     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100%符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节。此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷。最后对IEEE单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力。     

基于粒子群优化神经网络的变压器故障诊断

为克服电气分析应用中误差反向传播(BP)神经网络存在的不足,提出了一种利用改进粒子群算法优化神经网络的变压器故障诊断新方法。该法的惯性权重自适应调整,以平衡局部和全局搜索能力;收缩因子加快算法的收敛速度,有利于更快地收敛于全局最优解。利用改进的粒子群算法优化神经网络参数,并结合BP算法训练网络可有效地克服常规BP算法训练网络权值和阈值收敛速度慢、易陷入局部极小和遗传算法独立训练神经网络速度缓慢等缺点。最后,进行变压器故障实例分析的仿真结果表明,该算法具有较快的收敛速度和较高的诊断准确度,证实了该方法的正确性和有效性。     

基于改进二进制粒子群算法的孤岛划分方法

当分布式电源（distributed generation, DG）发生孤岛效应并停止运行时,可能导致重要负荷供电中断、DG弃光率升高和配电网供电可靠性降低。提出了一种基于改进二进制粒子群算法的孤岛划分新方法。根据线路电阻确定停电区域内负荷与各DG的电气距离,将其划分为多个单DG初级孤岛,以降低算法复杂度、避免功率远距离输送;给出具有“移动”“寻优”“突变”特性的速度更新公式和逐级约束的位置更新公式,并利用其划分各初级孤岛,以避免算法陷入局部最优解,从而提高其寻优速度;调整不满足约束条件和存在孤岛融合的供电区域,以保证孤岛运行的稳定性和最优性,实现孤岛划分。利用MATLAB/Simulink搭建IEEE 69节点配电系统,验证了该方法的有效性。     

基于粒子群优化PCA-LSSVM算法的高压断路器机械故障诊断研究

为了对高压断路器操作机构进行故障诊断,提出了基于粒子群优化的PCA-LSSVM算法模型(PCA-PSOLSSVM),该模型的输入为高压断路器操作机构分合闸线圈电流曲线上的5组特征点,输出为1—5的故障类别。对某台高压断路器进行故障模拟,建立了PCA-PSO-LSSVM算法模型,对测试的断路器操作机构进行故障分类。结果表明,基于粒子群优化的PCA-LSSVM算法能够准确地对高压断路器操作机构进行故障分类。将PCA-PSO-LSSVM算法和多种基于SVM的故障诊断算法进行比较,比较结果表明:在综合考虑了算法准确率和运算时间的基础上,PCA-PSOLSSVM算法是几种算法中最优的。     

基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型

平面变压器的寄生参数是平面变压器结构设计以及电源电路设计的重要参考指标.由于寄生参数与平面变压器的结构、材料等存在非线性关系,寄生参数非常难以计算.针对现有的寄生参数预测算法以及寄生参数的特点,设计了一种基于离散二进制粒子群优化随机森林的平面变压器寄生参数预测模型.通过36组平面变压器数据对该模型进行训练和验证,结果显...