排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
为了进一步提高同步相量测量单元(phasor measurement unit,PMU)配置的效率以及其在大规模系统中的应用,提出一种结合人工智能方法和图论方法的混合优化算法。该算法以4种拓扑重构规则和3种PMU配置规则为基础,利用拓扑约束分析法逐步得出目标电网PMU配置的约束条件,有效缩小了问题的可行解空间,并提出基于序号编码法的遗传算法(genetic algorithm,GA),使用改进的交叉变异算子避免繁殖过程中出现不可行解,从而进行高效的优化。算例表明,所提算法不仅能够准确得到最小PMU配置数目,而且对大系统也具有较快的运算速度,在大规模系统PMU配置中具有很高的应用价值。 相似文献
2.
为了进一步优化同步相量测量单元(phasor measurement unit,PMU)配置的合理性和效率,提出了一种新的误差度分析原理,并使用改进的遗传–模拟退火算法对多个IEEE标准测试系统进行了优化配置。该原理同时考虑了测量冗余度和状态估计的精度,并且避免引入雅可比矩阵,还具备可观测性分析的功能。研究结果表明:该算法不仅可以找到满足全网可观测性的所有PMU数目的配置解,而且进一步提升了全网的测量精度,从而证明了其有效性和优越性。 相似文献
3.
4.
5.
6.
1