基于热重启随机梯度下降和一类支持向量机信息融合的户变关系辨识方法

为了提高低压台区户变关系校验的效率,提出一种基于用电量和电压信息融合的台区户变关系辨识方法。首先,基于用电量建立台区和用户的关系模型,利用热重启随机梯度下降法(SGDR)求解,并使用滑动时间窗进行多次判断,综合得出户变关系初步辨识结果;然后,使用初步辨识得到的正常户变关系用户的电压数据构成训练样本,构建一类支持向量机(OC-SVM)学习台区正常用户的电压特征,完成台区用户的户变关系最终辨识;最后,对实际台区数据进行分析。结果表明：该方法实现了低压台区户变关系的有效识别,验证了该方法的实用性和可靠性。     

基于功效系数法的低压配网台区电压特性评估

低压配网台区电压特性的有效评估是供电企业筛选和治理低压配网台区的决策基础与依据.文中针对低压配网台区数量巨大且电压特性难以评估的问题,提出一种基于功效系数法的考虑全线路电压特性的低压配网台区电压特性评估方法.首先建立一套考虑全线路电压特性的低压配网台区评估指标体系,并将各评估指标标准化为统一的极大型功效系数值;然后基于主客观结合的序关系-拉开档次综合赋权方法设置各评估指标的权重,在凸显各评估对象整体差异的同时也融入了专家意愿,增强了评估方法的有效性和科学性;最后进行各低压配网台区的电压特性综合功效系数计算,完成评估和筛选过程.实例表明,该评估方法实用有效,适用于指导低压配网台区电压特性评估和筛选工作.     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

基于零序电压小波包能量比的配网单相高阻接地故障辨识分析

配网高阻故障大多是架空线接触高阻抗物体引起的单相高阻接地故障,难以通过稳态特征进行识别。基于等值网络分析故障产生高频分量的原因并考虑正常状态对辨识的影响,提出一种基于零序电压小波包能量比的配网单相高阻接地故障辨识方法。利用小波包频段分解对零序电压进行能量特征提取,提取低频段能量与高频段能量的比值作为高阻故障的识别特征量。基于某10 kV配电网对方法进行测试,通过BP神经网络的辨识对比结果,证实了方法的有效性;通过中性点接地方式、拓扑结构及故障条件变化等多种因素的分析及仿真,验证了方法的适用性。     

基于PCA-SOM的低压配网运行态势评估方法

基于低压配网自动化水平较低且现有运行态势评估方法未能涵盖配电网智能化的需求,提出了一种基于PCA-SOM的低压配网运行态势评估方法,首先利用改进的主成分分析提取低压配网运行态势评估指标并建立评估指标体系;其次对已构建指标体系中相关的配网运行数据进行基于自组织神经网络的异常数据辨识和清理;再次对各层次评估指标建模并计算权重;然后计算各层次指标值及评估得分,找出配网运行薄弱环节;最后对广西省某地区低压配网进行运行态势评估.结果表明,该方法能够科学合理地建立配网运行态势评估指标体系,以及有效减少异常数据对配网运行态势评估的影响,可为低压配网运行态势监测和运行优化提供参考.     

基于参数控制变量最优潮流算法在电力系统配网无功优化中的应用

在电力系统配网无功优化计算中,由于总的无功最优补偿容量无法确定,所以传统的等网损微增率方法无法得到一个较优的补偿方案;另外,在配网的实际运行中,当电压偏差较大时,有载调压变压器往往作为调节电压的手段而对无功功率的分布产生影响,这也使得等网损微增率方法难以实现.为了解决该问题,提出了一种将基于参数控制变量的最优潮流算法作为主要手段的新型无功优化方法.该方法以最小化平衡节点的注入功率为目标函数,将并联补偿的电容器组的电纳值和可调变压器的变比作为控制变量,在计算过程中计入了由于进行无功补偿所造成的网络参数变化,从而提高了计算精确度.最后给出了该方法应用于IEEE-30节点系统的计算实例.     

改善农村配网损耗的技术措施分析

本文通过对电网电压质量与线损关系的阐述，分析了电压质量对配网线损产生的影响，探讨在提高电压质量来降低10千伏配网线损所采取的技术措施。     

配置储能装置的光伏预测配网优化研究

在分析区域光伏并入配网时交流母线PCC点电压波动机理的前提下,提出一种配置储能装置的光伏预测配网优化运行方法。该方法分析光伏发电输出功率与多种气象因素的相关性,将多种气象因素作为多个信息源处理,运用信息融合理论将其加权为一个综合影响因子λ,建立以λ为输入的BP神经网络预测模型,将模型输出的预测值实时传送给储能装置,采用基于滤波原理的光伏发电输出功率平滑控制,实现光伏功率平滑输出,这种方法可以和分时电价有效结合,既提高配网运行经济性的同时稳定节点电压,降低节点电压越限的可能。研究结果表明:所述预测模型具有较高的预测精度,对配网的安全优化运行有一定作用。     

高中压配电系统供电能力评估与分析

为提高配网设备利用效率及各级网络供电协调性,对全电压等级序列配电系统供电能力以及上、下级电网供电匹配性进行了分析与研究.首先,定义了衡量高、中压配网供电能力悬殊程度的供电匹配度系列指标,并以此为依据,给出了供电瓶颈分析判据.其次,根据高压配电网网架结构和网源供电关系,构建了基于网源约束的高压配网供电能力分析模型,然后应用遗传算法和单纯形法的混合算法对模型进行求解.在此基础上,结合现有中压配网供电能力计算方法,通过供电阻塞分析,求取配电系统全局供电能力.最后,通过实际算例分析,验证了本方法的有效性和实用性.     

基于戴维南等值分布式电源对配网电压稳定性影响的研究

提出了一种基于戴维南等值判定配网静态电压稳定性的方法,并推导出了静态电压稳定性指标Svs。该方法能以几何直观的方式来判断分布式电源接入后配网电压稳定性态势,应用该指标可准确判断系统薄弱节点。以EDSA电力系统仿真软件通过算例仿真,分析了分布式电源的并网容量和位置对配网电压稳定性的影响,验证了该分析方法和指标的有效性和正确性。     

基于CNN与K-means聚类的非侵入式电器负荷识别方法

针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络（CNN）与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测,提取负荷发生投切事件的功率波形;其次,通过高斯滤波法对提取的功率波形进行滤波处理,并将处理后的波形转化为像素图作为负荷特征库,一部分作为训练集用来训练K-means算法改进后的CNN模型,一部分作为测试集测试模型识别的精度;最后,利用搭建的实验平台进行实际测试分析。实验结果表明,所用模型对7种家用电器的识别率均为100%,验证了模型的有效性。通过K-means算法对卷积神经网络进行改进,增大相似特性负荷特征之间的区别,提高负荷辨识的准确率,为非侵入式负荷检测技术开发提供了参考。     

改进K-means聚类的自适应加权K近邻指纹定位算法

针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.     

基于Leader的K均值改进算法

研究了K均值算法中初始聚类中心的选择对算法本身聚类精度及效率的影响,并提出了改进的算法(LK算法,Leader+K-means).LK算法中的初始聚类中心选择不是随机的,而是利用Leader算法得到若干个初始类中心,然后选择包含数据项最多的k个类中心,作为K均值算法的初始类中心.实验结果表明,LK算法在聚类结果的稳定性和正确率方面都是有效可行的.     

一种基于瞬时无功功率的改进p-q谐波电流检测方法研究

针对传统的谐波检测算法在检测三相电压对称时效果良好而不对称时存在很大误差的问题,提出一种新型的既适用于三相电压对称系统又适合三相电压不对称系统的高精度改进p-q谐波检测方法.该谐波检测方法应用正负序解耦理论提取三相电压的基波正序电压分量,通过给定的谐波拟合精度与相对误差等指标进行相应的跟踪计算,从而实现谐波电流的准确检测.通过仿真和实验表明,提出的谐波检测方法与传统方法相比具有较大的优势,精度、有效性和抗干扰性能表现良好.     

基于信息熵改进的 K-means 动态聚类算法

初始聚类中心及聚类过程产生的冗余信息是影响K-means算法聚类性能的主要因素,也是阻碍该算法性能提升的主要问题.因此,提出一个改进的K-means算法.改进算法通过采用信息熵对聚类对象进行赋权来修正聚类对象间的距离函数,并利用初始聚类的赋权函数选出质量较高的初始聚类中心点;然后,为算法的终止条件设定标准阈值来减少算法迭代次数,从而减少学习时间;最后,通过删除由信息动态变化而产生的冗余信息来减少动态聚类过程中的干扰,以使算法达到更准确更高效的聚类效果.实验结果表明,当数据样本数量较多时,相比于传统的K-means算法和其他改进的K-means算法,提出的算法在准确率和执行效率上都有较大提升.     

一种改进的无线传感器网络DV-Hop定位算法

针对无线传感器网络DV-Hop定位算法中信标节点与未知节点之间的平均跳距估算误差较大的问题,提出一种改进的DV-Hop算法并进行仿真检验。改进后的算法对传统算法中节点每跳距离选取进行了调整,还采用加权平均法计算节点平均每跳距离。仿真结果表明,改进的DV-Hop算法显著提高未知节点的定位精度。     

基于汉明距离的传感器网络分层拓扑发现算法

针对传感器网络能源有限的特性,提出了一种基于汉明距离的分层拓扑发现(LTIHD)算法.根据在汇聚节点收集到网络内部节点报文接收或丢失的情况,利用汉明距离识别相邻两层节点之间的父子关系,逐层推测网络的拓扑,不增加网络负担.仿真试验表明:推测18节点传感器网络需要60轮数据采集和1.56 s的推测时间;推测120节点传感器需要140轮数据采集和4.12 s的推测时间.该算法可以准确快速地推测传感器网络的拓扑,适合大规模传感网络的拓扑推测.     

Multi-sink Deployment Strategy for Wireless Sensor Networks Based on Improved Particle Swarm Clustering Optimization Algorithm

In wireless sensor networks(WSNs) with single sink,the nodes close to the sink consume their energy too fast due to transferring a large number of data packages,resulting in the "energy hole" problem.Deploying multiple sink nodes in WSNs is an effective strategy to solve this problem.A multi-sink deployment strategy based on improved particle swarm clustering optimization(IPSCO) algorithm for WSNs is proposed in this paper.The IPSCO algorithm is a combination of the improved particle swarm optimization(PSO) algorithm and K-means clustering algorithm.According to the sink nodes number K,the IPSCO algorithm divides the sensor nodes in the whole network area into K clusters based on the distance between them,making the total within-class scatter to minimum,and outputs the center of each cluster.Then,multiple sink nodes in the center of each cluster can be deployed,to achieve the effects of partition network reasonably and deploy multi-sink nodes optimally.The simulation results show that the deployment strategy can prolong the network lifetime.     

O-OFDM系统中基于相关性分析的改进PTS算法

为了解决光正交频分复用系统的高峰均功率比问题，提出了一种基于相关性分析的部分传输序列算法.该算法通过分析备选信号之间的相关性，将强相关信号和弱相关信号进行分类，对强相关信号进行选择性搜索，对弱相关信号进行全搜索，这样在整体上了减少搜索次数.此外，通过分析备选相位因子序列之间的关系，优化相位因子加权过程.仿真结果表明，在三种分割状态下，均能有效改善系统峰均功率比，尤其在交织分割状态下，该算法与传统部分传输序列算法相比，实现了无峰均功率比性能损失，且计算复杂度得到大幅度降低.     

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。