蚁群一条件禁忌混合计算智能算法的Petri网路径寻优

Petri网（PN）的路径寻优问题一直是PN研究与分析中的重点和难点,尤其是研究、开发大型复杂PN的路径寻优智能算法将面临更大的挑战。根据传统蚁群算法（ACO）路径寻优特点,结合PN变迁规则,提出一种蚁群：奈件禁忌（ACO—CTSJ混合计算智能算法求解Petri网路径寻优问题。算法中,Petri网中的令牌类比成AC0中的蚂蚁,令牌／蚂蚁在变迁的过程中将信息素留在所经过的变迁中,通过信息素调整、控制令牌／蚂蚁的变迁,最终找到最短时延的变迁路径。寻优过程中,引入TS算法,根据不同奈件通过禁忌最优解中的变迁,使令牌／蚂蚁在寻优过程中能跳曲局部最优解,从而有效防止ACO算法路径寻优过早陷入局部最优解．仿真结果验证了所提方法的正确性和有效性。     

基于人工神经元网络的电力系统暂稳极限功率快速确定

提出用神经元网络来实现暂态能量裕度、发电机输出功率及故障切除时间三者之间的非线性映射关系，从而实现暂态稳定极限功率的快速精确求解，并将其研究范围扩大到同时考虑故障切除时间变化的影响，突破了灵敏度分析法的局限性。文中还将电力系统动态等值技术与Ｌｙａｐｕｎｏｖ直接法相结合，极大地提高了学习样本的提取速度。系统算例表明，文中所提出的暂稳极限功率确定方法速度快、精度高，并具有较强的模型适应性和较好的工程实用背景。     

基于扩展等面积准则法的广义暂态稳定裕度

指出了传统的扩展等面积准则法（ＥＥＡＣ法）暂态稳定裕度定义方法的局限性及其适用范围，提出了可在电力系统状态变量的较大变化范围内，仍能正确反映系统受扰严重程度的ＥＥＡＣ法广义哲态稳定裕度定义数学模型及具体计算方法，并用实际系统的计算分析验证了所提出定义方法的正确性及有效性，从而为电力系统快速暂态稳定“扫描”分析及故障严重性排队提供了一个更为有效的暂态稳定格度定量指标。