配电网故障定位的免疫二进制萤火虫算法

萤火虫算法（firefly algorithm, FA）全局搜索能力强、收敛快,在此基础上,该文引入记忆池和免疫算法,研究基于免疫二进制萤火虫算法（immune binary firefly algorithm, IBFA）的配电网故障区段定位方法。搭建IEEE33节点配电网仿真模型,模拟配电网线路发生单点与多点故障,在故障信息完整与发生畸变的情况下,使用IBFA与二进制粒子群算法分别进行故障定位仿真试验。结果表明,在网络发生2处故障且有2位信息畸变时,该文算法迭代计算10次后能找到最优解,定位出故障区段,而二进制粒子群算法迭代100次后仍未能找到最优解,IBFA有更好的容错性与收敛性。     

含分布式电源的配电网故障定位改进矩阵算法

由于传统矩阵算法在含分布式发电的配电网故障定位中的适用性变差,提出了一种改进矩阵算法实现对含分布式发电配电网的故障定位。该方法根据变电站母线处分支节点以及与分布式电源相连节点的故障信息,首先确定发生故障的区域,然后在该区域内利用改进的矩阵算法定位故障区段。考虑到故障信息的畸变,该方法针对定位结果的不同采用不同的纠错方法,提高了定位的准确性。该方法降低了矩阵的维度,排除了T接线处的误判。算例验证了所提出方法的可行性及容错性。     

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建.提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法.利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性.通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优.     

粒子群改进算法在配电网故障定位中的应用

为了满足含分布式电源配电网故障定位的要求,对传统二进制粒子群算法进行改进,利用改进二进制粒子群算法(BPSO)解决配电网故障定位问题。改进BPSO初始化随机数采用均匀分布,同时引入收缩因子和线性变换的惯性权重来提升算法收敛于最优解的能力,避免陷入局部最优,提升故障定位的精确性。对算例配电网中的多种故障情形进行仿真分析,包含少量故障信息畸变的情况,诊断结论全部正确。仿真结果表明,改进算法在精确性和收敛速度上均优于传统粒子群算法,对含分布式电源的配电网故障定位具有一定的有效性和容错性。改进BPSO可以满足电网定位对准确和实时性的要求。     

含分布式电源配电网故障检测与定位研究综述

分布式电源（Distributed Generation,DG）并入配电网已成为新型电力系统重要特征,配电网结构由辐射状转变为多源多端网络架构,由此引起的短路故障特性将发生根本变化,对配电网故障快速保护尤其故障快速检测与定位提出更高的技术要求。本文在综述研究现状基础上,从时空角度分别分析含分布式电源配电网故障新特性,阐述传统配电网保护技术局限性,给出含分布式电源配电网保护检测与定位研究展望,指出故障快速检测与定位配合具有快速操动机构的断路器,能够实现故障区域的快速有效隔离,以保障含分布式电源配电网的安全运行。     

配电网故障定位算法研究

针对配电网故障快速准确定位问题,研究了故障定位的矩阵算法,分析了不对称矩阵算法的基本原理,针对该算法存在判别盲区的缺陷,提出了在辐射网和树状网末端增加零节点编号的改进方法,消除了判别盲区;该方法具有简单、实时性强的特点,在配电自动化系统中有很强的实用性。论文最后用算例验证了该算法的有效性。     

采用改进二进制蝙蝠算法的任务调度算法

针对海服务系统环境中任务完成时间过长的问题,提出一种基于改进二进制蝙蝠算法(IBBA)的任务调度算法。该算法通过在二进制蝙蝠算法(BBA)寻优过程中引入非线性惯性权重因子,平衡全局搜索和局部搜索能力;利用2个不同的邻居蝙蝠算子构成扰动项,避免算法陷入局部最优;利用自适应学习因子调整全局最优算子和邻居蝙蝠算子的权重,控制整个寻优过程由全局搜索为主向局部搜索为主过渡。实验结果表明:IBBA可以稳定地搜索到全局最优值,与现有的基于二进制粒子群算法(BPSO)和二进制蝙蝠算法的任务调度算法相比,在任务数较多时,基于IBBA的任务调度算法能避免过早收敛,使任务完成时间显著减少。在海服务网络中,将该算法应用于任务调度,可提高处理大粒度服务的效率。     

一种配电网故障区段定位的改进矩阵算法

分析了现有配电网故障定位矩阵算法存在的问题,提出一种配电网故障区段定位改进矩阵算法。该方法以网络关联矩阵描述馈线区段和测控点的拓扑联接关系,根据故障发生时与故障馈线区段相连测控点的故障过电流特征,形成一种适用于各类型馈线区段故障判定的统一判据。该算法判据形式统一、计算量小,省去了规格化处理与多次设定正方向的过程,能够解决环网故障、馈线末端故障、多电源网络多重故障定位等问题。     

基于ACPSO算法的含分布式电源配电网无功优化

文章研究了含分布式电源的配电网络无功优化问题,基于无功裕度值探讨了无功补偿装置的接入位置,建立了含分布式电源配电网络多目标无功优化模型;运用自适应混沌粒子群算法(ACPSO)进行求解,在初始化计算过程中引入混沌系统,增加粒子种群的多样性,在迭代过程中引入惯性权重线性递减法和变学习因子法,以得到更精确的全局最优解;通过含分布式电源的IEEE 33节点系统的计算,验证了所提模型和算法的正确性。研究表明对含分布式电源的配电网络进行无功优化能够达到降低成本、网损和提高电能质量的目的。     

基于概率条件下配电网故障区段定位方法

馈电线路发生故障时,故障区段必然位于两个相邻负荷开关之间的线路上,通过馈线终端单元采集故障信息上报SCADA系统,得到负荷开关上馈线终端的有关故障信息序列,利用故障信息进行故障区段定位。建立基于概率条件下的故障区段定位模型,利用发生故障时的最大故障概率这一条件进行故障区段定位,简单可靠。     

一种有效求解厌恶设施选址问题的混合启发式算法

由于1-maximin模型的目标函数在每条边上是分段线性的凹函数,基于1-maximin模型的这一特点,将粒子群算法和黄金分割法有机结合起来,提出了一种求解1-maximin模型的混合粒子群-黄金分割（PSO-GS）算法。数值实验表明,PSO-GS算法求解1-maximin模型和1-maxisum模型较UnCenter和Newalgorithm算法效率高。     

基于量子退火算法的配电网故障定位

由于分布式电源在配电网的高渗透给有源配电网的保护技术和策略带来了挑战,致使传统方法在故障诊断中稍显逊色。针对此现状本文提出基于量子隧穿效应的量子退火算法实现故障诊断,并通过对量子退火算法进行优化以改善其在复杂配电网故障诊断中有小概率陷入局部极小值的问题。首先拓展传统故障定位适应度函数为量子退火算法的评价函数;其次,提出混沌优化产生初始磁场强度和初始温度提高搜索效率,利用自适应公式计算扰动次数,并设计陷入局部最优时的扰动方法跳出当前最优可行解;接着构造具备升温特点的温度衰减函数,选择合适形式的磁场衰减函数;最后将改进的量子退火算法进行三种经典函数的测试,并分别应用于33节点单电源和33节点含分布式电源配电网两个故障场景中。模拟仿真表明,改进量子退火算法在故障定位问题中具备可行性,能够适应联络开关的开闭变化和多个含分布式电源的投切,表现出良好的定位准确率,容错性和全局寻优能力等。     

引入PSO加速因子和个体认知的改进蝙蝠算法

针对蝙蝠算法后期收敛速度慢,易陷入早熟收敛,求解精度低的缺点,提出一种引入粒子群算法中的个体认知与加速因子的改进方法。该方法增加了蝙蝠的个体历史飞行经验,提高了个体自主性,以避免群体经验过度影响带来的进化能力丧失;利用加速因子对速度的控制,增加蝙蝠的可飞行范围,提高搜索能力,加快收敛速度。最后选取标准测试函数对设置不同加速因子的改进算法进行仿真验证,并与基本蝙蝠算法进行对比,结果显示改进后的算法在收敛速度和求解精度上有进一步提高。     

Cultural Binary Particle Swarm Optimization Algorithm and Its Application in Fault Diagnosis

Binary particle swarm optimization algorithm(BPSOA) has the excellent characters such as easy to implement and few set parameters.But it is tendentious to stick in the local optimal solutions and has slow convergence rate when the problem is complex.Cultural algorithm(CA) can exploit knowledge extracted during the search to improve the performance of an evolutionary algorithm and show higher intelligence in treating complicated problems.So it is proposed that integrating binary particle swarm algorithm into...     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

粒子群优化算法及其在电力系统中的应用

粒子群优化(PSO)算法是一种新兴的基于群体智能的进化算法.介绍了PSO算法的基本原理及各种改进方法,总结了近年来PSO在电力系统中的应用研究成果,主要涉及负荷经济分配、机组组合问题、输电网规划、最优潮流计算、无功优化等领域,指出了PSO算法的广阔应用前景。