基于混沌优化算法的电力系统经济调度和最优潮流

针对电网及电厂经济运行的要求，依据混沌运动的遍历性、规律性、随机性等特点，采用了一种改进的混沌优化方法对电厂与电网进行经济调度。该方法利用混沌变量进行搜索寻优，能不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，仿真结果表明，本方法搜索速度快，求解精度高，且使用方便。     

启发式进化规划及其在最优潮流中的应用

针对连续变量优化问题，将进化规划同传统的梯度寻优技术相结合，设计了一析的启发式进行规划算法。它在保留了原进化规划特点的同时，又具有有较高的解题效率，并将它用于解算电力系统最优潮流，在优化编码、适合度函数及变异一取值方面进行了研究，结果表明获得了近乎全局最优的解。     

基于微分进化算法的电力系统最优潮流

将微分进化算法（Differential Evolution,DE）应用到电力系统最优潮流（Optimal Power Flow,OPF）问题中,以系统总发电成本为目标函数,除平衡节点外发电机节点有功功率、发电机节点电压幅值和可调变压器变比作为控制变量,建立了DE-OPF的数学模型．基于增广拉格朗日函数法,将状态变量约束考虑入优化的目标函数中．以IEEE30节点测试系统进行了测试,仿真结果表明,与两种遗传算法和一种改进的粒子群算法：传统遗传算法（canonical genetic algorithm,CGA）、自适应遗传算法（adapive genetic algorithm,AGA）和全面学习粒子群算法（CLPSO）相比,DE算法具有较好的全局寻优能力和较快的收敛速度,能有效地解决最优潮流问题．     

基于节点不平衡功率的病态潮流算法

提出了基于节点不平衡功率的病态潮流算法，将潮流方程转换为非线性规划的形式，与普通的潮流计算相比较，计算量增加不大；对于由潮流计算初值不合理、潮流方程无可行解等因素引起的潮流病态现象有很好的收敛性．经过IEEE-30节点系统在几种情况下的计算比较，证明该算法是非常有效的．     

基于bpmpd算法的最优潮流研究

随着我国现代化建设的快速发展和国民经济的大幅度提高,我国的电力事业正以惊人的速度向前发展。面对电网规模的不断扩大及结构日趋复杂,要求我们有良好的措施来确保电网安全、经济、优质地运行。最优潮流能将经济性与安全性近乎完美地结合在一起,正成为研究的热点。bpmpd算法是基于KKT条件的原对偶内点法具有多项时间性、二次收敛性、对初始点不敏感等一系列良好的特性及计算快速、鲁棒性好、处理病态问题强等特点。它不仅可以用于线性规划问题,而且可以拓展到求解二次规划和非线性规划问题。内点法由于其良好的计算性能,正逐步取代其它传统算法,成为近年来最优潮流领域的研究重点。     

基于自组织模糊神经网络的统一潮流控制器研究

提出一种自组织模糊神经网络的控制方法，并应用于统一潮流控制器的多变量控制中．通过仿真，结果表明：与传统控制方法相比较，自组织模糊神经网可以达到更理想的控制效果．     

基于自组织模糊神经网络的统一潮流控制器研究

提出一种自组织模糊神经网络的控制方法,并应用于统一潮流控制器的多变量控制中．通过仿真,结果表明:与传统控制方法相比较,自组织模糊神经网可以达到更理想的控制效果．     

基于多步回溯Q(λ)学习算法的多目标最优潮流计算

为了克服传统的最优化算法面对复杂、非线性描述的多目标最优潮流时无法满足电力系统实时调度运行的这一缺点,提出了一种基于半马尔可夫决策过程的多步Q(λ)学习算法,该算法不依赖于对象模型,将最优潮流问题中的约束、动作和目标转换成算法中的状态、动作与奖励,通过不断的试错、回溯、迭代来动态寻找最优的动作.将该算法在多个IEEE标准算例中与其他算法进行比较,取得了良好的效果,验证了多步Q(λ)学习算法在处理多目标最优潮流问题时的可行性和有效性.     

电力系统潮流误差反向传播算法

文中将人工神经网络中的误差反向传播算法应用于电力系统潮流计算，通过算例表明，该算法具有较好的收敛特性。     

带有最优乘子的牛顿法潮流程序设计

带有最优乘子的牛顿法潮流计算是数学规划原理和牛支潮流计算的结合，能有效地解决病态电力系统的潮流计算问题。     

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.     

基于遗传算法的FACTS网络最优潮流计算

基于遗传算法建立了一种新的含有FACTS元件的网络最优潮流模型。该模型引入了两种不同的FACTS元件，通过ward＆Hade-6节点系统进行仿真计算，得出用遗传算法选择最佳调节状态可较快达到系统总网损最小，且潮流都在安全极限内。该算法具有较好的实用性。     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

基于模糊神经网络的多方案优选方法的研究

针对多属性、多准则的机械方案优选权重难以确定的问题，提出权重分配的神经网络模型，使权重的确定较为客观准确，并具有自学习功能。     

一种新的配电网络重构最优流模式算法

提出了一种改进的最优流模式算法,用于解决以功率损耗为函数的网络重构问题。先从理论上推导出了在最优流模式下打开环网中的一个开关后系统功率损耗率变化的计算公式,然后以打开开关所引起的网络损增量小为启发式规则来打开关以形新的辐射网。     

神经网络近似结构分析的最佳样本集

基于多层神经网络映射存在定理,建立近似结构分析的人工神经网络模型,构造不同样本集进行计算机数值试验,分析不同样本集学习后模型的模拟精度,算例分析表明,当采用适当的样本集训练神经网络时,得出的可靠性指标可满足精度要求同时训练时间又最少。     

基于最优神经网络的电路测试方法研究

在数字电路最优神经网络模型的基础上,研究基于该模型的电路测试生成方法.首先获得了多输入基本门电路的最优神经网络能量函数的一般表达式,然后对这种测试方法的原理、实现步骤、以及加速测试的措施等进行了详细研究.结果表明以最优神经网络模型为基础的电路测试方法在测试生成的速度方面快于其它类似方法,如基于Hopfield神经网络的电路测试生成,具有较好的应用潜力.     

一种考虑可靠性指标的最优潮流模型

提出一种考虑可靠性指标的最优潮流模型.该模型能考虑系统中的随机因素,通过z变换法构造电力系统的可靠性指标约束,将该约束添加到经典最优潮流(OPF)模型中共同求解,从而使电力系统的调度或控制能在满足一定的失负荷概率(LOLP)指标的前提下实现最优运行.所提模型是一个典型的非线性规划模型,采用内点算法求解.通过RTS-24系统仿真测试以及随机生产模拟程序分析发现,与经典OPF得到的发电计划相比,考虑可靠性指标后电量不足期望值下降了31.48%,而生产成本仅上升了14.39%.因此,所提模型能使系统的调度综合考虑可靠性和经济性,运行方案更实用.     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。