浅析电网谐波分层控制及多谐波源的治理

本文阐述了对开平市红花变电站工程实践进行了方法介绍,并在电镀、铸造企业较多的地区也进行了两个试点,均取得类似效果。该方法在电网已全面推广应用取得了较好的电网效益,在很多的地区几个谐波危害严重地区的治理工程完工后,因谐波影响电网安全运行的事件已大大减少。随着电网谐波电压水平的降低,又为单个谐波源用户的分散治理创造了条件,新上谐波用户可以做到配置的滤波装置同步投入运行。     

求解约束优化问题的动态多种群粒子群算法

为有效求解带有约束条件的优化问题,提出一种动态多种群粒子群算法。采用动态多种群策略和广泛学习策略来提升种群的多样性, 并根据人类社会“人尽其才”的思想, 为每个子群指派成员, 以发挥每个粒子的最大效用。采用动态变异策略, 对全局最优粒子(Gbest)进行变异操作以提升算法跳出局部最优解的能力。在基准函数的测试结果中显示DMCPSO获得了较高的求解精度。     

基于多目标粒子群算法的分布式电源优化配置研究

大量分布式电源的接入会造成电网电压提升、 网络损耗增加等影响,因此,对分布式电源进行科学合理的优化配置,对配电网经济、安全和稳定地运行具有深远意义.针对分布式电源优化配置问题,建立了以分布式电源投资运行总成本最小、配电网总有功网损最小和节点电压偏差最小为目标函数的优化配置模型,并将自适应权重更新策略的粒子群算法应用于所...     

基于改进磷虾群算法的主动配电网无功优化

随着分布式电源的不断发展,配电网中负荷也呈现多样化的趋势,传统的配电网的无功调控策略和算法已经不能满足现代配电网无功补偿的需求,为此,提出一种基于改进磷虾群算法的主动配电网动态无功优化策略。首先将无功优化过程分为日前调控与日内动态补偿两部分,日前考虑离散型无功补偿设备的无功补偿能力,日内充分考虑风光出力及其他连续调节设备对系统进行补偿,构建基于主动配电网的日前-日内多时间尺度动态无功优化模型。其次提出一种基于余弦控制因子和柯西因子的改进磷虾群算法对该模型进行求解。最后通过修正的IEEE33节点系统的实验,验证了该策略的可行性和有效性,在保证主动配电网平稳运行的同时,实现经济效益最大化。     

无源滤波器在抑制电网谐波中的应用

为有效地治理电网中的谐波,通过分析无源滤波器抑制谐波的原理,介绍了使用单调谐滤波器、高速滤波器、自动调谐无源滤波器的几种可行的设计方案。交流无源滤波装置因结构简单、运行可靠、维护方便而得广泛应用。     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制。     

基于约束骨干粒子群算法的化工过程动态多目标优化

大多数化工过程是动态过程,需同时优化多个目标,从而带来复杂的约束多目标动态优化问题。因此提出了一种动态约束多目标骨干粒子群算法,即采用一种新型约束处理方法,结合Pareto支配和ε约束支配技术的双档集机制;针对约束优化问题寻优难度更大,更易陷入局部最优的特点,采用局部搜索和混合变异策略,并自适应调整搜索步长,提高算法的探索和开发能力;采用分段线性函数参数化方法,构建一种动态约束多目标粒优化算法,并将其用于解决间歇反应器的动态多目标优化问题。测试实验表明:与NSGA-II和自适应差分进化算法(SADE-εCD)比较,该算法具有更优秀的收敛性与分布性;应用到化工过程多目标动态优化问题实例进行比较表明,多目标骨干粒子群算法在约束多目标动态优化问题的求解中表现出更好的应用前景。     

电力用户的谐波源及谐波治理的措施

电力系统中谐波主要是由冶金、化工、电气化铁路及其他行业的换流设备产生的。它们向公用电网注入谐波电流,在公用电网中产生谐波分量,不仅干扰电网的保护装置与自动化装置的正常运行,造成了这些装置的误动与拒动;并且会产生谐波附加损耗,降低输电效率,甚至损坏设备,还因其非线性特性,影响电度计量的准确性。为减低电力系统中谐波,以减少谐波注入;对SVC,要选好参数,避免谐波振荡;对计划建设的大谐波源,要严格设计审查,必须有降谐波措施。总之,要加强测试,摸清底细,推进电网谐波的改善。     

基于改进多粒子群算法的电力系统无功优化

将改进的多粒子群算法应用于电力系统无功优化问题的求解，克服了传统粒子群算法收敛精度不高、易陷入局部最优的缺点．该优化方法对原粒子群算法进行了如下改进：通过增强粒子群间的协同作用、引入惯性因子以及扰动的策略，来平衡集中强化搜索和分散多样化搜索过程．对IEEE6节点和IEEE30节点系统分别进行无功优化计算，并与传统粒子群算法进行了比较，结果表明，该算法求得的有功损耗较原状态降低了近1／5，且电压合格率为100％，具有较强的全局搜索能力和较高的收敛精度，是求解无功优化的有效方法．     

基于蚁群算法的配电网谐波量测点优化配置

谐波量测点的优化配置能有效提高配电网谐波状态估计的可观性和准确性。结合配电网特性,确定配电网量测装置配置原则,基于配电网拓扑数学模型计算系统状态的可观性。综合考虑配电网的节点状态可观测度和冗余度建立谐波量测点优化配置的数学模型,提出应用蚁群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况择优选择。算例分析结果验证了该算法的有效性,PMU配置位置的优化减少了节点冗余度,增加了可观节点数目。     

基于改进粒子群算法优化电梯群控系统

给出的粒子群优化算法是一种群智能优化技术,利用群体和个体的智能行为来求解组合优化问题,并将多目标问题分别在粒子的各子种群中以内在并行的方式搜索多个非劣解,同时对各子种群粒子的适应度采用积分排序,较好地解决了电梯群控系统的多目标问题。充分弥补了传统方法解决多目标问题出现的不足。针对不同客流强度进行分析,分别得到不同平均的候梯时间和乘梯时间,结果表明采用此种改进的粒子群算法充分保证了算法的收敛速度和精度。     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

基于微粒群算法的分布式发电优化配置

利用混沌动力学的随机性和遍历设计群体运动模式,提出一种改进的微粒群算法.以运行成本和网络损耗为目标,对分布式发电的优化选址与定容问题加以求解,获取最优的分布式电源安装位置和容量,并针对标准测试系统进行了仿真计算与分析,仿真结果验证了所提方法的有效性.     

基于密度聚类的多目标粒子群优化算法

提出了一种基于密度聚类的领导粒子选择策略的多目标粒子群优化算法。首先,将粒子进行分类;然后,对外部档案采用改进的循环拥挤距离排序,并将高斯变异引入到进化种群,在保持具有全局搜索能力的同时,也避免了陷入局部最优。对WFG系列测试函数的仿真结果表明,与经典多目标优化算法相比,本文算法在解的收敛性和多样性等方面有显著的提升。     

基于粒子群优化算法的FIR数字滤波器设计

探讨FIR数字滤波器设计的粒子群优化算法及其实现.它根据预期频率特性的设计要求,建立优化模型,并通过快速粒子群算法求解其优化值.所得的序列使对应FIR滤波器较好地满足了预期频率特性指标,设计方法简单实用,具有很高的灵活性和鲁棒性.并且较遗传算法有更快的收敛速度,数值实验表明了本方法的有效性.     

基于协同进化思想的人工鱼和粒子群混合优化算法

在分析人工鱼群算法(AFSA)、粒子群算法(PSO)存在不足的基础上,提出一种将PSO群与AFSA群作为两个独立进化的群,同时进行搜索的算法.该算法利用协同思想与正反馈机制,让AFSA群跟踪PSO群的全局最优解,PSO群跟踪AFSA群的全局最优解的算法.这样,一方面利用AFSA的快速找到全局极值邻域的能力克服PSO易陷入局部的不足;另一方面利用PSO的快速收敛能力来提高AFSA的收敛速度和求解精度.基于典型的函数和实例测试的结果都说明了该算法具有收敛速度较快、精度较高的特点.     

基于模糊粒子群优化算法的双边多议题协商模型

针对电子商务应用,提出了一种基于模糊粒子群优化算法的双边多议题协商模型。该模型以追求协商双方联合效用最大化为前提,通过粒子群在对手提议和自身议题理想值域之间进行快速有效搜索出最优解或近似最优解生成反提议;从而促使协商实现"双赢"。实验分析表明,该模型能有效提高协商效率。     

基于高斯学习多峰延迟粒子群优化算法

为克服粒子群在解决多峰函数复杂问题时存在收敛速度慢和极易陷入局部最优值的缺点,提出了一种基于高斯学习多峰延迟粒子群混合算法。首先引入改进的高斯学习提高算法的收敛速度,然后在此基础上,针对4 种进化状态在算法中引入延迟因子避免局部最优问题。通过对6 个单峰多峰测试函数进行仿真实验,验证了GLPSO( Gaussian Learning PSO) 算法具有更好的收敛速度,同时验证了GLMDPSO( Gaussian Learning Multimodal Delayed PSO) 算法在处理多峰函数复杂问题时具备更好的全局搜寻能力。因此,改进算法在解决多峰函数寻优问题时可有效跳出停滞状态,提高收敛速度并具有较好的寻优能力。     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法.首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解.仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力.     

基于改进粒子群算法的配电网多目标重构

配电网络重构是一个复杂的非线性组合优化问题。以降低配电网网损、提高系统供电可靠性为重构目标,采用基于环路的十进制编码粒子群算法进行配电网重构。选择配电网中开关全部闭合形成的网孔为环路,每个粒子由选为联络开关的开关在环路中的编号组成,粒子的长度为联络开关数,在有速度限定因子的粒子群算法中引入线性变化的惯性权重,并采用具有局部变异特性的粒子更新方式。算例结果表明改进后的粒子群算法求解配电网重构问题具有较高的效率和可行性,且综合考虑多目标的配电网重构能在不增加额外投资的情况下获得网损下降同时供电可靠性提高的综合效益。