考虑关键节点和重要线路的电力系统PMU优化配置

相量测量单元（PMU）是一种测量电压和电流的设备,随着电力系统的规模和结构越来越复杂,PMU的数量也大幅增加.利用改进蝠鲼觅食优化算法（IMRFO）对PMU进行了配置,使电力系统在正常运行、考虑关键节点和考虑重要线路时都能完全可观测,同时使PMU配置数最少.在蝠鲼觅食算法的基础上增加了混沌映射以提升算法的收敛速度,增加了跳跃因子以提高算法的勘测能力,从而避免算法陷入局部最优.通过度、特征向量和接近度三种指标,利用TOPSIS综合评价寻找系统的关键节点,利用线的中间中心度判断系统的重要线路.对IEEE-14和IEEE-69节点系统进行了实验仿真,结果表明：IMFRO算法与未改进时相对比,在配置时所需的PMU数和迭代次数均有一定的减少,验证了所提方法对解决PMU优化配置问题的有效性和优越性.     

基于自适应变异二进制粒子群算法的WSN区域覆盖问题研究

为最大限度休眠冗余节点,减少无线传感器网络节点能耗,保证网络覆盖率,提出了一种基于自适应变异二进制粒子群的WSN区域覆盖控制算法(BPSO-G)。将二进制粒子群算法(BPSO)应用到WSN区域覆盖优化问题求解上,并针对BPSO算法不能收敛于全局最优解的缺点,利用自适应变异策略,将节点最优位置以一定的概率进行动态变换,该变换有助于粒子跳出局部最优解,提高搜索新解能力,有效防止算法早熟。仿真结果表明:改进算法收敛速度很快,其连续最优解接近于全局最优解,WSN冗余节点能够最大限度进入休眠状态,且当监测区域面积一定、节点感知半径相同时,其活动节点数基本不随总节点数的增加而增加,始终保持在一定区间内。     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

基于结合均匀变异的粒子群算法的配电网重构研究

配电网重构是确保电力系统安全、稳定、可靠运行的有效方法之一。为使重构后的配电网有功网损更低,文中提出了一种结合均匀变异与惯性权重的改进的二进制粒子群优化算法(BPSO)。首先,采用一种线性递减的惯性权重,然后引入遗传算法的均匀变异算子,使BPSO兼具良好的全局和局部搜索能力,克服了容易早熟的缺点。最后,将算法用于IEEE33节点系统进行重构。仿真结果表明,与传统粒子群算法相比,采用改进后的算法进行重构寻优效果更佳,且重构后的网损较初始状态降低了32.42%。     

免疫算法及其在电力系统无功优化中的应用

提出应用一种新的智能优化算法——免疫算法(IA)来求解无功优化问题.该算法模拟了免疫系统的基本原理,具有抗原模式识别及记忆功能,抗体多样性,抗体自适应调节等优点.在分析无功优化的数学模型和免疫算法的特点的基础上,详细研究了用免疫算法求解无功优化问题的实现方法.对IEEE30节点系统进行了仿真计算,并将优化结果与遗传算法(GA)作了比较,结果表明免疫算法(IA)能有效的应用于电力系统无功优化,并有着更好的全局寻优能力及更快的收敛速度.     

配电网在风险状态下的重构优化方法

为了达到配电网重构策略多目标优化的目的,采用随机权重的方法来构建目标函数。为了满足配电网在不同运行状态下的不同重构目标,各指标在目标函数中的权重会根据电网的运行状态动态调整。为解决二进制粒子群优化(binary particle swarm optimization,BPSO)算法求解速度慢的问题,提出了改进型BPSO算法。改进型算法可以将处于风险状态的设备快速转移到供电线路末端,从而提高系统的稳定性。最后,以IEEE 33节点系统为例进行仿真验证,将改进型BPSO算法和已有的3种算法进行对比,验证了改进算法具有计算时间短、网络损耗小、最大供电能力高等优点。     

基于CNBPSO算法的需求侧资源计划

为克服二进制粒子群优化(BPSO)算法易于陷入局部极值的不足,在粒子群算法(PSO)的速度更新公式中引入混沌参数与小生境机制,在此基础上提出了一种新的二进制粒子群(混沌小生境二进制粒子群优化,CNBPSO)算法.将新算法应用于两种不同复杂度的负荷削减需求计划问题的求解,均获得了比BPSO更好的中断方案,证实了算法的有效性,新算法具有简单、快速、均衡收敛等优点.     

基于果蝇优化算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于果蝇优化算法的无功优化。首先将该算法运用到无功优化问题中,并对IEEE30节点进行仿真计算,结果表明,该算法对于求解复杂无功优化问题具有可行性和有效性,同时运用PSO优化算法对IEEE30节点进行了优化,对比结果表明果蝇优化算法具有更好的优化能力。     

基于相量测量单元优化配置的配电网谐波状态估计研究

随着大量电力电子设备的接入,配电网谐波问题愈发严重。谐波状态估计的准确性直接影响到后续的谐波治理效果。相量测量单元(PMU)可以实时测量节点电压与支路电流,可借助其实现谐波状态估计。然而目前PMU价格较高,如何进行合理的优化配置保证全网谐波状态可观,同时提高谐波状态估计的准确性,是亟待解决的问题。文章首先构建了以PMU经济配置和谐波状态估计精度最高为目标的PMU优化配置模型,并提出一种改进二进制粒子群-遗传混合算法用于求解。随后在实时仿真器中搭建IEEE14节点模型,选用均值插补法以及Vondrak滤波法进行数据处理并分析了优化所得多种PMU配置场景对谐波状态估计的影响。结果表明,文章所提算法从减少投资成本及降低谐波状态估计误差角度考虑,能够给出合理的PMU配置方案,有助于支撑工程决策。     

基于量子粒子群的最优潮流问题

电力系统最优潮流的求解一直是电力系统研究的重点。在分析最优潮流理论的基础上引入了量子粒子群算法计算发电成本,从而将其用于求解电力系统的最优潮流问题,并通过个体优劣比较准则处理约束条件。通过对IEEE30节点最优潮流的数值仿真表明,该算法在收敛精度和迭代速度上有较好的效果。     

带条件风险约束的发电商最优投标模型及计算

采用条件风险(CVaR)作为风险度量指标,建立了双层优化的发电商投标模型,上层解决社会效益最大和风险最小问题,下层解决发电商利润最大问题,设计了启发式粒子群算法(PSO)求解该复杂的双层优化模型.在4节点2机系统和9节点3机系统进行了实验,说明该模型和算法具有较好的计算效果和时效性,通过实验数据比较显示CVaR比VaR更准确地度量了发电商的风险.     

实用电力系统静态安全分析

本文从电力系统潮流方程的戴劳级数展开式导出了模拟开断线路的开算方法.该方法简化了电力系统断线模拟的计算过程,显著提高了计算速度,具有较高的精度.文中给出了算法及对IEEE的14节点、30节点及57节点计算的结果.计算数字例表明,对57节点系统而言,模拟一次断线的CPU时间不到0.1秒(Prime-550计算机,大致相当于VAX-750机).小于一次牛顿选代所需CPU时间的1/100.从而使电力系统静态安全分析向在线应用及实用化迈进了一步.     

用分块加权平均的不精确Newton法计算潮流问题

为研究电力系统中潮流方程的快速算法,将求解大型稀疏线性方程组的componentaveraging(CAV)方法应用于电力系统潮流方程的计算,提出了一种分块加权平均的不精确Newton法,给出了算法收敛性的证明。该方法的特点是易于组织并行计算,且算法灵活,无需对方程进行特殊处理,运算效率高,适应于解大型潮流方程。用IEEE662节点的电力系统对算法进行了串行实现,结果表明:该算法是可行的和快速的。     

含静态电压稳定裕度约束的无功优化计算

提出了一种电压稳定裕度约束无功优化新方法,通过调节系统的控制变量,能真正有效地提高系统的静态电压稳定裕度,同时取得较小的网损。该方法将电压稳定裕度约束无功优化问题分解为非线性无功优化和电压稳定裕度及其对控制变量灵敏度分析两个子问题,通过两者的交替求解实现寻优。前者采用非线性原对偶内点法求解,后者则是以连续潮流计算为基础。该方法计算速度快,对多种系统具有一定的普适性。在IEEE 14、30、118节点系统的试验结果验证了它的有效性,并发现一个系统在特定的负荷增长方式下,由于无功潮流的改变其分岔类型可能会在极限诱导分岔和鞍结分岔之间转换。     

动态速度限制粒子群算法及其应用

根据梯级水电站优化调度特点,建立了粒子群算法求解多阶段最优化问题数学模型。针对基本粒子群算法早期存在精度较低、易发散等缺点,后期出现"趋同性"和"早熟"等现象,从算法参数方面对基本粒子群算法进行改进,提出了动态速度限制粒子群算法并与基本粒子群算法、改进型粒子群算法分别在雅砻江梯级水库群优化调度中应用,通过对其优化结果的比较,验证了改进策略在提高算法求解精度和收敛性能方面的有效性。     

基于BPSO与神经网络的实时P2P协议识别算法

针对互联网中P2P协议以及加密协议无法使用传统方法进行识别的问题,提出一种新的基于会话流统计特征的网络协议识别算法。采用二进制粒子群算法(BPSO)定量选出最能体现不同协议区别的特征子集;并针对BP(Back Propagation)神经网络结构难以确定、易陷入局部极小值等缺陷进行分析,使用粒子群算法对BP神经网络进行优化以提高识别率。实验结果表明:该方法能够有效地从多种网络特征属性中选出最能体现不同协议区别的特征子集,且对于基于UDP协议的网络应用也有较高识别率,经优化后的BP神经网络具有更高识别率。该算法对常见的P2P协议平均识别率达到96%,且能够实时地对网络协议进行识别。     

Modified binary particle swam optimization

This paper presents a modified binary particle swarm optimization(BPSO)which adopts concepts of the genotype-phenotype rep-resentation and the mutation operator of genetic algorithms.Its main feature is that the BPSO can be treated as a continuous PSO.The proposed BPSO algorithm is tested on various benchmark functions,and its performance is compared with that of the original BPSO.Experimental results show that the modified BPSO outperforms the original BPSO algorithm.     

基于二进制粒子群优化的卫星典型件工艺知识挖掘

针对卫星典型件在工艺设计过程中设计任务量大、重复性工作多,且其历史工艺数据未能充分有效利用的问题,进行了工艺知识挖掘的研究,以提高工艺知识的重用性.首先对工艺知识挖掘问题进行了描述,建立了工艺知识的关联规则模型;然后针对海量数据中Apriori算法挖掘效率低的问题引入二进制粒子群优化(BPSO)算法,并构造了基于BPSO的关联规则挖掘算法.最后对卫星结构板这一典型件的历史工艺数据进行挖掘,得到了卫星结构板典型工序序列.基于BPSO的关联规则挖掘算法可以有效提高工艺知识的挖掘效率.