基于集群的并行分布式聚类及其应用

海量和高维大数据集的聚类对计算机性能提出了很高的要求.基于具有层次聚类特性的RSOM树方法提供了一种有效的手段以实现对高维大数据集的聚类索引,这种RSOM树可支持最近邻搜索且不需要对数据进行线性搜索.注意到RSOM模型具有内在的层次化、分布式结构特点,并可进行增量的训练,研究了基于高效并行集群的增量、分布式RSOM并行算法,并通过视频图像特征集实例证实了算法的可行性.     

基于OSDK的分布式无人机集群控制系统设计与验证

针对当下无人机集群平台可靠性低、实用性差的问题,提出基于Onboard SDK的分布式无人机集群控制系统(Distributed UAV Swarm Control System, DUSS)设计方案。首先,基于模块化思想,将DUSS分为控制模块、执行模块与监控模块,控制模块与监控模块利用自组网通信方式与ROS分布式通信机制,实现对异构集群的分布式控制,OSDK的使用在降低模块间耦合度的同时实现控制模块与执行模块的交互,其对底层控制逻辑的封装可减少时间成本;其次,在考虑真实物理环境中的惯性因素的基础上对人工势场法进行改进,设计一种一致性联合虚拟势场(CVPF)编队算法,解决目标不可达问题并使用DUSS进行演示;最后,通过试验证明DUSS在保证避碰的前提下可实现编队飞行、队形保持以及队形变换等功能,验证了DUSS作为分布式无人机集群平台的可行性与CVPF算法的稳定性。     

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.     

分布式发电对配电网静态电压分布的影响

基于放射状链式配电网络,研究了分布式电源并网后负荷节点的静态电压分布情况.首次建立了递减、递增和等腰三种典型负荷分布模型,并在此负荷分布模型基础上定量地研究了分布式电源并网后配电网的电压分布情况.讨论了分布式电源位置和容量的限制问题.结合仿真算例,考察不同位置和容量的分布式电源并网后配电线路的电压变化情况.研究表明,分布式电源的接入会起到电压支撑作用,但不恰当的接入位置和注入容量会造成电压越限和网损增加;因此必须进行合理的规划,使各负荷节点的静态电压稳定在允许范围内.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

计及多类型分布式电源的电压无功优化控制研究

针对负荷的时变性和分布式电源(DG)出力的波动性使得基于实时无功优化的电压控制效果劣化问题,提出了一种含多DG的配电网电压无功优化控制策略;推导了负荷节点注入无功功率对电压变化的灵敏度矩阵;给出了SCB投切组数的确定方法。基于改进递推贝叶斯估计方法估算最佳的OLTC,利用RTU所获取的相关数据确定各馈线处SVR的分接头开关档位,根据目标值调整控制变量实行自主优化选择和投切控制,达到最优控制方式。以加入多种DG和负荷类型的IEEE33节点典型馈线系统作为仿真算例,分析结果表明所提控制策略能显著地稳定电压幅值,具有较好的在线应用前景。     

基于电压稳定指标的分布式电源位置与容量优化配置

 分布式发电(Distributed Generation,DG)的电源位置和注入容量对配电网有重要影响。以配电网网损最小及电压稳定指标为目标,将DG位置和容量优化问题转化为一个多目标的非线性规划问题。构造模糊性的多目标优化算法,将2个优化子目标转化为单一目标,同时将节点电压越限和DG有功出力越限以罚函数的方式进行处理。采用惯性因子自适应的粒子群算法进行求解,为了加快求解速度,先计算节点有功网损微增率并进行排序,选出绝对值较大的节点作为DG安装候选节点。仿真结果表明,此算法收敛效率高,具有较强的搜索能力和自适应能力。     

基于改进K-means 算法的多场景分布式电源规划

针对恒定调度模型分布式电源选址定容的配置方案实用性差的缺陷,考虑分布式电源( DG: Distributed Generation) 出力和负荷需求的时序性与不确定性,建立以配电网系统总投资成本、总电压偏差和系统网损最小化的多目标调度模型。首先,通过蒙特卡洛算法随机模拟全年风-负荷场景,并采用K-means 聚类法对全年场景进行缩减。其次,引入轮廓系数对其改进以获取最优的聚类数。最后,通过快速非支配排序遗传算法( NSGA-Ⅱ) 与无偏折中策略进行优化处理。以IEEE33 节点配电系统为例与标准遗传算法做对比仿真实验,验证了所提算法的有效性和优越性。