浅析基于群鱼算法多谐波源配电网滤波器的优化配置

滤波器的优化配置是在谐波电流、电网结果和参数已知的条件下,对滤波器安装位置、类型以及参数和组数进行的最优解。要使得全网滤波器的投资最少又要保证网络各个节点的总谐波畸形变率以及谐波电压含量符合谐波标准,还要使得滤波器能够安全运行,本文给出在配电网中优化配置以及有源和无源滤波器的求解算法和数学模型。     

自动电压控制系统在电力系统中的应用

随着高电压等级、大容量和跨区电网的迅速发展,为保证电网安全、优质和经济运行,对电压质量提出了更高标准和更严格的要求。目前运用比较广泛的变电站VQC装置已经不能够有效处理全网范围内无功优化的问题,引入自动电压控制（AVC）系统是必然的。文章介绍了AVC的工作原理及工作流程,在此基础上提出了一套新的AVC优化改进方案,文章后部分进一步的说明了AVC在电力系统应用的优势。     

一种抑制系统不对称对STATCOM影响的新方法

电力电子装置通常设计运行在系统 (电网 )对称条件下 ,因此当系统电压不对称时可能会对装置产生严重影响。为提高电力电子装置在实际中的生存能力 ,以电压源逆变器 STATCOM在系统不对称情况下的数学模型为基础 ,分析了在系统不对称条件下参数对电压源逆变器的影响。并在此基础上提出了通过优化参数设计抑制系统不对称对电压源影响的新方法 ,同时对该方法的作用机理进行了理论分析。计算机仿真和动模实验研究验证了该方法的有效性     

交流滤波器优化配置的研究综述

配置交流滤波器能够有效控制电网中谐波含量。考虑到交流滤波器配置的经济性问题,对滤波器进行优化配置研究十分重要。已知电网结构和谐波电流情况下,交流滤波器配置效果受滤波器安装地点、类型、组数及设备参数等因素影响。综述了滤波器优化配置的数学模型和常用的几种优化算法。还阐述了我国当前特高压直流输电工程滤波器配置方法,总结分析了目前电网中优化配置的一些问题;并对特高压直流工程中交流滤波器优化配置的研究进行了展望。     

变压器中性点电容型隔直装置的优化配置

对一个区域内的变压器配置中性点电容隔直装置,可以作为一个优化问题来研究.文中设计了包含隔直装置的电网计算模型,并考虑电容器的特点,以装置台数少和中性点电流的总和小为优化目标建立了组合配置的数学模型,结合粒子群优化算法,在不影响隔直效果的同时尽可能减少装置投入成本,实现以最少的隔直装置台数达到最好的隔直效果.最后讨论了优化计算模型的求解方法,提出了一种改进的粒子群优化算法,并通过算例验证了该算法的有效性.     

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...     

浅析电力系统电压的调整措施

随着农村用电负荷的增长以及用电性质的复杂化，致使电网的无功功率不足和无功分布不尽合理，从而造成系统电压下降。电压的波动和无功负荷的变化直接影响电网电能质量，因此涉及到电网电压如何调整，无功补偿装置如何投入，无功电压与优化等方面的技术问题。     

基于DSP的光伏并网系统的设计

以DSP为控制平台设计光伏并网系统,在改进型单纯形加速法的基础上,采用电压型全控桥为逆变结构,设计新型光伏阵列最大跟踪控制优化算法,跟踪光伏阵列最大输出功率点．在线调节步长改变电压收敛速度,设计锁相控制电路,自动同步跟踪电网频率和相位．测试数据表明：结合优化技术的变步长MPPT算法能快速准确跟踪最大功率点,系统波动小,稳定性高,逆变器电流和电网电压同频同相馈送电网,从而有效提高系统逆变效率及可靠性．     

区域电网电压无功优化系统对电网的影响

电网无功合理控制是实现电网经济运行的重要手段之一,区域电网电压无功优化通过调度自动化SCA-DA系统采集伞网各节点遥测、遥信等实时数据进行在线分析和计算,在确保电网与设备安全运行的前提下,以各节点电压合格、省网关口功率因数合格、达到最经济运行状况为约束条件,从全网角度进行电压无功优化控制,实现无功补偿设备投入合理、无功分层就地平衡、电压合格,实现主变分接开关调节次数最少、电容器投切最合理、电压合格率最高、输电网损率最小的综合优化目标.系统最终形成有载调压变压器分接开关调节、无功补偿设备投切控制指令,从而实现对电网内各变电所的有载调压装置和无功补偿设备进行集中监视、集中管理和集中控制,实现对电网电压无功优化运行的闭环控制.     

基于动态自适应多目标粒子群算法的企业电网无功优化

针对大型工业企业电网无功补偿不合理、功率因数偏低、网损严重等问题,以有功网损、电压偏差、功率因数及静态电压稳定裕度为目标函数,在满足潮流方程、设备能力限制以及系统安全运行要求等约束条件下,建立了企业电网多目标无功优化模型,并提出了一种动态自适应多目标粒子群(DAMOPSO)算法进行求解.该算法通过动态变化参数增强全局搜索能力,采用动态拥挤距离保持Pareto解的多样性,同时引入自适应变异机制避免算法早熟收敛.IEEE-30节点系统和北方某大型钢铁企业电网的算例结果验证了该算法和模型的可行性和有效性.     

LTE SON下一种自适应业务环境的功率控制选择算法

针对目前移动台(mobile station,MS)不能够自动选择软件、自动配置无线参数,并且MS不能够根据具体的业务环境选择合适的功率控制算法,设计了一种LTE自组织网络(self-organized network,SON)下自配置算法的信令流程,并建立了相应的选择函数,可以实现功率控制算法的选择.仿真分析表明,M...     

基于改进神经网络算法的电力系统经济调度

为解决新能源接入大电网带来的能源损耗问题,进行常规能源发电机组的快速经济调度是一种有效措施。针对存在多种常规能源的电力系统,建立了考虑传输损耗的电力系统经济调度问题模型,基于增广的Lagrange-Hopfield 神经网络优化算法,引入乘子神经元传输速率参数,提出了改进的增广Lagrange-Hopfield 神经网络算法。从理论上证明了该算法的收敛性,以及收敛的快速性。以某一项目为例,选取不同的传输速率参数,验证了改进的增广Lagrange-Hopfield 神经网络算法受传输速率参数的影响,并且工程可行,收敛快速。     

移动基站无线传感器网络参数的选取优化

针对已有研究只讨论r<相似文献   

多跳D2D组网下基于数据驱动的配电网在线异常检测

随着配电网数据信息的急剧增长,为了保证配电网供电可靠性,在配电网和基站间建立多跳D2D网络进行数据传输,提出多跳D2D组网下基于数据驱动的配电网在线异常检测方法。因配电网中每个时刻都会产生新的测量数据,提出一种基于一类支持向量机的配电网运行状态在线检测算法,该算法可根据每个时间周期智能电表上报的用电数据更新模型参数,实时推测配电网当前的运行状态。为了保证用电数据的正常传输,提出基于双边主成分分析的在线流量监测方法监督多跳D2D组网的流量状态。通过仿真实例验证,证明了提出的基于数据驱动的配电网在线异常检测算法可在提高检测速率和精确度的同时节约大量的计算时间和存储空间。     

医院大型电梯电力系统的PLC控制方法优化

医院大型电梯电力系统在实际运行的过程中具有很高的非线性和时变性,使大型电梯电力系统PLC控制效果不佳,当前方法采用线性学习法,无法适应运行环境的不确定性,造成电力系统控制的不稳定性。提出一种基于BP神经网络PID控制算法的医院大型电梯电力系统的PLC控制优化方法,将PID算法作为PLC的软件设计部分,通过比例、积分与微分这三种控制作用的合理调配,形成相互关系。鉴于PID控制算法调节时间长、超调量大等弊端,采用BP神经网络对其进行优化。利用BP神经网络的自学习和加权系数的调整,使BP神经网络输出最优大型电梯电力系统控制规律下的PID控制算法的参数,实现医院大型电梯电力系统的稳定控制。实验结果表明,所提方法具有很高的控制稳定性和鲁邦性,综合性能较强。     

改进BP神经网络的并网逆变器分数阶比例—积分—微分控制策略

传统比例-积分-微分(proportion-integration-differentiation, PID)控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进反向传播(back propagation, BP)神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的5个参数采用BP神经网络实时在线整定,消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习速率,提高了BP神经网络的求解效率。仿真结果验证表明,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型;对功率模型的输入特征进行选择,分析不同气象因素的组合作为输入变量对模型准确度的影响,明确功率模型的输入变量;分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响,据此确定功率模型的最优结构与参数;基于光伏电站的实际数据对功率模型进行验证。结果表明,基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。     

电力信息网络安全态势评估方法

电力信息网络安全态势评估是当今网络安全领域研究中的热门领域.但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高.提出一种改进人工蜂群优化神经网络的网络安全态势评估方法.首先,通过引入混沌序列改进人工蜂群算法提高蜂群的多样性,使其具备更强大的全局搜索能力.然后,利用改进的蜂群算法代替反向传播算法来优化神经网络的各权值参数.最后,新方法对真实的电力信息网络攻击实验进行了安全态势评估预测.与传统的评估方法相比,基于改进的人工蜂群和神经网络的安全评估方法提高了安全评估精度,加快了收敛速度.     

一种基于BP算法的融合神经网络

针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法·在该模型的实际应用中,首先设置多个传感器采集温度参数,然后使用采集数据对神经网络进行离线训练,而后使用训练完成的网络对水机温度参数进行实时在线预测·通过现场数据和网络预测数据的对比分析,证明该模型的实际准确率可达96 5%,可以满足实际仿真的要求·     

基于机器学习算法的电网运行方式计算实践研究

电力系统中电网运行方式的变化会引起了电力设备参数的变化，运行方式的计算量会随着电网复杂程度的增加而逐渐增大，为解决这种工作量繁重而又重复性的工作，结合TensorFlow架构的优势和机器学习算法对电网运行方式计算进行实践研究，结合实际需求对线性回归算法、逻辑回归二分类算法以及深度神经网络算法进行对比分析，给出了性能评价指标.