基于置信度机会约束规划的风电场无功优化技术

风电不确定性给其功率预测带来一定困难,功率预测误差过大容易引发电压越限问题。为了保证电压安全并兼顾运行经济性,本文以网损最小为目标函数并考虑控制电压越限风险,对系统进行无功优化,通过一定置信度下的电压约束将随机优化模型转变成机会约束规划模型,再用内点法求解。提出了三种考虑电压安全裕度的优化方法,分析了它们各自特点和适用工况,制定了根据不同风电预测精度来灵活选用的综合方法。本文利用解析化梯度矩阵和海森矩阵的改进算法来求解无功优化模型,与以往采用差分近似梯度的算法相比大幅提升了计算效率,减少了一半以上的迭代次数和计算时间。最后在含风电场的IEEE-39节点系统和我国内陆某实际风场中验证了所提方法的有效性和优越性。     

基于CS-PSO算法的配电网无功优化

文章将布谷鸟算法中的Lévy飞行和淘汰机制引入粒子群算法中,形成混合优化算法,并将其应用于配电网无功优化研究。以无功网损最小为目标函数,通过搜索空间限幅处理不等式约束,利用Lévy飞行策略提高搜索效率。将所提算法应用于IEEE-14和IEEE-30节点模型,验证了算法可行性。对安徽省金寨县某地区的实际配网系统进行无功优化,降低无功网损的同时提高了电能质量。与标准粒子群算法相比,新提出的算法具有更好的寻优能力。     

基于Kriging模型优化算法的含分布式电源配电网多目标无功优化研究

分布式电源(DG)在配电网中的渗透率越来越高,使无功优化问题变得复杂。为最大限度保证系统经济安全运行和电能质量,本文构建考虑源荷不确定性及电容器组等动作次数约束的含DG配电网多目标无功优化模型,提出概率场景生成和场景削减的方法描述源荷不确定性,并提出基于Kriging模型的全局优化算法求解无功优化问题,通过MATLAB和OPENDSS搭建求解平台求解含DG配电网无功优化。通过对改造后的IEEE33节点配电系统仿真测试,和粒子群算法比较,验证模型考虑源荷不确定性和本文求解算法的适应性、可行性和有效性,本文建立的无功优化模型反映实际运行情况,基于Kriging模型的全局优化算法求解该问题可行有效。     

基于遗传算法的电力系统无功优化

电力系统无功优化主要是指在负荷给定的情况下,有载可调变压器分接头位置、无功补偿的最佳容量和发电机机端电压大小的优化确定。以有功网损最小为目标函数建立了主网无功优化的数学模型,对于目标函数中的无功电压越界和发电机无功出力越界,采用罚函数予以解决。采用遗传算法,针对遗传算法应用于求解无功优化等复杂非线性优化问题中容易发生"早熟"和收敛速度慢等问题,作了一些改进。通过改进,遗传算法能够跳出局部最优解,增强了全局寻优能力,使寻优速度和精度在一定程度上得到了提高。根据上述算法使用C++语言编制了求解程序,并对IEEE-14节点系统进行了优化计算,通过与初始有功网损比较,在各设备的正常运行范围条件下,系统有功网损降低了4%。     

基于Hopfield神经网络模型的通道布线算法

本文探讨了用Hopfield神经网络模型解决通道布线问题的一种新算法。算法描述了Hopfield模型与通道布线问题的映射方法和网络能量函数的构造方法,在能量函数中既考虑了合法解约束项,又考虑了优化解约束项,从而提高了布线质量。本文的意义还在于它证明了用Hopfield网络求解通道布线问题是可行的,有效的。     

一般约束非线性规划问题的光滑牛顿法

用改进的光滑NCP函数替代了文[1,2]中的弱互补函数,提出了一种新的光滑牛顿法,从而实现了一般约束优化问题的KKT条件到非线性方程组之间的完全等价转化,且将文[3]中提出的求解无约束最优化问题的修正BFGS方法加以改进,应用于求解一般的约束最优化问题,避免了计算Hesse矩阵工作量较大的问题,并在一定的条件下证明了该算法的全局收敛性.     

基于联络线功率限制的多平衡机状态估计算法

为了满足互联电网多平衡机设置和联络线功率限制的要求,通过推导多平衡机设置下的量测函数及其雅克比矩阵,提出了2种计及联络线功率约束的多平衡机电力系统状态估计算法:整体式算法和分布式算法.其中,整体式算法将联络线功率作为等式约束条件,采用拉格郎日乘子法推导得出求解模型,统一迭代求解各区域的状态变量;分布式算法在搭接式分区方法的基础上,对各区域分开处理,将分区后的边界等式约束条件分别计入各自的目标函数中,再通过拉格朗日乘子法实现区域间的分布式计算.分别对IEEE-14,IEEE-30,IEEE-57节点算例进行仿真计算.仿真结果验证了模型的正确性和有效性,表明分布式算法的计算速度和精度均优于整体式算法.     

电力系统在线安全经济分配新算法

本文提出电力系统在线安全经济分配(OSED)的一种新算法——常系数降维海森矩阵法(CRH).原始的 OSED 模型首先进行有功问题与无功问题的分解,然后采用非线性优化技术,建立求解有功问题的海森矩阵.假设系统各节点母线电压相角近似相等,变化的大规模海森矩阵将降维成为一个等效的小规模常系数矩阵,从而直接用于对电源变量迭代求解.一个特定的迭代过程随之导出,此迭代过程不仅对电源向量修正求解,并且同时对电压(相角和幅值)向量和拉格朗日乘子向量修正求解.算法的快速性及良好的收敛性能在算例中显示.     

电力系统电压无功多目标的优化控制

电力系统电压无功多目标的优化控制是主要的复杂优化和控制问题之一. 本文在明确电压无功多目标控制方式及意义的基础上, 剖析了电力系统中的电压问题, 进一步详细研究了电压无功多目标优化算法的实现, 并通过在IEEE-6节点网络的无功优化计算结果的分析, 表明本文所研究优化控制方法的有效性.     

含电压稳定裕度约束的模型预测电压控制器设计

本文提出一种基于模型预测控制的新型电压控制器设计方案,当系统发生扰动导致电压下降时,该控制器通过调节发电机参考电压设定值和无功补偿点的电容器投切量,使故障后系统电压恢复并满足给定的电压稳定裕度。该滚动优化模型中,目标函数综合考虑了电压偏移和控制成本,其等式约束为系统微分代数方程式,并将电压稳定裕度约束引入到不等式约束条件中。为了提高求解效率,采用直接动态优化方法将该动态优化模型转化为非线性规划问题,并采用AMPL优化建模软件提供的内点算法求解。以新英格兰39节点系统为基础构造的算例表明了所提方法的有效性。     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

Hopfield神经网在营养问题中的应用及分析

提出并实现了用Ｈｏｐｆｉｅｌｄ神经网络来求解线性规划中的营养问题，并对其模拟实验结果作了有意义的分析。证明了用Ｈｏｐｆｉｅｌｄ神经网来解决问题的可行性与有效性，指出了在确定能量函数的各参数时应特别注意的问题。     

有限元单刚矩阵计算的神经网络法

固体力学有限元计算问题可以采用神经网络进行实时求解，神经网络可用改进的Ｈｏｐｆｉｅｌｄ网络。求解之前必须确定信号网络的联接权矩阵（相应结构刚度矩阵）。分析了单元刚度矩阵的组成，提出用ＢＰ网络来实现单刚矩阵的实时计算方法。分别用传统有限元法和ＢＰ网络法求解了一三角形单元的单刚矩阵元素，结果表明ＢＰ网络法计算具有实时性，精度满足工程要求。     

一类神经网络模型的稳定性分析

研究了一类神经网络,包括Hopfield神经网络和细胞神经网络,从神经网络的互连矩阵以及神经元输入输出的激励函数出发,通过研究特殊矩阵以及单调有界函数,利用Brouwers’不动点理论和构造Lyapunov函数的方法讨论神经网络平衡点的存在唯一性和全局指数稳定性以及指数的收敛速率,获得了一些充分条件以保证神经网络的平衡点的存在性、唯一性和全局指数的稳定性,并给出了一些条件下指数收敛速率的估计值.     

动态Hopfield神经网络模型及学习算法

为了解决 Ｈｏｐｆｉｅｌｄ 神经网络对可变对象的学习问题,在［１］的基础上,建立了一动态 Ｈｏｐｆｉｅｌｄ神经网络,及其学习方法,彻底解决 Ｈｏｐｆｉｅｌｄ 神经网络的动态学习问题     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

联想Hopfield神经网络样本稳定性的判别方法

针对基于Hebb学习的离散Hopfield神经网络，论述了实现联想记忆功能的基本方法及其样本稳定性的基本思想。根据所存在的问题，提出了判别样本稳定性的充要条件，以及判别样本稳定的一个充分条件，使判别样本是否稳定变得简单易行。最后给出了判别样本稳定的矩阵表示形式，并对给出的定理以及推论给予了证明。