针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提...针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提出一种改进的蝴蝶优化算法(Improved Butterfly Optimization Algorithm,IBOA)结合电导增量法(Conductance Increment Method,INC)的复合MPPT追踪方法。在IBOA中,引入自适应动态转换概率来平衡算法的全局与局部搜索,然后在全局搜索阶段引入Levy飞行策略,使蝴蝶个体广泛分布于搜索空间中,提高全局寻优能力;同时在局部搜索中设置新的寻优对象,并通过贪婪算法进行筛选保留,提高局部搜索的能力。当系统位于MPP附近时,利用INC局部搜索能力强的优点快速、准确地收敛到MPP并且稳定功率的输出。仿真结果表明,在静态和动态阴影下与BOA、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。展开更多
为解决油浸式电力变压器中低能放电、高能放电等放电性故障的定位问题,提出了基于油中金属分析(Metal In-Oil Analysis,MIA)的放电性故障定位方法。通过对变压器内部高故障概率构件进行表面处理,将潜在的故障信息源预置于构件表面,并应...为解决油浸式电力变压器中低能放电、高能放电等放电性故障的定位问题,提出了基于油中金属分析(Metal In-Oil Analysis,MIA)的放电性故障定位方法。通过对变压器内部高故障概率构件进行表面处理,将潜在的故障信息源预置于构件表面,并应用示位金属(Metal for Position Indication,MPI)进行发生故障构件的确定。在此基础上,结合已有的局部放电、油中溶解气体分析等在线监测系统进行软、硬件的整合,可以实现较为完善的变压器放电性故障的诊断与定位。研究结果表明,该方法在提高放电性故障定位精度的同时,还可以降低对原有某种特定故障定位方法在精度方面的要求,并通过连续监测使运行维护人员对变压器的潜伏性故障信息有更为全面的掌握,为变压器状态检修的实现提供了新的技术支撑。展开更多
文摘针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提出一种改进的蝴蝶优化算法(Improved Butterfly Optimization Algorithm,IBOA)结合电导增量法(Conductance Increment Method,INC)的复合MPPT追踪方法。在IBOA中,引入自适应动态转换概率来平衡算法的全局与局部搜索,然后在全局搜索阶段引入Levy飞行策略,使蝴蝶个体广泛分布于搜索空间中,提高全局寻优能力;同时在局部搜索中设置新的寻优对象,并通过贪婪算法进行筛选保留,提高局部搜索的能力。当系统位于MPP附近时,利用INC局部搜索能力强的优点快速、准确地收敛到MPP并且稳定功率的输出。仿真结果表明,在静态和动态阴影下与BOA、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。
文摘为解决油浸式电力变压器中低能放电、高能放电等放电性故障的定位问题,提出了基于油中金属分析(Metal In-Oil Analysis,MIA)的放电性故障定位方法。通过对变压器内部高故障概率构件进行表面处理,将潜在的故障信息源预置于构件表面,并应用示位金属(Metal for Position Indication,MPI)进行发生故障构件的确定。在此基础上,结合已有的局部放电、油中溶解气体分析等在线监测系统进行软、硬件的整合,可以实现较为完善的变压器放电性故障的诊断与定位。研究结果表明,该方法在提高放电性故障定位精度的同时,还可以降低对原有某种特定故障定位方法在精度方面的要求,并通过连续监测使运行维护人员对变压器的潜伏性故障信息有更为全面的掌握,为变压器状态检修的实现提供了新的技术支撑。