遗传算法在水电机组调速器PID参数优化中的应用

水轮发电控制是一个复杂的动态过程,特别是对大型机组,控制策略和优化算法的选取对机组的性能尤为重要.为了获取不同工况下水轮发电机组调速器的优化参数,首先建立了一种机组的非线性全数字仿真模型.结合调节系统的特点,提出了一种新的反映系统综合性能指标的适应度函数,利用遗传算法对自适应变参数PID调速器的3个参数bt,Td,Tn进行了优化.具体实施优化过程中,采用了C++Builder编制遗传算法主程序;使用了Matlab中的Simulink工具箱建立机组仿真模型,交互接口通过Matlab中的引擎Engine来实现.仿真实验表明:与正交实验法寻优结果相比较,在机组的不同运行状态、不同工况下遗传算法都能获得更为理想的寻优效果.同时,该优化方法已经应用于某巨型电站的调速器中.

纵横交叉算法优化FCM在电力客户分类中的应用

电力客户分类是供电企业客户关系管理的基石,为了提高聚类算法的稳定性和精确性,提出了一种纵横交叉算法(CSO)与模糊C均值算法(FCM)有机结合的新聚类算法(CSO-FCM),并用新算法进行客户分类。新方法有效弥补了单一算法的不足,拥有模糊理论处理不确定信息的能力以及纵横交叉算法全局收敛性强的特点。利用新算法对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。

基于纵横交叉算法的热电联产经济调度

为解决热电联产经济调度优化问题,提出了一种基于纵横交叉算法(Crisscross optimization algorithm,CSO)的新求解方法。CSO采用一种双交叉搜索机制,其中横向交叉引入扩展因子增强全局搜索能力,纵向交叉引入维交叉概念,从而避免维局部最优问题。CSO的全局并行搜索,避免了陷入局部最优,有效提高了收敛速度。以一个包含纯发电机组、热电联产机组、纯发热机组的48机组系统为例,建立了热电联产经济调度问题的模型。仿真结果表明,CSO解决热电联产经济调度问题具有可行性和有效性,为实际调度系统提供了一个较好的方法。

基于纵横交叉算法优化神经网络的负荷预测模型

为了解决传统BP神经网络对高频分量预测精度不高、泛化能力弱的缺点,提出了一种混合小波变换和纵横交叉算法(CSO)优化神经网络的短期负荷预测新方法。通过小波变换对负荷样本进行序列分解,对单支重构所得的负荷子序列采用纵横交叉算法优化的神经网络进行预测。最后叠加各子序列的预测值,得出实际预测结果。通过实际电网负荷预测表明,新模型能掌握冲击毛刺的变化规律,有效提高含大量冲击负荷地区的负荷预测精度,且预测模型具有较强泛化能力。

基于NW小世界的量子进化算法在无功优化中的研究

针对量子进化算法的早熟问题,提出了一种适于电力系统无功优化的NW(newman-watts)小世界量子进化算法。该算法引入了NW小世界网络模型,以一种新颖的随机加边方式动态改变种群个体的邻域拓扑结构,从而保证了整个优化过程中的种群多样性,提高了算法的全局搜索能力。应用该算法对IEEE-14节点和IEEE-57节点系统进行无功优化的仿真分析,结果表明,NW小世界量子进化算法在电网无功优化计算中具有较强的全局寻优能力和较高的收敛精度。

基于相似日理论和CSO-WGPR的短期光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。

基于强化学习和组合式深度学习模型的超短期光伏功率预测

超短期光伏功率预测对光伏并网系统的安全运行有着重要意义。针对传统单一预测模型在进行光伏功率预测时受到功率随机波动性的影响导致预测精度往往不理想的问题,提出了组合式深度学习预测模型。首先,采用小波包分解对原始光伏功率序列进行分解,初步降低了原始光伏功率的非稳定性。其次,在此基础上分别采用长短时记忆网络、门控循环单元与循环神经网络3个单一模型对光伏功率进行预测得到3个预测结果并加权组合。最后,利用强化学习的Q学习算法对组合权重进行优化,进而最大化组合模型的预测性能。以某地光伏电站实测数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。

混合小波包与纵横交叉算法的风电预测神经网络模型

针对常规Elman神经网络容易陷入局部最优、泛化能力不足等缺点,提出一种混合小波包变换和纵横交叉算法(CSO)优化神经网络的短期风电预测新方法。该混合方法首先利用小波包变换将风电功率时间序列分解成多个不同频率的子序列,然后采用CSO优化后的神经网络(CSO-ENN)对各分量进行提前24 h预测,最后叠加各子序列的预测值,得出实际预测结果。在实例分析中,利用某风电场实际运行数据进行仿真验证。结果表明:新模型的预测精度明显优于其他混合方法和风电场提供的日前预测结果。

基于纵横交叉算法的神经网络配电网故障选线研究

为了提高小电流接地系统单相接地故障选线的精度,提出一种基于纵横交叉算法优化RBF神经网络的故障选线新方法。利用Matlab/Simulink仿真单相接地得到一组零序电流信号,通过小波包变换和傅里叶变换从中提取出暂态特征值、有功分量以及五次谐波分量。再将提取得到的特征量作为神经网络的输入,用纵横交叉算法优化后的神经网络对故障特征值进行训练,实现故障选线。仿真中建立100组不同的故障样本,其中80组作为训练集,20组作为测试集。实验结果表明,与传统神经网络相比,CSO-RBF方法训练效果好,准确性高。

计及不确定性因素的家庭并网风-光-蓄协同经济调度优化方法

考虑风电、光伏出力和负荷等不确定性因素以及实时电价对家庭并网风-光-蓄发电系统优化调度的影响,构建了计及用户售电收益、购电成本、政府补贴、运行维护费用和分布式电源投资建设成本的家庭并网风-光-蓄发电优化调度模型。并提出一种结合拉丁超立方采样、场景缩减法以及自学习差分算法的优化方法对所提模型进行求解。该方法首先根据风、光、荷预测误差概率分布采用拉丁超立方采样方法生成大量样本,并采用场景缩减法对所生成的样本进行缩减。其次,针对标准差分算法在迭代后期所可能出现的＂聚集＂现象导致容易陷入局部最优的问题,提出一种融合自学习选择操作和纵向交叉操作的自学习差分算法,对所提模型进行全局寻优,得到各场景对应的最佳决策方案。最后,结合典型算例进行仿真研究,结果表明所提模型和方法具有较强的可行性和有效性。

基于虚拟预测与小波包变换的风电功率组合预测

为了提高风电功率的预测精度,针对风机功率不稳定性和非线性强的特点,使用小波包变换将风机出力分解成多个频率的子序列,然后运用组合预测方法分别对各子序列进行提前24 h预测,叠加各子序列的预测值,得出实际预测结果。其中组合预测方法权系数是通过虚拟预测的方法由方差倒数法确定。选择广东某风电场实测数据作为案例,对连续7天风电功率进行了预测。结果表明:小波包变换能有效把握风电功率变化规律,对小波包变换后的各子序列的预测结果表明组合预测效果优于单一预测方法。

多泥沙河流水电站机组检修策略的探讨

我国水电机组的检修多采用以定期检修为主的预防性检修,这样的检修原则是不适合多泥沙水电站机组检修的,所以探索出一套适合多泥沙水电机组的检修模式和策略是非常必要的,作者通过对世界上含沙量最大的黄河上水电站的调查研究,总结出了适合于多泥沙水电机组的检修模式和策略,这对于其他多泥沙河流上水电站机组的检修具有参考意义。

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。

基于多Agent的遗传算法在PID调速器中的优化

提出了一种基于多Agent的遗传算法(MAGA)。基于三峡机组非线性全数字仿真模型,利用JADE中间件建立了实施MAGA的分布式移动计算平台。在此平台上,对机组不同运行工况下自适应PID调速器进行了优化。仿真结果表明,MAGA能够获得遗传算法的寻优效果且优化时间显著缩短。

纵横交叉算法与模糊聚类相结合的变压器故障诊断

针对FCM(模糊C-均值聚类)在变压器故障诊断中的不足,提出采用纵横交叉算法优化FCM(CSOFCM)聚类来进行故障诊断。溶解气体分析与FCM相结合,能有效提高变压器故障诊断的准确率,但FCM存在聚类结果不稳定和容易陷入局部最优等问题。而纵横交叉算法是一种基于种群的随机搜索算法,在算法中首次提出了维局部最优概念和纵横交叉双搜索思想。实验证明,相比其它主流群智能优化算法,CSO算法在解决维数灾问题和收敛精度问题方面取得了较大突破,能有效克服局部最优的问题。新诊断模型有效弥补了单一诊断法的不足,拥有全局收敛性强和处理模糊信息的能力。实例分析表明,该方法与传统FCM相比,能获得更优的聚类中心,有效提高了变压器故障诊断的准确性和快捷性。

计及风电和小水电的发电系统可靠性评估研究

根据分布式电源随机输出功率的特点,利用集群技术,将较多的机组出力状态集合成较少的组群,建立了风电多容量机组可靠性模型和小水电机组改进的双状态模型。针对现有发电系统停运容量模型存在计算繁琐的问题,运用停运容量预备表优化排序,减省计算步骤和时间。将容量模型和日尖峰负荷模型结合,形成新型发电系统的裕度评估体系,采用某含多风电场和遍布小水电的地区的发电系统作为算例,编制MATLAB程序计算了一系列可靠性指标,定量分析了分布式电源对发电系统可靠性的影响。

分布分层的水电厂预知维护多Agent系统

基于多Agent系统理论,提出一种分布分层的水电厂预知维护的多Agent系统模型,该模型由数据采集层、数据处理层、诊断与预诊断层以及维护决策层组成。针对系统中维护Agent,设计了一种包含信仰、能力、行为队列,行为调度、消息邮箱五元组的实用结构模型,并探讨了多Agent的通信和协作。在此基础上给出了一种基于多Agent中间件JADE的预知维护实现参考模型,利用该模型建立了一个水轮机调速系统液压伺服机构的多Agent维护原型系统,验证了模型的合理性和可操作性。

一种基于PLC的新型城市交通路口二维模糊控制器的研究

针对城市交通具有不确定性、随机性和模糊性的特点,本文提出了一种用超小型可编程控制器对交通路口进行模糊控制的方法,并给出具体实现过程.同时还给出了一种有效的调试方法。结果表明:应用于交通路口的PLC模糊控制器编程简单,实现方便,具有很强的鲁棒性和抗干扰能力。

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。

基于混合神经网络与遗传算法的水电厂经济调度研究

随着电力市场的改革,水电厂经济调度的地位将日益突出。在考虑振动、出力限制、开停机等多种约束条件的情况下,提出并设计了一种基于混合神经网络和遗传算法的水电厂经济调度系统。为反映机组复杂的非线性工作特性,建立了基于人工神经网络方法的耗水量模型,在此基础上采用改进的遗传算法对机组进行了优化组合。结果表明:数字仿真及其现场应用都取得了满意的结果。