基于改进BCC算法的含微电网的配电网网架规划

在分析MG发用电特性对配电网网损和用户供电可靠性的影响效应的基础上,建立了计及上述影响效应的含MG的配电网网架柔性规划模型。尝试将细菌群体趋药性(BCC)算法应用于模型求解;为解决布尔困境问题,提出基于sigmoid函数的策略;针对迭代过程中产生的不满足辐射条件的不可行解,提出基于操纵子理论的判断修复策略,实现对孤岛、孤链和环网的一次性修复。最后,IEEE54节点算例验证了模型的适用性以及改进BCC算法应用于含MG配电网网架规划的有效性和可行性。

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略。在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机制加快算法收敛,通过网络拓扑搜索判断负荷节点信息并计算适应值。算例分析表明,所述方法可以显著提高算法性能,快速有效地得到抢修和恢复策略解集。

基于改进离散BCC算法的电网开关信息错误辨识

提出一种使用离散细菌群体趋药性(BCC)算法对开关信息进行辨识的方法。首先,定义了关于开关信息的离散变量,并基于此建立了拓扑分析、量测生成及直流潮流计算的数学模型。其次,利用量测矩阵和直流潮流计算结果,给出了与量测不确定度相关的对开关信息离散变量的评价指标。最后,在离散BCC算法的基础上,提出一种离散更新机制,并给出了基于所提离散更新机制对离散变量进行优化的方法,该方法可以快速地对开关信息进行辨识和修正,为状态估计结果的准确性提供了保障。通过IEEE 39节点系统仿真测试,验证了所提算法的有效性。

基于改进BCC算法的电力系统无功优化研究

针对传统BCC算法中的忽略原有运动惯性而导致过早收敛的问题,提出了改进的BCC算法,并对其应用于电力系统无功优化问题进行研究。引入惯性因子,使得该算法能在考虑邻域内种群优良信息的同时计及细菌本身运动惯性,在结合电力系统无功优化特征的基础上进行惯性权重因子的动态调节,从而取得问题的全局优化解。通过对IEEE30节点的标准算例测试,验证了改进BCC算法在提高电网无功优化的收敛速度和优化效果上有令人满意的性能。

基于RPI值和多目标二进制BCC算法的配电网多故障恢复策略

鉴于配电网多故障频繁发生和配电网存在大量手动开关的问题,将有共享馈线的多故障分成2种情况并建立相应的故障恢复数学模型,该模型考虑手动开关动作最少及负荷失电敏感度。针对失电范围小的情况,提出了基于恢复可能性指标(RPI)值和多目标二进制细菌群体趋药性(BCC)算法的配电网多故障恢复策略;针对失电范围大的情况,首先进行负荷均衡化,然后采用上述策略,恢复过程中根据负荷失电敏感度顺序恢复供电。算例分析表明,所提方法计算速度快,不受种群大小的影响,能有效解决配电网多故障恢复问题。

基于BCC-OMP优化的原子分解去噪算法

为提高电网电能质量的检测精度及识别准确率,提出一种基于细菌群体趋药性算法和正交匹配追踪算法结合(BCCOMP)优化的原子分解算法,并将其应用于电能质量扰动信号去噪中。该方法在Gabor原子库的基础上,采用正交匹配追踪算法优化匹配追踪算法,并对原子分解过程使用细菌趋药性算法做进一步优化,从而提高收敛速度、增强去噪能力。通过设置合理残差比阈值确定终止迭代次数,对各种类型含噪信号均可自适应去噪,提高原子分解法去噪的普适性。仿真算例验证了所提方法的有效性、快速性和准确性。

基于BCC算法的多机系统PSS参数优化设计

电力系统稳定器(Power System Stabilizer,PSS)通过调节励磁电流进而调整发电机内电势,以实现对有功低频振荡的抑制。由于系统中除了PSS控制器外,还存在各种FACTS元件和储能装置,各控制器参数间需要协调控制以提高系统阻尼。为此,对PSS与储能装置间的协调机制进行了分析,确定了相应的协调控制策略,同时建立了相应的参数优化模型,利用细菌群体趋药性(BCC)算法对PSS和储能控制器进行了参数优化。最后基于电力系统分析综合程序(PSASP),以4机2区域系统模型为例,搭建相关控制器模型,对协调优化方法进行了验证,特征值分析及时域仿真结果表明,本文所提优化策略能够提高系统阻尼,有效抑制低频振荡。

基于BCC算法和最速下降法的RBF神经网络结构优化算法

为提高细菌群体趋药性(bacterial colony chemotaxis,BCC)算法优化后RBF神经网络(RBFNN)的泛化能力,提出了一种新的细菌编码方式。将隐层节点位置和相应的控制参数组成细菌,使RBFNN的两个参数同时得到优化;同时,在整体算法中融入最速下降法,利用其能快速收敛到极小点的特性,使算法速度得到提升。将此算法优化后的RBFNN用于IRIS和双螺旋分类问题,结果表明:算法速度提升了大约60%,同时泛化效果也得到提高。

基于IBCC优化算法的多阈值图像分割

图像阈值分割算法中,如何确定最优阈值是关键。使用传统多阈值法对较复杂图像进行分割,存在计算复杂度高、分割速度慢等问题。文章将细菌群体趋药性优化算法和阈值分割算法相结合,并且对细菌群体趋药性算法进行改进,提出了基于改进细菌群体趋药性优化算法的多阈值图像分割算法。实验结果证明,文章提出的算法具有很好的收敛性和稳定性,得到了较好的图像分割效果和图像分割速度。

基于改进BCC算法的含分布式发电的配电网无功优化

介绍了含分布式发电的配电网无功优化问题,改进了细菌群体趋药性算法(BCC),引入微分进化算子和线性幂函数混合映射混沌模型,动态调整细菌移动速度和感知范围,提高了算法的寻优速度和全局搜索能力。算例结果表明采用改进的BCC算法优化后的配电网网损最低,迭代次数最少。

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1d中不同时段的风速变化情况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法(SIBCC)参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。

BCC-BP算法在RGB值到LAB值色彩空间转换中的应用

目的为了有效克服BP神经网络算法权阈值随机选取造成的模型预测精度不高、结果输出不稳定的问题。方法提出细菌群趋药性(BCC)算法和BP神经网络算法相结合的BCC-BP神经网络算法,采用BCC算法来选取BP神经网络初始权阈值,克服初始权阈值随机选取带来的问题,并将该算法应用到RGB到LAB色彩空间转换模型中。结果按照国家普通印刷品的允许误差范围规定在6个标准色差单位以下的要求,在色差小于6的预测区间,基于BCC-BP算法的预测准确率达到81.07%,好于BP,GA-BP和PSO-BP算法,同时对于平均色差ΔE小于6个标准色差单位的要求,BCC-BP算法10次预测结果全部低于6。结论采用BCC算法辅助BP神经网络进行初始权阈值的选取,可以有效提高BP神经网络模型在色彩空间转换应用中值的输出精度和稳定性。

基于改进细菌群体趋药性算法的无功优化

基于细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法提出变速菌群趋药性(Gear Bacterial Colony Chemotaxis,GBCC)算法,将其应用于电力系统无功优化。GBCC算法引入带有权重系数的变速公式,使得GBCC算法前期能够较快地收敛于几个最优解的周围,后期能够在最优解周围进行细致搜索,克服了BCC算法易于收敛于局部最优解的缺点。建立基于GBCC算法的无功优化数学模型,给出GBCC算法的具体步骤。通过对IEEE30节点算例的测试,得到GBCC算法在无功优化问题上的收敛速度和优化效果。

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性(BCC——bacterial colcony chemotaxis)优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE30,IEEE57,IEEE118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。

基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法

智能电网的建设和电力市场的发展对短期负荷预测的精度和速度提出了更高的要求。应用一种仿生算法来改善负荷预测的精度和运算速度,提出一种基于细菌群落趋药性优化算法的最小二乘支持向量机(least squares-support vector machine based on bacterial colony chemotaxis optimization,BCC-LS-SVM)模型,通过细菌群体趋药性优化算法快速、合理地确定最小二乘支持向量机(least squares-support vectormachine,LS-SVM)的超参数。研究表明,与前馈(back-propagation,BP)神经网络算法和单纯的LS-SVM算法相比,BCC-LS-SVM算法具有较强的全局搜索能力,易于操作,能够实现更高的预测精度及更好的运算速度,更适用于当前中国短期负荷预测的需要。

考虑需求响应的含风电电力系统日前经济调度

风力发电电网穿透率的不断上升,为电力系统调度带来了巨大的困难和挑战。为此,本文通过需求响应将需求侧资源作为供应侧电能的可替代资源加以利用。首先,将需求响应分为两种形式,并分别进行建模;其次,通过峰谷分时电价优化负荷曲线,考虑需求响应提供虚拟出力和虚拟备用的双重功能,采用基于场景概率的两阶段随机模型,建立含风电电力系统的供需侧联合调度模型;最后,将优先顺序法与细菌群体趋药性算法相结合,对所提模型进行求解,以经典的6机系统和1个风电场为例进行仿真研究,验证了所提调度模型的可行性以及优越性。

考虑储热装置与碳捕集设备的风电消纳低碳经济调度

在电力系统低碳经济调度的背景下,针对"三北"地区供暖期热电机组因供热导致机组强迫出力过高,造成夜晚弃风严重的问题,提出了一种计及配置了储热装置的热电联产电厂及碳捕集电厂的电力系统优化调度模型,考虑热电机组的热电耦合相关约束、热、电平衡及机组爬坡等约束,兼顾系统的总发电煤耗成本最低以及CO_2排放最少两个目标,采用多目标细菌群体趋药性算法(MOBCC)对模型进行求解。对不同场景下系统的风电消纳情况以及系统的经济成本和碳排放进行了分析。算例结果验证了所提模型及求解方法的有效性和正确性。

考虑风电和光伏发电影响的电力系统最优旋转备用容量确定

随着风电和光伏发电并网规模的不断增大,传统旋转备用容量的确定方法已不能满足电力系统安全运行的要求。为此,建立了计及系统可靠性和经济性的机组组合优化模型,同时充分考虑了负荷、风电和光伏发电输出功率的预测误差以及常规机组的故障停运。采用序列运算理论对这些不确定因素进行处理,将不确定性以概率的形式综合考量,并将其引入到目标函数的计算中,能够直观体现系统运行的风险程度,从而联合优化了发电机组的出力计划和旋转备用容量。提出了采用基于离散粒子群和细菌群体趋药性的混合智能算法对模型进行求解,结合序列运算,提高了模型的求解速度和解的最优性。最后,以加入风电场和光伏电站的IEEE 10机39节点系统为算例进行仿真研究,结果验证了所提优化模型及算法的正确性和有效性。

考虑环境成本和需求侧管理项目的电源规划模型

作为电力行业污染气体排放的源头,合理的电源结构对环境的影响至关重要。为减少污染气体的排放,将环境成本和需求侧管理(demand side management,DSM)项目引入目标函数中,提出了考虑环境成本和DSM项目的电源规划模型。此外,还将电力系统可靠性约束引入该规划模型中。采用离散细菌群体趋药性(discrete bacterial colony chemotaxis,DBCC)算法对所建模型进行求解,得到了不同可靠性约束条件下系统的投建成本、缺电成本以及DSM项目成本,算例结果验证了所建模型及算法的可行性。