基于多策略融合改进蜣螂优化算法的主动配电网故障重构方法研究

提出了一种多策略融合改进蜣螂优化算法(MSIDBO)。首先,通过考虑网损、弃风弃光以及开关操作惩罚的综合成本最低为目标,构建高比例清洁能源接入及需求响应的配电网重构模型。其次,为了提升算法性能,采用改进的Circle映射方法,优化了蜣螂优化算法(DBO)的种群初始化过程,从而改善了种群在搜索空间中的分布质量。此外,引入新的边界收敛因子,增强了算法的局部开发能力,提高了收敛准确度。同时,为了提升算法的全局搜索能力,引入变螺旋更新机制,并在算法中实施“劣汰”机制,有效地提升了算法在主动配电网故障重构中的性能,显著加快了收敛速度。最后,融合了布朗运动和Levy飞行策略,以平衡算法的寻优需求,进一步提高了算法跳出局部最优的能力。仿真实验结果表明,MSIDBO在单点及多点故障重构中展现出了显著的全局寻优能力,在解决主动配电网故障重构问题上具有更高的准确率与更快的收敛速率,能够为配电网的安全稳定运行提供有力支持。

基于混合粒子群算法的配电网故障重构研究

为了实现含分布式电源的配电网络故障时的恢复供电,在分析粒子群算法基本原理与配电网络结构模型的基础上,提出一种基于混沌映射改进的自适应混合粒子群算法。将压缩因子与自适应权重引入粒子群算法,并借鉴遗传算法中的杂交与自然选择思想,在每次迭代中根据杂交率选取一定粒子进行两两杂交,把每次迭代结果中优秀的一半替换差的一半,并对适应度值良好的粒子进行Logistic混沌优化。接入分布式电源的IEEE 33节点算例,模拟不同算法进行故障重构。仿真测试结果体现出了改进算法具有更快的收敛速度与更好的稳定性。

基于改进灰狼优化算法的舰船电力系统故障重构

[目的]为了更好地分析和解决舰船电力系统故障重构问题,并建立以负载失电量、开关操作次数为优化目标的舰船电力系统故障重构模型,提出一种改进灰狼优化算法来对其求解。[方法]针对灰狼优化算法的不足,首先加入Tent混沌映射;其次,用余弦函数改进收敛因子,使收敛因子初期维持较大的值缓慢减小,后期提高衰减速率;然后,加入非支配排序和拥挤度计算改进决策狼选择策略;最后,将灰狼个体进行离散化处理,使其可用于舰船电力系统故障重构问题。[结果]舰船电力系统网络故障重构算例表明,在负载和发电机故障这两种情况下,所提方法得到的Pareto解集中负载失电量、重构开关操作次数与改进差分进化算法、改进粒子群算法及改进遗传算法相比均较小,并在最佳迭代次数即寻优速度上具有一定的优势。[结论]所提方法能获得更好的系统重构方案,可克服传统灰狼优化算法收敛速度慢、初始化种群多样性较差、容易陷入局部最优等问题,更好地保证舰船安全稳定的运行。

基于白鲸优化算法的配电网故障恢复方法

提出了一种基于白鲸优化(BWO)算法的配电网故障恢复方法。首先,建立光储、风储系统模型以及负荷模型,以故障后重要负荷损失量最小为目标函数,进行配电网的初步孤岛划分。其次,以网络损耗和开关操作次数加权求和最小为目标,采用BWO算法求解,获取孤岛划分与开关操作配合的故障恢复结果。然后,通过3种场景对比,验证了所提方法能够在不同故障时段获得配电网故障恢复的最优结果。最后,将BWO算法与二进制粒子群优化算法、灰狼优化算法的运行结果进行对比,验证了BWO算法寻优效果更好。

基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法

地铁车辆处于复杂的运行环境中,高压供电电路很容易发生过流故障,为迅速辨识过流故障类型,设计了一种基于半动态拓扑优化算法的地铁车辆高压供电电路过流故障同步诊断方法。应用半动态拓扑优化算法,构建模态坐标空间内高压供电电路的电流微分运动模型。结合粒子群算法与优化VDM分解方法,提取模型的过流故障特征。基于BP神经网络与遗传算法构建过流故障同步诊断模型,实现高压供电电路过流故障的同步诊断。案例测试结果表明,该方法对于变压器过流故障、变流器过流故障以及弓网接触不良故障的诊断都比较准确,特别是对于变压器与变流器的过流故障诊断十分准确。

基于分层拓扑模型的配电网故障定位优化算法

随着配电网规模的不断扩大 ,配电网中的电源点及T接点的数量不断增多 ,配电网故障定位的实时性矛盾将日益突出。针对此问题 ,提出了基于分层拓扑模型的配电网故障定位优化算法。该算法充分考虑配电网故障定位的特点 ,采用分层拓扑模型 ,利用对分法 ,通过计算某一区间中间层顶点故障信息状态组合情况 ,以确定故障所属的更小区间 ,逐步压缩并逼近故障所属区间 ,实现故障的快速、准确定位。

考虑分布式光伏发电的单相接地故障下配电网的重构方法研究

针对考虑分布式光伏发电的单相接地故障下配电网的重构问题,通过分析单相接地故障下配电网重构的特殊性,建立了单相接地故障下配电网双层重构优化模型;然后采用双层粒子群优化算法将支路交换法与二进制粒子群优化算法相结合,通过启发式规则减少需要考虑的开关组合,快速确定配电网损耗最小且开关动作次数较少的配电网重构方案;最后通过IEEE14节点配电网算例,对本模型和策略进行了仿真验证。研究结果表明:所提出的方案是在考虑分布式光伏发电后,合理确定分布式光伏发电电源输出功率的同时,还可优化单相接地故障两个阶段的重构方案,减少了故障带来的损失。仿真结果验证了本方案的有效性和正确性。

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性。得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标。算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际。

基于群搜索优化算法的舰船电力系统网络重构

舰船电力系统(SPS)的网络重构跟陆地电力系统网络重构不同,它是一种典型的非线性组合优化问题。考虑各级负载的故障后供电恢复情况和开关操作次数最少,建立了舰船电力系统故障恢复数学模型。提出了基于群搜索优化算法的舰船电力系统网络重构方法,并增加了离散化过程。舰船电力系统网络故障恢复算例表明,群搜索优化算法具有可行性和有效性。

考虑环网检测的配电网拓扑重构遗传算法

提出了一种基于遗传算法的配电网自动优化重构方法。由于配电网拓扑约束的限制(连通辐射状网络),遗传算法在解决配电网重构问题过程中,可能产生大量不可行解。针对该问题,首先提出了一种快速"环网和孤立节点"检测算法,可检测进化过程中产生的解是否满足配电网拓扑约束的要求;其次,提出了一种基于拓扑搜索的初始种群自动形成算法,该算法除可用于初始种群的形成外,还可用于生成新的解以替代遗传进化过程中产生的不可行解。为了提高遗传算法的收敛性能,提出了一种定向变异的遗传算子,该算子不仅可保证经变异运算后产生的个体满足配电网拓扑约束的要求,而且可保证该个体为本次变异操作可产生的最优解。该算法的提出提高了遗传算法解决重构问题的自动化程度和收敛性能。以IEEE 33节点、PG&E 69节点和119节点系统为例对方法进行了测试,验证了该方法的有效性。

基于故障邻接状态的配电网多故障抢修与优化策略

基于故障与配网的拓扑关系和抢修与恢复的动态交替特性,建立了基于故障邻接状态的配电网多故障抢修与优化模型,快速制定抢修策略。在故障抢修阶段,基于供电类型建立负荷节点带电状态矩阵,提取故障邻接负荷的带电状态建立故障邻接负荷带电状态矩阵,对其进行拓展得到故障邻接状态,并对故障进行分类。通过抢修与故障邻接状态的交替更新确定每阶段最优抢修任务。在重构计算中,建立自适应环压有序环矩阵作为算法的解空间,引入余弦递减函数和莱维飞行对量子粒子群算法进行改进,建立莱维系数量子粒子群算法进行求解。用PG&E69节点系统进行仿真,验证所提方法的可行性和所提算法的有效性。

适应多负载电池储能系统的拓扑结构优化重构方法

可重构技术应用于电池储能系统是退役电池回收再利用的有效方法之一。然而,由于储能系统供给侧和需求侧的多样性、退役电池包的拆解成本高且易引发环境和安全问题等问题,退役电池重组再利用构成储能系统非常困难。为了解决这一问题,本文采用电池重构对电压不一致的电池包进行重组再利用,以满足多负载需求为目标,在保证能源效率和系统安全的前提下,提出了一种面向多负载需求的低拓扑复杂交换度的退役电池组拓扑重构优化设计方法。通过构建多目标优化模型,并采用改进的二进制纵横交叉算法求解模型,获得了满足多负载需求的最优拓扑结构,并通过案例分析验证了本文所提方法的有效性。研究表明,通过调整多目标间的权重,可提高可重构电池储能系统拓扑结构的设计弹性。

基于DBSCAN的拓扑结构优化设计方法

拓扑优化变密度法得到的优化结构边界呈离散阶梯分布,边缘不清晰且可制造性较差,现有重构算法均基于非参数轮廓的提取,在可适用性及响应精度方面有待改进。针对此类不足提出一种拓扑结构优化方法,利用Canny检测算法提取拓扑优化结构边缘,基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对其结构模型进行聚类分析,得到密度划分的多簇特征点集,利用凸包Graham Scan算法逆序扫描数据点集,连接自然极限边界形成整体轮廓,为考虑可制造性条件下拓扑设计提供一种优化方法。通过典型算例验证了设计方案的可行性,整体结构边缘清晰,且对拓扑构型可能存在的无实义内部空隙有修复作用。结果表明:经处理后的优化构型结构响应度误差较小,满足设计要求。

考虑拓扑故障的无人机编队容错控制方法研究

针对无人机编队在拓扑故障、舵面故障、执行器故障和不确定性情况下的控制问题,提出了一种编队容错控制方法。首先建立了编队运动模型和无人机运动模型;然后在拓扑故障检测方法的基础上,提出了拓扑故障重构优化算法,实现最小通信代价和队形重构代价的编队拓扑故障重构优化;在反步容错控制方法的设计过程中,通过执行器故障辨识模块和辅助系统模块来对执行器故障和舵面故障进行估计和补偿,实现执行器故障、舵面故障和不确定性条件下的编队稳定飞行。仿真结果验证了所设计的拓扑故障下无人机编队反步容错控制方法的优越性。

大容量永磁饱和型故障限流器参数设计与优化

为适应大容量应用需求,针对一种直线式永磁饱和型故障限流器(permanent-magnet-biased saturation based fault current limiter,PMFCL)磁拓扑结构,基于等效磁路法建立了以饱和深度比、电感比与电感和为基本变量的结构参数设计算法,并通过分析铁心上工作点的变化规律,将PMFCL结构参数优化转化为对3个独立变量的优化,即对铁心i-Be曲线上3个关键点的优化问题,为获得最优结构参数奠定了算法基础。将参数优化算法应用于110 kV系统设计实例,并基于Maxwell-2D软件建立了直线式PMFCL的场–路耦合仿真模型,验证了算法及优化结构参数的有效性。

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。

基于粒子群优化的多操纵面飞行器的重构控制

提出一种基于粒子群优化算法的控制分配算法的重构控制策略。利用粒子群优化算法的实时性、高效性等优点,选择出符合最优性能指标要求的控制输入量,解决控制分配算法问题。当操纵面出现一个或多个损伤、失效等故障时,飞行控制系统能实时地调节控制效率矩阵,从而对各操纵面进行再分配,实现重构控制。仿真表明,该策略在飞行器遇到故障时能快速地调整,降低对故障操纵面的使用,协调其他操纵面及时解决故障问题,从而保证飞行器的正常工作。

有向网络的拓扑优化及其在电力系统的应用

系统地阐述了一种利用面向对象模型提取并分析具有很强的可扩充性的通用的有向网络的方法,提出自动、高效、准确地生成有向网络原始拓扑图的思想,给出了利用Di-jkstra最短路径算法,结合带权值有向网络特性,求出故障最可能发生路径的方法。再利用提出的思想和方法对电力SCADA图元及线路图绘制系统进行设计,同时对电力系统的挂接地线的特殊情况进行了分析,提出了利用广度优先搜索方法代替常用的深度优先搜索对电力有向网络遍历的优化方法。实际应用表明,利用该思想设计的系统对电力系统的故障诊断具有很好的快速性、准确性,证明了该思想的有效性。

基于改进黏菌算法的配电网重构研究

为更好地解决配电网重构时存在的搜索范围大、收敛速度慢等问题,建立以降低网络总有功损耗和均衡负荷为目标的配电网重构模型,提出一种基于改进黏菌算法的配电网重构策略。首先针对具有复杂拓扑结构的配电网络,将Prim算法与连续支路交换算法相结合消除不可行解,以此作为黏菌算法的初始种群;其次针对黏菌算法收敛速度差、容易陷入局部最优等问题,设置搜索阈值和高斯扰动以提高收敛速度,引入折射反向学习策略跳出局部最优解。仿真算例结果表明,所提出的配电网重构策略对复杂配电网可以有效减少线路有功损耗、提高电压水平以及均衡负载,同时具有较高的准确性和较短的迭代时间。

一种应用于接地网故障诊断的混合算法

为提高大型接地网故障诊断算法的收敛效果和准确度,降低算法的复杂程度,针对根据电网络理论建立大型接地网故障诊断模型,考虑到其高维度、高度欠定、非线性的特点,提出一种确定性算法与随机性算法相结合的混合算法。确定性算法部分由L-M(Levenberg-Marquardt)和微量处理法组成,此部分集成了L-M高精度、高收敛速度的性能,以及微量处理法的逐步寻优特点,可以快速锁定真实解的范围,减少随机性算法部分的无效搜索;随机性算法部分基于粒子群算法建立,在确定性算法部分的引导下,此部分可运用自身全局寻优能力对解进行深入优化。仿真分析的结果表明,所提出的混合算法具有高精度、高收敛性的优点,可应用于不同拓扑结构的大型接地网故障诊断。