电力系统无功优化的柯西粒子群算法

针对传统粒子群算法易陷入局部最优解、收敛速度慢的缺点,提出了柯西粒子群算法,并首次将其应用于电力系统无功优化问题。柯西粒子群算法是基于柯西分布的期望和方差均不存在的原理,对每一代粒子的全局极值进行柯西变异,以此来增加种群的多样性,扩大全局最优粒子的搜索区域,以尽快获得适应度更优的个体,从而可以避免算法陷入局部最优解,同时也加快了收敛速度。用柯西粒子群算法对IEEE-14节点标准测试系统进行无功优化计算,试验结果表明,与其他算法相比,柯西粒子群算法具有较强的全局寻优能力,且收敛速度快、鲁棒性好,能够更有效地解决电力系统无功优化问题。

基于数据驱动的分布式低碳能源站状态预测方法

分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCES结构与运行状态,利用关键状态量和偏移量变化将运行状态划分为正常、恢复、临界及紧急状态;其次,构建深度长短期记忆(long-short term memory,LSTM)模型,并利用改进粒子群算法进行超参数优化,提升预测模型性能;最后,利用测试集数据对柯西变异的粒子群算法(Cauchy mutation particle swarm optimization,CMPSO)和LSTM相结合的模型进行预测仿真,将其与RNN、LSTM及BP神经网络预测结果对比分析。结果表明:CMPSO-LSTM模型能提高预测效果,更具实际意义。

基于GIS坐标布局的配电单线图自动成图技术

以IEC 61968的公共信息模型(CIM)为基础,对配电网设备信息及拓扑连接关系进行解析。先通过四参数法将设备地理信息系统(GIS)坐标映射到网格化的图纸上完成初始布局,再针对"杆塔分布均匀规整、站房分布均匀、线路交叉少、整体图元分布均匀"的优化目标进行多目标优化建模,利用带线性递减策略的柯西变异粒子群算法进行优化布局,实现了兼顾灵活通用与布局美观的配电单线图自动成图,并生成可缩放矢量图形(SVG)格式文件与专网移动设备共享,以满足配电网运检业务的需要。