基于IBFA的局部阴影下光伏最大功率点追踪研究

最大功率点追踪(Maximum Power Point Tracking,MPPT)技术是提高光伏发电效率的重要手段之一。针对传统MPPT不能满足局部阴影光照下寻优要求,本文提出一种改进细菌觅食法(Improved Bacteria Foraging Optimization Algorithm,IBFA)。通过引入全局学习方向,牵引细菌种群趋化方向,以此增加了算法的收敛速度;增加自适应步长机制,改善步长多样性,使得算法在寻优过程中可以跳出局部最优,收敛后期更加精确。通过仿真实验测试,该算法在局部阴影下能够跳出局部最优,快速收敛到最大功率点处,同时与粒子群算法(Particle Swarm optimization,PSO)相比性能更加优越。

基于Dijkstra算法的电力光通信网络智能运维设备脱网故障区段定位方法

智能运维设备发生脱网故障后,往往难以定位,为实现脱网故障区段与故障电流分布间映射关系的确定、寻找脱网故障区段与故障电流分布间映射关系的最短路径,设计一种基于Dijkstra算法的电力光通信网络智能运维设备脱网故障区段定位方法。选择数据驱动方法中的LightGBM算法,通过大量样本确定离网故障区段与故障电流分布之间的映射关系。基于Dijkstra算法寻找映射关系的最短路径,实施脱网故障区段搜索。设计电力光通信网络智能运维设备脱网故障区段定位平台,实现脱网故障点即智能运维设备信号丢失的定位与告警。对比实验显示,在SDH环网电路区域中的光缆中断导致的脱网故障区段定位、多路由段的光缆故障下的脱网故障区段定位,以及在环状电力区域中的多路由段的光缆故障下的脱网故障区段定位场景中,该方法的定位结果与实际位置最贴近,定位最准确。

基于免疫二进制萤火虫算法的主动配电网低碳目标网架规划

主动配电网(ADS)网架规划是一个非常复杂的大规模组合优化问题.萤火虫算法(FA)是一种新型的智能优化算法,全局搜索能力强、算法结构简单,而且收敛速度快.在此基础上借鉴生物免疫机制,群体更新时考虑抗体浓度,进一步提高种群的多样性和算法全局寻优能力,提出了一种免疫二进制萤火虫算法(IBFA)进行主动配电网网架规划.以线路投资、运行维护、网损和碳排放环境成本最小为目标,考虑分布式电源(DG)与柔性负荷(FL),建立了主动配电网网架规划模型.通过与二进制粒子群优化(BPSO)算法对比求解IEEE-14节点算例,验证了免疫萤火虫算法在全局寻优能力和收敛性方面的优越性,同时证明分布式电源和柔性负荷是抑制碳排放、提高系统整体效益的有效方式.