采用本质多目标进化算法的舰船电网故障智能恢复决策

经典多目标决策方法通过直接或利用层次分析法给定各目标权因子,再进行多目标综合。这种算法存在局限性,如缩放因子或模糊集参数实时调整难、获取最优解效率低等。现有舰船电网故障恢复方法仅给出负荷投切方案,且不考虑舰船线损。在严格定义"支配"、"目标支配"和"约束支配"3个概念的基础上,利用解的非支配关系,提出采用本质多目标进化算法并面向开关的故障智能恢复决策,该方法毋需权因子、缩放因子和模糊集参数,并实现了故障恢复后线损最小,在获得Pareto解集后,再作目标偏好选择,给出最优开关动作序列,提高了获取最优解的效率,解决了多约束条件下解的支配关系判别难题。算例分析证实了该方法可行、有效,且优于经典多目标方法。

采用多目标网格进化算法并面向对象的舰船电网重构

考虑系统失电负荷量、电网有功损耗、线路负荷分配失衡度和开关操作次数,构造出舰船电网重构模型。以网格为载体,在邻域范围内进行选择、交叉和变异,采用精英策略,提出基于多目标进化并面向对象的舰船电网智能重构方法。该方法在不影响解的全局最优性的基础上,极大缩短了算法执行时间,并将各种Pareto重构算法的共同属性和操作抽象出来形成公共基础平台,改进超体积指标计算方法,实现不同算法性能间的公平比较。算例分析结果表明,在算法运行时间及所获解集的趋近度和分布度方面,所提方法均优于NSGA-Ⅱ和SPEA2。

考虑元件可靠性的舰船电力网络综合脆弱性分析

针对复杂网络理论研究电网节点脆弱性时存在的局限性,在考虑舰船电力网络结构脆弱性的基础上,将源与负载间连接路径的可达性叠加到舰船电网的综合脆弱性中;利用多属性决策方法,提出基于主客观赋权法相结合的综合权重自适应获取模型。首先,将舰船电网结构脆弱性和物理脆弱性相结合,提出综合脆弱性的概念;其次,选取层次分析法和熵法这两种典型的主、客观赋权法,利用加权和法的评价函数作为优化模型的目标函数,提出自适应综合权重获取的优化模型,实现对舰船电网综合脆弱性的全面评价;最后,将所提综合脆弱性指标与传统结构脆弱性指标相比较,通过某环形舰船电网验证了模型的有效性。

大型舰船电力系统网络重构研究

大型舰船电力系统的出现使供电方式由原来的辐射状向环形发展,其网络重构是一个崭新的问题.文中给出了大型舰船电力系统的网络拓扑结构并综合考虑了线路容量限制、节点电压约束及供电负荷优先性的重构数学模型,保证了各种情况下最大限度地给负荷供电.将规划遗传算法应用于所建模型的求解,并应用算例验证了此解法的可行性.

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。

一种启发式舰船电力网络拓扑分析方法

快速有效地跟踪网络拓扑对于实现舰船配电管理自动化至关重要。针对传统拓扑分析方法效率低、耗时多的缺点,提出将广度优先和启发式搜索技术相结合的舰船电力网络拓扑快速跟踪新方法。该方法基于面向对象技术构造了符合舰船电力网络特点的拓扑模型,利用节点和支路模型的双向关联关系描述电网拓扑结构。基于广度优先搜索对初始网络进行遍历,实现了支路类型识别和网络静态分区,并在此基础上,针对不同类支路状态变化,采用启发式规则更新局部网络拓扑,从而实现了电网拓扑的快速跟踪。对典型舰船电力网络的拓扑分析结果表明,该方法具有较好的实时性,相对于传统方法有效率更高。

考虑静态电压稳定的舰船电网多目标故障恢复决策

为了解决没有考虑重构过程诱发的电压稳定问题,针对舰船电网快速故障恢复,引入电网线路静态电压稳定指标SVSI。将故障恢复后电网所有线路SVSI指标的最大值作为目标函数,以表征此时系统静态电压稳定的整体水平,建立一种考虑静态电压稳定的舰船电网多目标故障恢复重构模型。采用基于局部搜索技术的多目标网格进化算法MGEA对该模型进行求解,算法保留了故障恢复问题的多目标本质,以网格为载体,在邻域范围内做选择、交叉和变异,减缓了基因传播速度。对一舰船电网实际算例进行故障恢复重构测试,结果表明,该决策方法在实现舰船电网故障恢复的同时,可有效提高整个系统的静态电压稳定性。

基于混沌自适应差分进化算法的舰船电力系统网络重构

舰船电力系统的网络重构是保证舰船电网安全运行的重要手段,文中采用混沌自适应差分进化算法作为解决舰船电力系统网络重构的方法.采用混沌优化产生初始种群,保证了种群的多样性;引进自适应变异算子和交叉算子,加速算法的收敛速度.文中以一个特定的舰船电网模型为研究对象,证明了所提出方法可以高效、快速地解决网络重构问题,与其他优化方法相比,再开关操作次数更少,收敛速度更优.

改进粒子群算法在船舶电力系统网络重构中的应用

船舶电力系统网络重构本质上是带约束的多目标组合优化问题。针对船舶电网重构问题的特点,建立了船舶电力网络的无向图模型;在此基础上,进一步建立了以负荷恢复量、开关操作次数和发电机效率均衡性为优化目标的船舶电力系统多目标重构模型;提出了一种结合"背包策略"和模拟退火算子的改进粒子群算法进行求解。其中"背包策略"可以明显提高粒子群算法的搜索起点和加快收敛速度;模拟退火算子能够很好地提高粒子群算法的局部搜索能力和克服粒子群算法易于陷入局部最优解的缺点。测试算例结果表明,利用所提方法能够获得更好、更完备的船舶电力系统重构方案,算法具有较好的优化性能。

舰船电力系统网络重构研究综述

由于舰船电力系统使命的特殊性及系统的独特性,其网络重构不同于一般的电力系统。本文较为全面地分析了舰船电力系统的特点,综述了其网络重构的发展,对重构中涉及的网络计算、重构指标计算、网络的连通性检验及拓扑识别方法、重构数学模型及模型的求解方法等给出了详细的归纳与总结。最后指出了未来舰船电力系统网络重构的发展方向。

考虑电力系统生命力性能的舰船电网规划方法

针对舰船电网拓扑结构及电网元件布置的优化设计问题,提出以电力系统生命力性能为主要优化目标的舰船电网双层规划模型。上层规划将舰船电力系统的生命力性能最优作为目标函数,对舰船电网拓扑结构以及电力节点的布置进行规划;下层规划将电力电缆总长度最短作为目标函数,对电力电缆的布置进行规划。对标准遗传算法进行了改进并将其作为各层规划的求解算法,提出修复操作,对交叉、变异过程中产生的孤点、孤岛、环等不可行解进行修复;提出等效操作,对电网中电力节点的规模进行优化。算例结果验证了该规划模型及其求解方法的实用性和有效性。

基于克隆算法的舰船电力系统故障恢复

为了解决舰船电力系统的故障恢复问题,在综合考虑多电站环形供电网络的拓扑结构、发电机的容量限制、负载的优先级以及最大限度恢复负荷供电等约束条件下,将供电网络的故障恢复看作是一个多目标、非线性优化问题。给出了节点电压约束的供电恢复模型,采用负载支路相关矩阵法对容量约束进行检验,减小了分析、计算难度。对负载进行0、1、2编码,每一位编码对应一个负载,有效地缩短了编码长度。最后应用克隆算法得出了优化的故障恢复策略,选择亲和力高的抗体并进行克隆。仿真结果表明,该算法比简单遗传算法、启发式遗传算法以及混沌遗传算法等其他故障恢复优化算法具有更快的收敛速度,更高的获得最优解的概率,能够有效提高故障恢复的速度和准确性。

基于贪婪度表的DPSO求解舰船电力系统网络重构

针对舰船电力系统网络重构问题,提出一种基于贪婪度表的离散微粒群算法。该方法采用概率贪婪法对种群离散化,在迭代之前先给出贪婪度表,迭代中计算概率时直接取贪婪度表中的贪婪度值,避免计算量过度增加。调整了贪婪度函数计算公式。限制了贪婪度及概率的大小,避免算法早熟收敛。对算法离散过程进行了分析。舰船电力系统网络重构算例显示,该方法具有优良的搜索性能。

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法具有更好的可行性。

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。

舰船电力系统复杂网络特性研究

基于复杂网络理论,根据舰船电力系统自身特点建立了复杂网络模型,并针对目前较为关注的小世界特性和无标度特性,对舰船电力系统的复杂网络特性进行了研究。计算了六种不同类型舰船电网的特征参数,结果表明:当节点数量较小时,电力系统不具备明显的小世界特性;随着节点数量增加,电力系统开始表现出明显的小世界特性,舰船电力系统复杂网络属于典型的非均匀网络。

舰船能量管理网络与电力系统的信息物理联合仿真

[目的]随着能量管理网络在舰船电力系统中的广泛应用,其非理想特性对电力系统运行性能的影响日趋明显。为了分析两个系统之间的紧耦合特性,提出一种信息网络与电力系统仿真相结合的信息物理联合仿真方法。[方法]该方法分别以OPNET网络仿真软件和Matlab/Simulink软件作为能量管理信息网络与电力系统的仿真平台,基于统一的联合仿真框架实现平台之间的数据交互接口和时钟同步功能;搭建舰船电力系统中同步发电机组并联带负载的联合仿真模型,分析能量管理信息网络中链路固有延时、网络背景流量等特性对电力系统功率二次分配过程的影响。[结果]仿真结果表明:添加链路延时(2和5 ms)之后,整个控制环节的总延时分别约为12和30ms,网络链路的固定延时对电力系统响应产生了明显影响;当网络背景流量导致链路过载时,数据包延时和系统闭环控制延时将逐渐增加,而系统在仿真后期将趋于失稳发散。[结论]该方法可为未来舰船电力系统与能量管理系统的耦合研究提供有效的仿真手段。

巨型浮吊船电力系统动态响应的联想记忆识别

巨型浮吊海洋工程船的作业依赖于船舶电力系统的稳定运行。这类船上大功率变频器、大功率交流电机等设备的大量应用,使得控制系统受干扰影响严重,检测到的动态响应常常含有干扰成分,给电力自动化设备的反馈控制带来了困难。联想记忆具有按信息内容检索的功能,可以模仿人脑进行联想,处理缺损和不确定的信息,具有容错功能。根据联想记忆原理,运用Hopfield网络结构,对Hebb学习规则进行了改进,构建了自联想离散Hopfield网络。该网络通过对动态响应标准样本进行学习,得到了稳定模式,在受干扰污染、信息缺损的巨型浮吊船电力系统动态响应的识别中表现出了良好的滤除干扰的能力。

开关动作次数最少目标函数的舰船电力系统重构

任何电力系统都是由一组开关连接具体的元件组成的。文章用图的形式来描述电力系统模型的结构,将一个具体的电力系统抽象分解为一些线段及联结这些线段的点的集合。通过改变开关的状态可以优化运行网络的结构,以达到研究重构问题的目的。按照特殊的舰船网络重构目标要求与限制,在重构过程中一组开关的可开、可闭变化形象反映在二进制数组的运算上。最后以一个典型的电力系统为例,描述成图简化后,对点进行赋权,以验证其可行性。