负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

负荷动特性综合方法研究

针对如何建立同类负荷动特性的综合模型问题,提出了基于实测响应空间的负荷动特性直接综合方法.该方法首先应用重心法确定同一类负荷特性的聚类中心,再通过对聚类中心等效样本进行参数辨识,以得到的模型参数作为该类负荷特性的综合模型参数.通过对某一变电站现场采集的负荷特性数据进行综合建模,结果表明该方法正确有效,而且其实现比综合辨识建模以及参数加权平均综合建模更为简便.     

基于自适应遗传算法的渗流参数辨识研究

【目的】针对简单遗传算法难以确定交叉率和变异率的最佳值、计算量较大及易早熟等缺点,提出以自适应遗传算法来进行渗流参数辨识,为获得工程所需的计算参数提供参考。【方法】利用水头实测资料,以渗透系数为待辨识参数,在采用简单遗传算法进行参数辨识研究的基础上,力求使改进的遗传算法计算量更小,收敛性更强,同时结合三维稳定渗流有限元工程实例进行了反演计算。【结果】自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题。【结论】自适应遗传算法为渗流领域的参数辨识提供了新的途径。     

模糊C均值聚类在电力负荷建模中的应用研究

针对负荷建模中统计综合法研究薄弱的现状,在某省全电网大范围调研基础上,提出了基于模糊C均值算法的分类思想,并对调查的48个枢纽变电站和纺织行业典型用户的负荷特性进行了分类研究,得到其相应聚类中心矩阵,分析了聚类结果和聚类中心矩阵,得出了有意义的结论,表明该方法可以有效的进行变电站的聚类和综合以及典型行业用户的精选,解决了负荷建模中变电站特性分类处理和典型用户的精选的复杂性与主观性,对综合负荷建模具有重要的指导意义.该方法具有概念清晰,计算方便,算例论证了其正确性和有效性.     

地区电网无功优化研究

建立了动态无功优化数学模型，提出用遗传算法对负荷曲线进行优化分段的方法。提出的地区电网无功优化控制基于现有地调自动化系统，利用遗传算法求解整个电网的无功优化问题，并根据优化结果给出控制方案，指导各个变电站VQC建立合理的限值。该方法克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在确定VQC上下限时，将每一时段的预测负荷定义为模糊数，在一定的置信水平下精确化，可计算出对应的无功调节范围。设计了无功优化控制系统的软件体系结构，编写了无功优化程序，并在某地区电网的应用中验证了方法的有效性。经过优化计算，系统各母线电压满足约束条件，在满足控制设备投切次数限制的条件下，降低了电能损耗。有功损耗比优化前下降4．96％。     

电力负荷预测与气象指数关系研究

本研究通过统计方法分析了保定市、阜平、涞源和涿州4个区域的负荷特点以及波动的规律性,引入生物气象学中的实感温度、寒湿指数、温湿指数、舒适度指数4个指标来综合衡量气象因素对电力负荷的影响。给出了电力负荷与各指标的比值曲线,通过同一区域的曲线比较说明了引入各气象指数的合理性,通过不同区域的曲线比较说明了不同区域的负荷与气象指数关系的差异,提出网格化建立负荷预测模型的必要性。     

锂电池的电化学建模研究

锂离子电池作为电动汽车重要的储能单元,在反复的充放电过程中出现性能衰退等老化现象不可避免.本质上锂电池完成的充放电过程是持续的电化学反应,因此基于电化学建模方法比等效电路方法更为精准和可靠.本文首先从理论上阐述了电化学建模的过程,然后应用COMSOL软件对模型进行了仿真,为验证仿真分析的可靠性,对18650锂离子电池进行了多个温度、倍率的充放电,将仿真数据与实验结果进行对比发现吻合较好,表明了电化学建模方法的可靠性较高.随着放电倍率的增大,仿真结果和实验数据吻合变差,如何在建模时考虑电池的老化、热耦合等因素以确保始终吻合良好是未来研究的内容.     

农村电力系统负荷预测方法研究

农村电力系统负荷预测在农村电网发展规划过程中是一项十分重要的基础性工作。该文系统地讨论了影响农村电力系统负荷预测的主要因素、负荷预测的基本步骤以及常用的预测方法。     

电力系统短期负荷预报的动态神经网络方法

提出了一种用于电力系统短期负荷预报的动态神经网络模型。这种模型同时兼顾了时序法和相关法的特点，将日期特征量，气象特征量及一天的多个有功负荷水平作为神经网络的输入信息，通过对输入信息动态，灵活地处理，利用有监督的学习算法对神经网络进行训练，再预测下一天相应时间点的多个有功负荷，以提高有功日负荷的精度和方法的适应性，为电力系统经济负荷分配提供可靠的依据。     

基于遗传算法的智能粒子群优化方法

定义了粒子群优化(PSO)的参数空间,把探索性能最优的粒子群算法转化为一个参数优化问题,提出了用遗传算法优选PSO参数组合的一种方法,并给出了具有较好运算性能的PSO形式(参数组合).数值实验表明此设计方法应用效果好.     

电网动态负荷有功模型参数辨识研究

针对动态负荷模型的参数辨识问题进行研究。通过对实测电网有功功率和电压信号的实验分析,借助MATLAB系统优化工具箱,给出了动态负荷模型参数辨识的具体方法和步骤。结果表明:利用参数辨识方法得到的负荷模型能够较好地体现电网实测有功功率的变化规律,对于深入研究电网动态负荷模型的特性有重要意义。     

模糊自适应遗传算法在农村电站无功补偿优化中的应用

运用模糊自适应遗传算法对农村电站无功补偿优化数学模型进行了优化计算,通过实例的计算机仿真,搜索到了电站无功补偿费用最低的优化补偿点,结果符合实际应用情况,表明自适应遗传算法应用于农业工程优化设计计算切实可行。     

基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

电力系统短期负荷预计(DFY)

电力系统调度部门,为了经济、可靠和安全供电,一般要进行短期负荷预计.本文介绍一个次日24小时的负荷预计模型和其程序在计算机上的操作过程.负荷模型分为两部分—正常情况和非正常情况下的预计.对湖南电网给出了预计的实际结果.     

Rural Power System Load Forecast Based on Principal Component Analysis

Power load forecasting accuracy related to the development of the power system. There were so many factors influencing the power load, but their effects were not the same and what factors played a leading role could not be determined empirically. Based on the analysis of the principal component, the paper forecasted the demands of power load with the method of the multivariate linear regression model prediction. Took the rural power grid load for example, the paper analyzed the impacts of different factors on power load, selected the forecast methods which were appropriate for using in this area, forecasted its 2014-2018 electricity load, and provided a reliable basis for grid planning.     

Application of Interval Algorithm in Rural Power Network Planning

Rural power network planning is a complicated nonlinear optimized combination problem which based on load forecasting results, and its actual load is affected by many uncertain factors, which influenced optimization results of rural power network planning. To solve the problems, the interval algorithm was used to modify the initial search method of uncertainty load mathematics model in rural network planning. Meanwhile, the genetic/tabu search combination algorithm was adopted to optimize the initialized network. The sample analysis results showed that compared with the certainty planning, the improved method was suitable for urban medium-voltage distribution network planning with consideration of uncertainty load and the planning results conformed to the reality.     

基于遗传算法的变压边力模型及其在回弹控制中的应用

为尽可能地减少回弹对冲压件质量的影响，采用Hughes和Liu提出的适用于非线性的二维壳单元来开发冲压和回弹的计算程序．在准确预测回弹量的前提下，提出了一种基于遗传算法的变压边力模型用于回弹控制．与常压边力模型相比，回弹得到很好控制，能够得到更好的成型结果．