一、基于CMAC神经网络的配电网络重构(论文文献综述)
史建超[1](2021)在《面向电力物联网信息感知的电力线与无线通信融合关键技术研究》文中指出电力物联网技术对保障电网的正常运行具有重要作用,由于我国配用电网络拓扑结构复杂,配用电设备种类多且数量大、覆盖范围广,配用电设备安装场所电磁环境复杂,任何单一通信方式都难以胜任智能配用电网信息感知的需求。为了提高配用电网信息感知通信的可靠性,论文研究了电力线与无线通信融合关键技术,使两种通信方式优势互补,提高了配用电网数据传输的可靠性及通信覆盖率,并通过正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)资源分配方法优化资源配置,增强网络性能。本文的主要工作及研究成果如下:(1)提出一种基于深度学习的电力线信道传输特性识别方法,通过构建基准样本、训练识别模型、构建噪声样本、自编码去噪处理和去噪样本识别的过程,完成对电力线信道传输特性的识别,以便于后续深入研究计及OFDM资源分配的电力线与无线通信融合方法。(2)针对启发式算法易于陷入局部最优解的特点,提出迭代激励机制和迭代激励因子的概念,增强算法的全局搜索能力及收敛速度,仿真结果验证了迭代激励机制能增强启发式算法的寻优性能。结合迭代激励因子动态控制系统参数和Levy飞行双蚁群竞争择优,提出了改进蚁群服务质量参数感知路由算法。通过与其他算法的仿真对比,验证了所提算法收敛速度较快且不易陷入局部最优解,使通信节点快速寻找到最优通信路径。(3)以改进蚁群算法为基础,设计相应的通信协议、组网方法和路由重构策略,构成基于改进蚁群算法的电力线通信服务质量(Quality of Service,QoS)约束组网方法。采用直接路由重构方式与间接路由重构方式相结合的路由重构策略,对电力线通信网络进行动态维护以增强其稳定性和可靠性。仿真结果表明,该组网方法能针对不同的电力线通信服务类型选择相应的最优通信路径,保障数据的高效可靠传输。(4)提出一种低压电力线与微功率无线通信融合方法,通过在电力线与无线混合通信网络的介质访问控制层建立统一的通信协议、网络层实现最优通信路径组网、业务层基于误码率需求因子的子业务流分配,实现低压电力线通信与微功率无线通信的跨层融合。仿真结果表明,混合通信网络的性能优于其他对比网络。提出多跳中继电力线通信网络中的OFDM跨层资源分配算法和计及OFDM资源分配的电力线与无线通信融合方法。仿真结果表明,所提资源分配算法具有较高的系统吞吐量和较好的时延特性,所提通信融合方法能满足电力物联网感知层和网络层对通信接入的需求。(5)结合理论研究,提出基于PLC-LoRa(Long Range)的多模通信融合技术和基于低压PLC-中压PLC-4G/2G桥接中继多模通信融合技术。研制配用电网智能感知终端,并应用于企业能效及安全用电监控系统和农村偏远地区集中抄表的实际工程项目中,服务企业数千家,安装各类终端数万套。
张青林[2](2020)在《基于改进灰狼算法的微电网重构研究》文中指出微电网在运行过程中,由于各种的干扰系统时常会偏离可靠、安全、经济的运行状态。因此,为了提高微电网运行的可靠性、安全性、经济性,提出了一种改进灰狼算法的微电网重构策略。论文主要内容如下:首先,建立了考虑系统电气和结构的综合脆弱度函数,提出了衡量系统结构脆弱性的网络微源分散度指标。其次,建立了微电网重构模型。重构模型主要包括,微源和负荷的模型、约束条件和重构目标三部分,决策变量为由网络开关、微源和柔性负荷的功率构成的连续型和离散型的组合变量。然后,提出了改进灰狼算法的重构策略。针对重构优化过程中的非辐射状网络结构问题,在算法变量初始化时,采用破圈法随机生成辐射状结构作为可行的网络结构;用深度优先搜索对网络结构进行识别、分析和处理,并生成节点遍历顺序,而迭代过程中的不连通网络结构,由破圈法随机生成的辐射状结构进行替代;根据遍历的节点顺序,用前推回代法计算系统网络潮流分布;由灰狼算法寻优并获得最佳重构方案。另外,将多目标的优化过程分为两个阶段,在算法寻优前期,寻找帕累托最优前沿解集;在算法寻优后期,根据帕累托最优前沿的解集,确定一组各目标指标的阈值,作为后期优化的界限,只有在界域内的解方案才允许选出作为较优方案,由加权目标函数指导搜索方向,选出最佳方案。最后,将IEEE 16节点、IEEE 33节点、IEEE 69节点配电网络修改成的微电网作为算例。这些算例验证了所提出重构策略的正确性和可行性。
石洋涛[3](2020)在《基于改进烟花算法的配电网优化重构技术研究》文中认为配电网优化重构技术是以负荷预测数据为基础,通过重构算法获得未来配电网最优运行结构的操作,为电力系统调度提供重要参考。配电网优化重构技术能够减小配电网网损,提升节点电压,提高供电质量,从而保证电力系统运行的安全性和经济性。因此开展配电网优化重构技术的研究是具有实际意义的。本文从负荷预测模型和配电网重构算法两方面对配电网优化重构技术进行了研究。在负荷预测模型方面,以极限学习机为理论基础搭建负荷预测模型,利用改进烟花算法对极限学习机进行优化,解决了极限学习机因采用随机生成的输入层权值和隐含层阈值导致的系统不稳定问题。优化极限学习机的负荷预测模型通过改进烟花算法获得极限学习机的最优输入层权值和隐含层阈值,解决极限学习机的稳定性问题,提升负荷预测的速度和精确度。仿真结果验证了本方法在实际电力系统负荷预测应用中的有效性和实用性。在配电网重构算法方面,提出了一种基于改进烟花算法的配电网重构算法,此算法以改进烟花算法为基础,并增加了适用于配电网重构的映射规则。重构算法以配电网最小网损为目标函数,以配电网的开关状态为待求量,通过运行算法求得最优解,即配电网最优运行结构。仿真表明,经过重构之后的配电网系统,网络损耗明显降低,节点电压显着提升。通过与其他算法的对比,验证了改进烟花算法在全局寻优能力以及寻优速度上的优越性。最后,利用某中心城市配电网对配电网优化重构技术进行实例应用。结果表明,配电网优化重构技术中负荷预测模型能够有效提高配电网负荷预测精度,满足电力系统对负荷预测的需求;配电网重构算法能够改善配电网运行结构,提升电力系统供电质量。由应用结果可知,配电网优化重构技术符合电力系统的要求,具有实用性。
郭晓杰[4](2020)在《船舶电力推进系统智能容错控制技术研究》文中指出船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室(Decision-making Trial and Evaluation Laboratory,DEMATEL)理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差(合称为复合扰动)的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
李岚[5](2020)在《考虑负荷电压静态特性的配电网重构》文中提出随着国民经济的快速发展,日益增长的物质需求使得我国对电力要求不断增高。同时,需求侧用户负荷类型高度多样化,用户用电量持续变化与增长,对电压敏感程度和质量要求越来越高,作为直接面向用户的配电网将面临巨大挑战。在满足电能质量要求及多样化负荷大规模接入的前提下如何对配电网进行优化配置的问题已引起广泛关注。针对负荷静态特性的变化引起的配电网潮流问题将不容忽视,通过改进拓扑结构提高电网运行的安全性与经济性的配电网重构技术重要性也日益凸显。为了适应不断变化的电源结构和负荷结构,提高配电网重构策略的准确性,本文针对负荷随电压变化的静态特性对于潮流计算的影响,提出基于负荷电压静态特性的配电网重构模型,该模型以配电网有功网损最小为优化目标,综合考虑电压约束,潮流约束、线路容量约束等,并同时考虑负荷在24小时内随电压变化对重构策略的影响,实现开关优化。为了保证重构后配电网的辐射形状,以运输模型为基础,提出了一种基于虚拟电网的线性拓扑约束。本文所建立的配电网重构模型是一个大规模混合整数非线性规划问题,为了提高计算效率,本文利用二阶锥法松弛潮流约束,将其转化为混合整数二阶锥规划问题(mixed integer second-order cone programming,MISOCP)后高效求解。在此基础上,本文将连续二阶锥算法(sequential second-order cone algorithm,SSA)应用至配电网重构中,保证了二阶锥松弛的准确性。针对配电网重构计算规模较大、计算时间较长的问题,提出了一个高质量初始值的线性化算法,结合SSA,提出了改进连续二阶锥算法(ISSA),该改进算法能够有效提高计算效率。为了验证本文所提模型和算法的有效性,选取IEEE 33节点标准配电系统进行分析,算例结果表明考虑负荷电压静态特性的必要性。同时,通过与MINLP方法的对比,表明将配电网重构转化为混合整数二阶锥模型可在保证计算精度的同时,大幅提高求解效率。
李晓宇[6](2019)在《基于机器学习的配电网络拓扑生成及重构优化研究》文中研究表明随着智能电网的深化建设,一方面,智能电表等设备接入配电网,并实时采集运行数据,海量数据蕴含巨大的价值有待开发。另一方面,配电网与外界交互日益增多,如分布式供电储能等。新模式对配电网的物理特性产生重要影响,传统物理理论建模方法难以满足复杂系统的需求。因此,配电网亟需新方案应对复杂环境。机器学习等新技术能够挖掘海量运行数据的潜在价值,并探索新的认知关系,辅助现有方法优化运行。配电网的拓扑分析是其安全稳定运行的基础,拓扑生成和重构优化又是拓扑分析的核心。因此,本文重点探索机器学习方法在拓扑生成和重构优化的基础问题。1)为实现实时准确地监测配电网络的拓扑结构,提出基于Lasso及其补充规则的拓扑生成算法。算法首先利用Lasso模型计算各节点的关联系数矩阵,然后利用“and”规则和补充判据修正该矩阵,最后通过准确的关联系数矩阵生成拓扑。实验验证,该算法在获取720个时序电压值的情况下,生成119-bus及更低复杂度的无环和有环拓扑的误差率低于6.14%,且随着电压时长增加,误差率逐步下降。本算法性能优于传统的Chow-Liu和Lasso+“and”算法。2)为实现高效经济地优化配电网络的拓扑结构,提出基于LSTM预测机制的动态拓扑重构算法。算法首先构建LSTM模型预测各节点各时段的负荷,然后利用优化的BPSO模型生成各时段的重构方案,最后基于综合费用最优的判据生成全局优化的动态重构策略。利用英格兰某配电网2004-2009年真实数据测试LSTM模型性能,结果显示模型预测的平均绝对误差率为1.59%,且80%分布在[0,2%],在不同时段下均无明显误差异常点;其预测性能优于传统的人工神经网络和支持向量回归模型。利用IEEE33-bus仿真算例测试重构算法性能,算法生成的动态策略将1个运行周期重新划分为7个时段,并进行20次开关操作。算法共减少线损费用1152.42元,且提升各节点电压质量。对比分析验证该算法的性能均优于传统的在线计算重构算法。实验结果表明,拓扑生成算法具有较高的准确率和较低的计算复杂度,可用于实时监测拓扑结构,保障配电网拓扑运行的准确性和安全性;拓扑重构算法能够为重构操作提供更多的时间裕度,并且减少更多的线路损耗费用,可用于重构优化拓扑结构,保障配电网运行的稳定性和经济性。算法均无需新增专用的拓扑监测设备,可作为物理模型方法的辅助决策方法,提升配电网的智能化程度,具有一定的前沿性和实用性。
周圣[7](2018)在《考虑脆弱性的含源配电网重构方法》文中研究表明配电网重构是实现电力系统可靠、经济运行的重要方式,它是在满足一定的约束条件下,通过改变开关组合状态来改变网络的拓扑结构,以充分发挥原有配电网的潜力来改善配电网运行性能。近年来,DG的发展态势迅猛,接入配电网的比例也越来越高,大量DG的并网会改变系统的潮流方向,使得网络的潮流重新分布,造成节点电压波动甚至越限以及线路过负荷、失负荷情况,从而增加了系统的脆弱性。如何发挥DG的优点并减少DG并网产生的弊端已成为近年来研究热点,本文着重研究DG对配电网的影响以及考虑脆弱性的含DG配电网重构。分析了DG的接入对配电网产生的影响,依据DG的运行特点将节点分为PQ、PV、PI和PQ(V)四种类型并分别建立相应的潮流计算模型,对前推回代法进行改进以处理含DG的配电网潮流计算,结合算例分析DG对配电网网损及配电网电压分布的影响。提出了基于相关向量机算法的配电网快速重构方法,该方法将配电网重构表述为重构模式识别问题,以配电网负荷模式作为输入、网络损耗最优的开关状态作为输出,对于规模较大的配电网,结合图论理论对配电网网络进行结构简化,将配电网简化后的支路组状态作为输出,再根据改进的最优流法确定支路组上的联络开关位置。同时,为提高模型识别准确率,采用量子粒子群算法优化相关向量机核函数。算例分析结果表明所提方法可以在配电网重构中取得较好的识别效果。采用脆弱性反映配电网发生意外事故时系统的承受能力,构建了基于风险理论的脆弱度指标,指标兼顾了故障发生的概率和故障造成的后果严重程度。运用判断矩阵法将网损目标函数和脆弱性目标函数进行归一处理,采用遗传算法对配电网进行重构寻优,根据配电网运行特点改进染色体编码方案,缩短了编码长度,减少了不可行解,使交叉率、变异率随遗传代数的变化而自适应调整。算例分析表明,该方法可以找到脆弱性与经济性统一的配电网最优网络结构。
黄俊[8](2015)在《基于遗传算法和CMAC神经网络的建筑物内照度场重构方法研究及其应用》文中指出无线传感器网络可以实现对建筑物内的照度变化情况实时监测,通过采集到的照度数据进行照度场重构,而分析建筑物内照度场的变化情况且对发生与照度有关事件及态势进行判断,可以为建筑物内安防提供一个辅助手段。对于一些重点防范场所或者安全等级要求比较高的区域,通过重构的照度场实现对这些区域内的照度变化监测,可以更好判断被保护对象是否处于安全状态、非法入侵情况和及时的与监控中心形成联动报警,起到更加坚实的安全保障。针对传感器节点成本高不可密集部署的情形下可以对建筑物内的照度场进行重构,本文研究了使用CMAC神经网络重构建筑物内照度的方法,并通过遗传算法对面向建筑物内照度场重构的CMAC神经网络的学习率进行了优化。通过有限个的节点对建筑物内主要兴趣点的照度数据采集,最初采用了常见的数值插值法进行数据重构,但是精度不高;进而提出基于CMAC神经网络的照度数据重构方法,并通过实验对比了数值插值法和CMAC神经网络重构方法在照度数据重构时的误差大小,实验表明基于CMAC神经网络方法准确度高,并且满足设置的精度要求。但是CMAC神经网络在实现过程中,权值调整采用d算法,其中的学习率在选择时具有一定的盲目性。针对上述学习率的选择存在不确定性的情形,本文提出基于遗传算法的CMAC神经网络的学习率优化方法来避免选择学习率的盲目性。由于遗传算法具有全局搜索和优化计算的能力,以进化思想为基础的全新的优化方法,是一种解决常规方法不能奏效的复杂问题的有效工具。通过实验比较,发现利用遗传算法优化后的比随机选取的学习率在利用CMAC神经网络重构照度数据时更加准确,能达到预期设定的目标精度。最后,对整个建筑物内照度场重构系统的设计与实现进行研究,从系统的概述到系统的结构和功能进行阐述,再到软件设计的各个模块实现。该系统能够达到设计的要求,通过重构的照度数据以及绘制出的照度等高线分布图,为监测人员或者终端用户提供可视化功能,获知照度变化情况或者建筑物内的安全状态信息,在实际应用中具有重要的研究价值和意义。
胡雯[9](2014)在《自愈机制下含微电网的配电网重构方法研究》文中指出来自环境保护和能源安全的双重压力,正不断推动着可再生能源在能源系统的持续发展。但目前我国对可再生能源并网发电还缺乏统一的技术标准,项目建设也不够规范,现阶段分布式电源和微电网并网运行给配电网运行控制所带来的问题日益突出。其中一个主要问题是传统方法已无法解决含微电网的配电网络重构、故障定位、故障隔离和恢复以及恢复供电等问题。本文以实现配电网自愈为目标,将分布式电源和微电网并网后的配电网运行问题作为研究对象,围绕分布式电源以微电网形式并网后的配电网重构这一基础问题,引入节点功率预测方法,建立了“配电网-微电网-本地单元”的三级多代理系统。本文的主要研究内容包括:自愈机制下的配电网重构需要完成正常情况下的优化运行、故障发生后的自治恢复。在节点功率预测和允许重构中存在孤岛的基础上,提出了与常规模型不同的广义配电网重构模型,包括以下内涵:①正常情况下,基于节点功率预测的动态优化重构;②故障情况下,允许孤岛存在的故障恢复重构;③从外部电网断开后,对孤岛划分的重构;④孤岛内,基于节点功率预测的微电网管理性重构。针对故障重构的极端情况,即故障造成系统从外部电网断开时,该模型可将配电网重构转化成常规的孤岛划分问题,完全适应自愈机制的要求,并能够自适应的实现不同运行状态下的控制操作,有效解决了常规模型在此方面的不足。实测信息与预测信息相结合,有利于重构操作时获取时间段内累积效果最优的拓扑结构。采用连接函数和高斯过程回归方法相结合,设计了一种节点功率预测模型。预测模型参考节点功率的历史时间序列建立适应该节点的混合连接函数模型,连接函数能够基于功率数据时间上的相依性解析出多个信息分量,还能够将微电网内电源之间、电源与负荷之间的相关关系解析出多个信息分量;各个信息分量的后验概率是基于贝叶斯推理计算得到;对应每个信息分量建立局部的高斯过程回归模型,并以后验概率作为局部模型的权重整合出用于节点功率预测的全局模型。由于时间序列模型通过混合连接函数模型将功率数据用多个特征化的信息分量来表征,该模型适用于多种不同性质的节点——负荷节点、分布式电源节点、微电网节点、负荷+分布式电源节点等.提出结合类电磁机制优化的极端学习机算法,计算选取神经元的输入权值与阈值的最优值,去除无用神经元以降低计算量。采用来自UCI数据库的实际数据集验证了算法的有效性。从测试结果与其他极端学习机进行比较的测试结果可以看出,类电磁机制优化的极端学习机(EMO-ELM)算法的收敛速度和收敛效果等指标明显更优。最后将EMO-ELM算法应用于前文提出的广义配电网重构问题进行算例分析,仿真和实验结果均验证了所述方法的有效性。在多代理环境下实现了含微电网的配电网以自愈为目标的控制。针对微电网孤岛运行、按重构方案孤岛操作的情况分别设计了相应的控制策略,实现了孤岛内以及切换到孤岛模式的功率平衡和系统暂态稳定。作为补充支撑的逆变器型微电源的控制Agent也进行专门设计,其控制策略是在下垂控制的基础上,采用离散时间的自适应前馈补偿对微电源和微电网进行动态解耦,以提高动态系统的稳定性和鲁棒性。采用小信号模型进行稳定性分析,增加了递推最小二乘估计算法来预测系统运行点使控制系统具有自适应特性。配电网的自愈机制表现在其自我预防、自我恢复的能力,其能够充分体现并满足当前用户对配电网高可靠性的要求;自愈机制下的配电网重构是以全局测量信息为基础,充分利用功率预测数据,采用分布式、具有自治性和协调功能的控制代理,通过决策算法制定适应微电网接入后的配电网重构方案;重构操作的同时微电网能控制内部各单元,或协调、或自主的进行优化控制,以适应重构方案的任务需求和外部电网环境的变化。
崔芳芳,吕志林[10](2013)在《配电网重构的算法研究综述》文中研究表明配电网重构是配电网络优化的主要措施,可以有效地降低网损、提高系统的可靠性,其实质是一个多目标非线性混和优化问题。文章介绍了配网重构问题中的优化算法,包括:数学优化理论、最优流模式算法、支路交换法、禁忌搜索算法、模拟退火法、遗传算法、人工神经网络、专家系统、模糊数学等。对各种算法进行了分类归纳,并分析了各种算法的优缺点。
二、基于CMAC神经网络的配电网络重构(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于CMAC神经网络的配电网络重构(论文提纲范文)
(1)面向电力物联网信息感知的电力线与无线通信融合关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.1.1 电力物联网现状及存在的问题 |
1.1.2 课题研究的目的和意义 |
1.2 电力线通信技术的发展及现状 |
1.2.1 电力线通信技术的标准化发展及现状 |
1.2.2 电力线通信技术的应用发展及现状 |
1.2.3 电力线通信技术的理论研究现状 |
1.3 电力线通信路由及组网算法研究现状 |
1.3.1 PLC网络信道接入协议研究现状 |
1.3.2 PLC网络路由算法研究现状 |
1.4 电力线通信与无线通信融合技术研究现状 |
1.5 论文主要工作及组织结构 |
第2章 电力线与无线信道特性研究 |
2.1 引言 |
2.2 电力线通信网络的拓扑结构 |
2.3 电力线信道衰减模型与噪声模型 |
2.3.1 电力线信道衰减模型 |
2.3.2 电力线信道噪声分类及模型 |
2.4 无线信道衰落特性 |
2.5 基于深度学习的电力线信道传输特性识别 |
2.5.1 方法的可行性分析及流程图 |
2.5.2 构建样本及模型识别训练 |
2.5.3 去噪自编码器网络搭建过程 |
2.5.4 去噪效果仿真 |
2.5.5 去噪样本识别结果 |
2.6 本章小结 |
第3章 改进蚁群路由算法及电力线通信组网方法 |
3.1 引言 |
3.2 蚁群算法基本原理及组网模型 |
3.2.1 蚁群算法基本原理 |
3.2.2 电力线通信路径的QoS参数 |
3.2.3 电力线通信组网的数学模型 |
3.3 基于迭代激励因子控制的Lévy飞行双蚁群算法 |
3.3.1 迭代激励机制原理 |
3.3.2 Lévy飞行随机过程 |
3.3.3 基于迭代激励因子的改进蚁群路由算法原理 |
3.3.4 I-LDAQ算法性能分析与参数选取 |
3.4 基于I-LDAQ算法的电力线通信组网方法 |
3.4.1 通信协议设计 |
3.4.2 自动组网步骤 |
3.4.3 基于I-LDAQ的组网方法仿真实验与分析 |
3.5 PLC网络路由重构及网络维护实现动态组网 |
3.6 本章小结 |
第4章 面向信息感知的电力线与无线通信融合方法 |
4.1 引言 |
4.2 低压电力线与微功率无线通信跨层融合方法 |
4.2.1 低压电力线与微功率无线混合通信网络拓扑结构 |
4.2.2 低压电力线与微功率无线通信跨层融合原理 |
4.2.3 CPW网络跨层融合实现过程 |
4.2.4 混合通信网络仿真实验和性能分析 |
4.3 多跳中继宽带电力线通信网络中的OFDM跨层资源分配 |
4.3.1 电力线通信网络OFDM跨层资源分配原理 |
4.3.2 多跳中继PLC网络的OFDM跨层资源分配过程 |
4.3.3 跨层资源分配算法仿真与分析 |
4.4 计及OFDM资源分配的电力线与无线通信融合方法 |
4.4.1 计及OFDM资源分配的混合通信网络工作模式 |
4.4.2 参数选取与仿真分析 |
4.5 本章小结 |
第5章 基于电力线无线通信融合技术的配用电网智能感知终端及应用 |
5.1 引言 |
5.2 配用电网智能感知终端总体方案 |
5.2.1 配用电网智能感知终端的功能 |
5.2.2 配用电网智能感知终端设计原则 |
5.3 配用电网多信息融合感知单元 |
5.3.1 ARM微处理器系统 |
5.3.2 电量采集单元 |
5.3.3 非电量采集单元 |
5.4 智能感知终端中的PLC-LoRA多模通信融合技术 |
5.4.1 PLC-LoRa多模通信融合技术原理 |
5.4.2 PLC-LoRa双通道通信的工作模式 |
5.5 智能感知终端的MVPLC-4G/2G桥接中继多模通信融合技术 |
5.5.1 MVPLC-4G/2G桥接中继多模通信融合技术原理 |
5.5.2 MVPLC-4G/2G桥接中继多模通信融合技术的通信协议与组网问题 |
5.6 配用电网智能感知终端的应用实践 |
5.6.1 在企业能效及安全用电监控系统现场信息感知中的应用实践 |
5.6.2 农村偏远地区集中抄表全覆盖中的应用实践 |
5.7 本章小结 |
第6章 结论与展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)基于改进灰狼算法的微电网重构研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景和研究意义 |
1.1.1 课题背景 |
1.1.2 课题研究意义 |
1.2 微电网发展现状 |
1.2.1 微电网定义及特点 |
1.2.2 微电网示范工程及发展现状 |
1.3 微电网重构研究现状 |
1.3.1 重构概念 |
1.3.2 国内外微电网重构策略研究现状 |
1.3.3 重构算法分类 |
1.4 本文研究内容 |
2 重构相关理论 |
2.1 微电网系统脆弱性函数 |
2.1.1 电压失稳现象 |
2.1.2 电气参量指标 |
2.1.3 结构参量指标 |
2.1.4 综合脆弱度函数 |
2.1.5 仿真分析 |
2.2 辐射状网络结构 |
2.2.1 微电网网络网络结构 |
2.2.2 网络结构储存方式 |
2.2.3 网络结构分析方法 |
2.2.4 仿真分析 |
2.3 动态网络结构潮流计算 |
2.3.1 前推回代法基本原理 |
2.3.2 负荷的潮流计算模型 |
2.3.3 功率逆变器对微源节点类型影响 |
2.3.4 计及不同类型节点的动态网络结构前推回代法 |
2.3.5 仿真分析 |
2.4 本章小结 |
3 微电网重构模型 |
3.1 微源和负荷 |
3.1.1 中低压配电线路传输功率与电压的关系 |
3.1.2 优化变量 |
3.1.3 负荷需求模型 |
3.1.4 分布式电源出力模型 |
3.2 约束条件 |
3.2.1 组网约束 |
3.2.2 电气安全运行约束 |
3.2.3 惩罚函数 |
3.3 重构目标 |
3.3.1 目标指标 |
3.3.2 综合优化目标函数 |
3.4 本章小结 |
4 基于改进灰狼算法的重构策略研究 |
4.1 灰狼算法 |
4.2 基于改进灰狼算法的重构策略 |
4.2.1 破圈法和深度优先搜索相结合 |
4.2.2 多目标优化及其决策 |
4.2.3 基于改进灰狼算法的重构策略 |
4.3 仿真案例 |
4.3.1 IEEE16节点系统 |
4.3.2 IEEE33节点系统 |
4.3.3 IEEE69节点系统 |
4.4 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
个人简历、在学期间发表的学术论文与研究成果 |
致谢 |
(3)基于改进烟花算法的配电网优化重构技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 配电网优化重构技术国内外研究现状 |
1.2.1 电力负荷预测 |
1.2.2 配电网重构 |
1.3 本文主要工作 |
2 烟花算法及其优化 |
2.1 烟花算法 |
2.1.1 烟花算法基本理论 |
2.1.2 烟花算法基本组成 |
2.1.3 烟花算法的基本流程 |
2.2 优化烟花算法 |
2.2.1 变异规则 |
2.2.2 映射规则 |
2.2.3 选择策略 |
2.2.4 改进烟花算法流程 |
2.3 适用于配电网重构的改进烟花算法 |
2.4 本章小结 |
3 IFWA-ELM配电网负荷预测模型 |
3.1 配电网负荷特性及影响因素分析 |
3.1.1 周期性 |
3.1.2 波动性 |
3.2 改进烟花算法优化的极限学习机(IFWA-ELM) |
3.2.1 极限学习机(ELM) |
3.2.2 基于改进烟花算法优化的极限学习机 |
3.3 IFWA-ELM负荷预测模型建立 |
3.3.1 数据选择 |
3.3.2 缺失数据处理 |
3.3.3 数据归一化处理 |
3.3.4 IFWA-ELM负荷预测模型 |
3.3.5 预测结果分析判据 |
3.4 实例验证分析 |
3.5 本章小结 |
4 基于改进烟花算法的配电网重构算法 |
4.1 配电网潮流计算 |
4.2 配电网重构数学模型 |
4.2.1 目标函数 |
4.2.2 约束条件 |
4.3 对DG节点的处理 |
4.4 基于改进烟花算法配电网重构程序实现 |
4.4.1 编码方式 |
4.4.2 不可行解的判别及处理 |
4.4.3 适应度函数 |
4.4.4 算法步骤 |
4.5 算例仿真及分析 |
4.5.1 配电网模型选取 |
4.5.2 不含DG配电网算例仿真及分析 |
4.5.3 含DG配电网算例仿真及分析 |
4.6 本章小结 |
5 配电网优化重构技术实例应用 |
5.1 实际配电网模型优化重构过程 |
5.2 实际配电网数据化处理 |
5.2.1 配电网简化 |
5.2.2 配电网的支路节点编号 |
5.3 负荷预测结果 |
5.4 配电网重构优化 |
5.5 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
个人简历、在学习期间发表的学术论文及研究成果 |
致谢 |
(4)船舶电力推进系统智能容错控制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 船舶电力推进系统的发展概述 |
1.2.1 国外发展概述 |
1.2.2 国内发展概述 |
1.3 船舶电力推进系统容错控制技术研究现状 |
1.4 船舶电力推进系统容错控制的几个关键问题 |
1.4.1 船舶电力推进系统的容错控制体系结构研究 |
1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
1.4.3 船舶电力推进系统的多相电机容错控制研究 |
1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
1.5 本文主要研究内容 |
第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
2.1 引言 |
2.2 船舶电力推进系统的基本结构 |
2.3 船舶电力推进系统的智能容错控制体系结构 |
2.4 船舶电力推进系统的数学模型 |
2.4.1 发电子系统数学模型 |
2.4.2 推进子系统数学模型 |
2.4.3 区域负载集合数学模型 |
2.4.4 配电子系统数学模型 |
2.5 本章小结 |
第3章 船舶电力推进系统故障模式影响智能评估研究 |
3.1 引言 |
3.2 故障模式影响的风险优先数评估 |
3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
3.3.1 系统功能结构层次划分 |
3.3.2 模糊语言术语集 |
3.3.3 风险因子模糊评价及相对模糊权值 |
3.3.4 基准调整搜索算法计算α-割集 |
3.3.5 模糊风险优先数的清晰化 |
3.3.6 基于模糊逻辑的DEMATEL算法 |
3.4 实例验证与结果分析 |
3.4.1 推进子系统的典型故障模式 |
3.4.2 计算结果及对比分析 |
3.5 本章小结 |
第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
4.1 引言 |
4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
4.3.3 双交轴电流优化分配 |
4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
4.4.2 控制系统稳定性分析 |
4.5 仿真验证与结果分析 |
4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
4.6 本章小结 |
第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
5.1 引言 |
5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
5.3.1 非线性复合扰动观测器设计 |
5.3.2 自适应滑模容错控制策略设计 |
5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
5.4.2 自适应反步容错控制策略设计 |
5.5 仿真验证与结果分析 |
5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
5.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
(5)考虑负荷电压静态特性的配电网重构(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 考虑负荷电压静态特性的配电网重构概述 |
1.3 考虑负荷电压静态特性的配电网重构研究现状 |
1.4 论文主要研究内容 |
第2章 基于不同潮流模型下的配电网重构模型 |
2.1 配电网重构模型 |
2.1.1 目标函数 |
2.1.2 约束条件 |
2.2 负荷电压静态特性 |
2.3 基于极坐标潮流形式下的二阶锥模型转化 |
2.3.1 目标函数 |
2.3.2 约束条件 |
2.4 基于Distflow潮流形式下的二阶锥模型转化 |
2.4.1 目标函数 |
2.4.2 约束条件 |
2.5 本章小结 |
第3章 改进连续混合二阶锥(ISSA)求解算法 |
3.1 SSA算法概述 |
3.2 ISSA算法原理及步骤 |
3.3 ISSA初始值的选取和设置 |
3.4 本章小结 |
第4章 算例分析 |
4.1 MATLAB软件及MOSEK求解器介绍 |
4.1.1 MATLAB软件介绍 |
4.1.2 MOSEK求解器介绍 |
4.2 考虑负荷电压静态特性的配电网重构模型求解流程及对比方法 |
4.3 33节点算例仿真 |
4.3.1 算例参数及系统描述 |
4.3.2 考虑负荷电压静态特性前后配电网重构策略仿真结果对比及分析 |
4.3.3 采用ISSA算法前后配电网重构策略仿真结果对比及分析 |
4.3.4 采用初始值选取方法前后的配电网重构MISOCP模型仿真结果对比及分析 |
4.4 118节点算例仿真 |
4.4.1 算例参数及系统描述 |
4.4.2 118节点算例仿真及结果 |
4.5 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及其他成果 |
致谢 |
(6)基于机器学习的配电网络拓扑生成及重构优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 本研究背景及意义 |
1.2 配电网拓扑生成及重构的国内外研究现状 |
1.2.1 配电网拓扑结构生成算法的研究现状 |
1.2.2 配电网拓扑重构优化算法的研究现状 |
1.3 论文的创新点与组织结构 |
1.3.1 论文的核心创新点 |
1.3.2 论文的组织结构 |
第二章 相关理论与方法 |
2.1 机器学习相关基础理论和方法 |
2.1.1 机器学习模型 |
2.1.2 深度学习模型 |
2.1.3 智能优化方法 |
2.2 配电网络拓扑基础理论和方法 |
2.2.1 配电网络拓扑物理模型 |
2.2.2 配电网络拓扑图模型 |
2.2.3 配电网络拓扑代数表示 |
2.2.4 配电网络拓扑分析方法 |
2.3 应用机器学习分析配网拓扑框架 |
2.4 本章小结 |
第三章 基于Lasso及其补充规则的配电网络拓扑生成算法 |
3.1 引言 |
3.2 Lasso模型的基础理论 |
3.2.1 Lasso模型的目标函数 |
3.2.2 Lasso算法的求解方法 |
3.3 Lasso算法及其补充判据 |
3.3.1 基于条件独立性分析的邻域集合寻找 |
3.3.2 基于Lasso算法生成邻域集合 |
3.3.3 基于“and”规则降低邻域集合的冗余度 |
3.3.4 基于关联分析模型降低邻域集合的错误率 |
3.4 拓扑结构生成的整体方案设计 |
3.5 仿真实验及模型性能分析 |
3.6 本章小结 |
第四章 基于LSTM预测负荷的配电网络拓扑重构算法 |
4.1 引言 |
4.2 基于LSMT神经网络的负荷预测模型 |
4.2.1 长短期记忆模型的基本原理 |
4.2.2 配电网的短期负荷预测机制 |
4.2.3 基于LSTM的负荷预测模型 |
4.3 基于优化BPSO模型的配电网络动态重构算法 |
4.3.1 配电网重构优化的数学模型 |
4.3.2 以综合费用最低为优化目标 |
4.3.3 二进制粒子群算法基本原理 |
4.3.4 利用BPSO算法求解重构问题 |
4.3.5 优化BPSO算法的核心参数 |
4.4 配电网络动态拓扑重构优化的整体方案设计 |
4.5 仿真实验及模型性能分析 |
4.5.1 负荷预测模型性能测试 |
4.5.2 动态拓扑重构性能测试 |
4.6 本章小结 |
第五章 结论 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(7)考虑脆弱性的含源配电网重构方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 配电网重构研究动态及其分析 |
1.2.1 传统配电网重构 |
1.2.2 含DG的配电网重构 |
1.2.3 配电网重构的发展方向 |
1.3 电力系统脆弱性 |
1.4 本文主要工作 |
第2章 含分布式电源的配电网潮流计算 |
2.1 引言 |
2.2 分布式电源 |
2.2.1 分布式电源概述 |
2.2.2 分布式电源类型 |
2.3 分布式电源的处理 |
2.4 分布式电源对配电网的影响 |
2.4.1 DG对配电网网损的影响 |
2.4.2 DG对配电网电压分布的影响 |
2.4.3 DG对配电网可靠性的影响 |
2.5 有源配电网潮流计算方法 |
2.5.1 传统的潮流计算方法 |
2.5.2 含DG的配电网潮流计算模型 |
2.6 算例分析 |
2.7 本章小结 |
第3章 配电网重构理论基础 |
3.1 引言 |
3.2 图论基础知识 |
3.2.1 图的概念 |
3.2.2 连通图和树 |
3.2.3 图的矩阵表示 |
3.2.4 图的搜索 |
3.3 配电网重构数学模型 |
3.3.1 目标函数 |
3.3.2 约束条件 |
3.4 配电网网络结构简化 |
3.5 本章小结 |
第4章 基于量子粒子群-相关向量机的配电网重构 |
4.1 引言 |
4.2 QPSO-RVM算法 |
4.2.1 相关向量机基本原理 |
4.2.2 量子粒子群算法简介 |
4.2.3 QPSO-RVM优化流程 |
4.3 基于QPSO-RVM的配电网重构模型 |
4.3.1 重构目标函数 |
4.3.2 训练数据构造及处理 |
4.4 算例分析 |
4.4.1 算例一 |
4.4.2 算例二 |
4.4.3 算例结果分析 |
4.5 本章小结 |
第5章 考虑脆弱性的含源配电网重构 |
5.1 引言 |
5.2 配电网脆弱性指标建立 |
5.2.1 配电网脆弱性 |
5.2.2 风险分析理论 |
5.2.3 指标归一处理 |
5.3 重构目标函数归一处理 |
5.4 遗传算法的改进 |
5.4.1 编码策略 |
5.4.2 初始种群的生成 |
5.4.3 基因操作 |
5.5 算法流程 |
5.6 算例分析 |
5.7 本章小结 |
结论与展望 |
参考文献 |
致谢 |
附录 A(攻读学位期间发表的学术论文) |
附录 B(攻读学位期间参加的科研工作) |
(8)基于遗传算法和CMAC神经网络的建筑物内照度场重构方法研究及其应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 本文主要的研究内容和结构 |
第二章 基础知识和相关技术 |
2.1 照度与照度场 |
2.1.1 照度 |
2.1.2 照度场 |
2.2 无线传感器网络 |
2.2.1 无线传感器网络概述 |
2.2.2 无线传感器网络体系架构 |
2.2.3 无线传感器网络通信协议 |
2.3 基于无线传感器网络照度采集系统 |
2.3.1 照度传感器硬件构成 |
2.3.2 照度采集系统 |
2.4 插值方法 |
2.4.1 插值法 |
2.4.2 典型的数值插值法 |
2.5 小结 |
第三章 基于CMAC神经网络的照度场重构方法研究 |
3.1 CMAC神经网络概述 |
3.1.1 CMAC神经网络工作原理 |
3.1.2 CMAC神经网络算法实现 |
3.2 基于CMAC神经网络的照度场重构方法研究与实现 |
3.2.1 照度场重构方法研究 |
3.2.2 基于CMAC神经网络的照度场重构方法的实现 |
3.2.3 实验结果与分析 |
3.3 小结 |
第四章 基于遗传算法的CMAC神经网络的参数优化研究 |
4.1 遗传算法概述 |
4.2 CMAC神经网络的学习率 |
4.3 基于遗传算法的CMAC神经网络的学习率优化研究 |
4.3.1 基于遗传算法的CMAC网络学习率优化方法 |
4.3.2 基于遗传算法的CMAC网络学习率优化方法的实现 |
4.3.3 实验结果与分析 |
4.4 小结 |
第五章 建筑物内照度场重构系统的设计与实现 |
5.1 系统概述 |
5.1.1 设计思想 |
5.1.2 核心技术 |
5.2 系统的结构与功能 |
5.2.1 系统结构 |
5.2.2 主要功能 |
5.3 软件设计 |
5.3.1 总体设计 |
5.3.2 模块与功能设计 |
5.4 小结 |
第六章 总结与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(9)自愈机制下含微电网的配电网重构方法研究(论文提纲范文)
论文创新点 |
摘要 |
Abstract |
1 绪论 |
1.1 问题的提出及研究意义 |
1.1.1 概述 |
1.1.2 问题的提出 |
1.2 自愈机制 |
1.2.1 问题的提出 |
1.2.2 自愈的框架内容 |
1.2.3 国内外研究现状 |
1.2.4 自愈机制下的配电网重构 |
1.3 分布式电源与微电网 |
1.3.1 分布式电源 |
1.3.2 微电网基本概念 |
1.3.3 含分布式电源的节点功率预测研究现状 |
1.4 本文的主要研究内容 |
2 广义配电网重构模型 |
2.1 引言 |
2.2 广义配电网重构问题分析 |
2.2.1 配电网络重构 |
2.2.2 分布式电源对配电网重构的影响 |
2.2.3 发电容量置信度 |
2.2.4 孤岛划分 |
2.3 广义配电网重构模型 |
2.3.1 数学模型 |
2.3.2 约束条件 |
2.4 动态配电网重构 |
2.5 本章小结 |
3 考虑分布式电源的节点功率预测方法 |
3.1 引言 |
3.2 连接函数的理论基础 |
3.2.1 连接函数的定义 |
3.2.2 连接函数族 |
3.2.3 混合连接函数模型 |
3.3 节点功率预测方法 |
3.3.1 风电功率时间序列 |
3.3.2 混合连接函数模型 |
3.3.3 高斯过程回归 |
3.3.4 时间序列预测模型 |
3.4 仿真算例及分析 |
3.4.1 算例一 |
3.4.2 算例二 |
3.4.3 算例三 |
3.4.4 算例分析 |
3.5 本章小结 |
4 类电磁机制优化的极端学习机算法应用于配电网重构问题 |
4.1 引言 |
4.2 极端学习机的基本概念 |
4.2.1 单隐含层的前馈型神经网络 |
4.2.2 极端学习机 |
4.2.3 增量型极端学习机 |
4.3 极端学习机中的隐含层神经元选择 |
4.3.1 隐含层参数选择与学习速率的关系 |
4.3.2 类电磁机制算法 |
4.3.3 类电磁机制算法的收敛速度分析 |
4.3.4 类电磁机制算法的改进 |
4.4 类电磁机制优化的极端学习机算法 |
4.4.1 类电磁机制优化的极端学习机 |
4.4.2 极端学习机性能分析 |
4.5 优化的极端学习机算法应用于广义配电网重构 |
4.5.1 输入空间的划分 |
4.5.2 输入和输出向量的非线性映射 |
4.5.3 配电网重构流程 |
4.6 算例仿真与分析 |
4.6.1 配电网优化重构 |
4.6.2 含分布式电源的故障重构 |
4.7 本章小结 |
5 自愈机制下的协同多代理控制系统 |
5.1 引言 |
5.2 多代理系统的基本理论 |
5.2.1 Agent基本理论 |
5.2.2 MAS在电力系统中应用 |
5.2.3 多代理系统在含微电网的配电系统中的适用性 |
5.3 含微电网的配电系统的基于多代理技术的自愈控制体系 |
5.3.1 自愈机制下多代理系统框架 |
5.3.2 多代理系统工作模式 |
5.4 孤岛模式下微电网的控制策略 |
5.4.1 超级电容储能单元 |
5.4.2 切负荷Agent |
5.5 逆变型微电源的控制Agent |
5.6 算例仿真与分析 |
5.6.1 并网运行模式 |
5.6.2 孤岛操作过程 |
5.6.3 微电源控制 |
5.6.4 孤岛运行模式 |
5.7 本章小结 |
6 结论与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
附录 |
攻读博士学位期间发表的科研成果目录 |
致谢 |
(10)配电网重构的算法研究综述(论文提纲范文)
0 引言 |
1 基于数学优化理论的配电网重构算法 |
2 基于启发式方法的配电网重构算法 |
2.1 最优流模式法 (Optimal Flow Pattern, OFP) |
2.2 支路交换法 (Branch Exchange Method, BEM) |
2.3 禁忌搜索法 (Tabu Search, TS) |
3 基于随机优化方法的配电网重构算法 |
3.1 模拟退火法 (Simulated Annealing, SA) |
3.2 遗传算法 (Genetic Algorithm, GA) |
4 基于人工智能方法的配电网重构算法 |
4.1 人工神经网络 (Artificial Neural Network, ANN) |
4.2 专家系统 (Expert System, ES) |
4.3 模糊数学 (Fuzzy Mathematics, FM) |
4.4 其他智能优化方法 |
5 小结 |
四、基于CMAC神经网络的配电网络重构(论文参考文献)
- [1]面向电力物联网信息感知的电力线与无线通信融合关键技术研究[D]. 史建超. 华北电力大学(北京), 2021
- [2]基于改进灰狼算法的微电网重构研究[D]. 张青林. 郑州大学, 2020(02)
- [3]基于改进烟花算法的配电网优化重构技术研究[D]. 石洋涛. 郑州大学, 2020(02)
- [4]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)
- [5]考虑负荷电压静态特性的配电网重构[D]. 李岚. 华北电力大学(北京), 2020(06)
- [6]基于机器学习的配电网络拓扑生成及重构优化研究[D]. 李晓宇. 北京邮电大学, 2019(09)
- [7]考虑脆弱性的含源配电网重构方法[D]. 周圣. 湖南大学, 2018(01)
- [8]基于遗传算法和CMAC神经网络的建筑物内照度场重构方法研究及其应用[D]. 黄俊. 安徽建筑大学, 2015(02)
- [9]自愈机制下含微电网的配电网重构方法研究[D]. 胡雯. 武汉大学, 2014(06)
- [10]配电网重构的算法研究综述[J]. 崔芳芳,吕志林. 安徽电气工程职业技术学院学报, 2013(03)