您当前的位置:首页>论文资料>一种基于蚁群算法的分布式智能电网的实时监测技术

一种基于蚁群算法的分布式智能电网的实时监测技术

资料类别:论文资料

文档格式:PDF电子版

文件大小:2.29 MB

资料语言:中文

更新时间:2024-11-27 18:08:33



推荐标签:

内容简介

一种基于蚁群算法的分布式智能电网的实时监测技术 算法分析
一种基于蚁群算法的
分布式智能电网的实时监测技术
王焕才候龙府
(东北大学信息科学与工程学院,辽宁沈阳110000)
款事我本与质用
摘要:奴群算法,作为一种在模拟算法领城内,十分先进新型的算法,被称作取群系统,是由几位意大利研究人页研究得出。该方法在指源、调度等问题的解决过程中,有很好的实验结果,与此同时,该模型电在不断的究善、改进,并且引起了相关领城众多学着的广泛注意,在解决实际的科研间题中有较成功的先例。
关键词:群算法:驾能电网;实时监测
中图分类号:TP18
文献标识码:A
智能电网在物理电网的基础上,利用曾经的传感应用方式,比如测量,计算、信息传导等技术,在完成电网本身优化决策,优化技术现实的目标,并深入的对客户资源进行合理优化资源配置,保证电能供应充足的同时,实时监测各项指标,确保达到应有的供电目标。综合了相关技术的集合。智能电网最主要的特点是实时性,可以使较远距离的人及时得到目标信息,并且在变形信息产生后,可以第一时间作出反应,并且以全自动方式应变发展轨道和趋势,作出相应的反应和解决方案。解决了劳动力的同时,大大提高了电网的
相应响应速度。 1基本蚊群算法
1.1双群算法的原理
教群算法的由来,是人们在科学研究过程中,吸取了蚊群在类似行为中作出的类似反应,由此,提出一种模拟数群运动行为的假设和算法,这种算法比较随机,但是有目标方向的针对性,类似于蚂蚊搜索食物过程中的趋同性,以人工方式的求解,可以区分数群系统,我们称这样的算法为蚊群算法。
1.2蚊群系统模型及其实现
蚊群系统的模型是我们理解蚁群算法的关键,我们以图1为例,对此模型稍作修改,即可为模拟蚂数的实际行为,由此而面产生的毁群算法做引导。
1.3基本双群算法的优点与不足之处
数群算法有其先天的优越性,具体表现为:鲁棒性,适应性强,稍作修改便可以数量级的变化适应于其他的算法;并行性,并行性是分布计算的一个进化算法,容易与其他的算法做统分结合;解题空间的搜索:当蚁群算法有一定的应用基础后,个体之间的差异便不再明显,并且趋同于一致。
1.4数群算法研究现状
(t)(t)
()() jE allowed
pii=
C alloedy
0,
收稿日期:2017-02-15
图1蚊群系统模型
othcrwisc.
文章编号:1007-9416(2017)02-0148-02
为了克服蚁群算法的不足,人们将蚁群算法与两交换方法有机结合,提高基本蚁群算法的搜索效率.做到对过去知识的慢慢遗忘,强化后来学习得到知识,有利于发现更好的解。
1.5自适应蚊群算法
通过对蚊群算法的分析发现:数群算法的主要依据是启发式算法,这种算法利用随机选择策略,使得进化速度较慢,容易出现停滞现象,这是造成蚊群算法的不足的根本原因,因而我们采用确定性选择和随机选择相结合的策略,进化方向已经基本确定,并且适当加大随机选择的概率,以利于对解空间的更完全搜索,从而可以有
效地克服基本蚊群算法的两个不足。 2分布式智能电网
2.1分布式智能电网的总体框架模型
未来智能电网的重要特征是分布式能源的接人和并网。大量分布式发电的接人即微网。是一个实现自我控制、保护和管理的系统。因此,把这类智能电网称为分布式智能电网,分布式智能电网结构,实时地根据用户负载的需求,控制发电和输配电;负载用电量多级可控;发电与用电之间有缓存储能等功能。
2.2分布式智能电网电源规划与优化控制模型
为实现分布式发电的高效和稳定,一种综合了规划和优化的综合性模型应运面生,在智能电网大兴天下的时刻,此模型被应用于智能电网中,符合了计算机解决技术问题的新浪溯,适应了先进计
算机的同时,对新算法也有着重要责献, 3智能电网的实时监测技术
3.1技术应用目标及设计原则
(1)应用目标。1)第一个应用目标使是研制智能电网装测过程中,相关硬件以及硬件运输,硬件的相关质量是否达到标准,工况如何,视赖以及远程的监控坚实装置是否达标。因为利用检测技术实时监测输电线路的温度和工况是十分必要的。2)野外监测设备,在应用过程中,安全问题十分重要,利用线路感应技术,解决监测装置的供电难题,利用无线中继技术解决电线路监测的通信问题。3)使远程无电源输电线路监测装置具有一定的创新性和先进性,并达到实用化。
(2)设计原则。本设计,在一定程式下,需遵循以下原则:1)系统
作者简介:王焕才(1981—),男,汉,黑龙江宁安人,东北大学在读博士研究生,研究方向:能源系统,智能电网等;候龙府(1989—),男,汉,河北石
家庄人,东北大学在读博士研究生,研究方向:实时监控,分布式技术等
4
万方数据
上一章:电厂动力设备监测与故障序列模式发现 下一章:基于数据挖掘的电力系统异常数据辨识与调整

相关文章

一种基于蚁群算法的气动夹具噪声消除技术研究 一种基于自适应蚁群算法的产品配置方案 基于蚁群智能算法的研究文本分类 基于粒子群优化算法的多智能体系统分布式任务分配 基于蚁群算法和神经网络的数控机床故障诊断技术研究 基于遗传蚁群算法的虚拟机整合 基于蚁群算法的TSP问题研究 基于蚁群算法的WSN路由应用研究