版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,我國電力系統(tǒng)飛速發(fā)展,隨著西電東送、全國聯(lián)網(wǎng)的實施,電網(wǎng)規(guī)模越來越大。電網(wǎng)區(qū)域問存在弱互聯(lián),再加上快速勵磁系統(tǒng)的大量投入,導(dǎo)致系統(tǒng)整體阻尼作用減弱。在擾動下易發(fā)生低頻振蕩,嚴(yán)重威脅到電力系統(tǒng)的穩(wěn)定運行。在勵磁系統(tǒng)中加裝PSS(電力系統(tǒng)穩(wěn)定器)能夠有效的抑制低頻振蕩,改善電力系統(tǒng)的安全性和經(jīng)濟性。
在分析了目前優(yōu)化PSS參數(shù)常用算法所存在不足的基礎(chǔ)上,一種新型智能算法-ABC(人工蜂群)算法被用于問題的求解。在ABC算法
2、的研究分析中,針對基本算法存在尋優(yōu)精度不高,收斂速度慢等缺點,提出一種改進的ABC算法,并將其應(yīng)用于多機系統(tǒng)PSS參數(shù)協(xié)調(diào)優(yōu)化中。論文主要完成內(nèi)容包括:
(1)對目前常用的PSS參數(shù)配置方法進行分析,重點闡述算法的不足,指出采用新的智能優(yōu)化算法的必要性和可行性。
(2)對目前低頻振蕩的分析方法進行比較分析,確定了一種Prony算法,并運用算例進行仿真,驗證其所采用方法在低頻振蕩分析中的有效性。
(3)針對傳
3、統(tǒng)ABC算法的缺點,提出一種基于NMSM(單純形法)的改進ABC算法。通過對當(dāng)前最優(yōu)蜜蜂周期性的利用單純形更新頂點,用新的探索點代替蜂群中最差個體。ABC算法利用NMSM提高局部搜索能力,NMSM利用ABC算法有效的跳出局部最優(yōu),平衡算法的全局探索與局部開發(fā)能力,提高尋優(yōu)精度。并對跟隨蜂的搜索公式進行改進,確定鄰域范圍,加快算法收斂速度。6個測試函數(shù)仿真結(jié)果表明改進后的算法具有更快的收斂速度和更高的精度。
(4)通過對采樣數(shù)據(jù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人工蜂群算法優(yōu)化感知機.pdf
- 基于改進人工蜂群算法的聚類研究
- 人工蜂群算法的研究與改進.pdf
- 混合人工蜂群算法的改進研究.pdf
- 基于改進人工蜂群算法的聚類研究.pdf
- 基于改進人工蜂群算法的機組組合優(yōu)化方法.pdf
- 基于改進細菌覓食算法的PSS參數(shù)協(xié)調(diào)優(yōu)化研究.pdf
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 人工蜂群算法的改進與應(yīng)用.pdf
- 基于改進人工蜂群算法的Web服務(wù)組合優(yōu)化選擇研究.pdf
- 基于人工蜂群算法的Hadoop調(diào)度算法研究與改進.pdf
- 基于人工蜂群算法的泵站運行優(yōu)化研究.pdf
- 基于改進人工蜂群算法的模糊聚類研究.pdf
- 用改進人工蜂群算法優(yōu)化基于內(nèi)容的哼唱音樂檢索系統(tǒng).pdf
- 改進人工蜂群算法及其在切削參數(shù)優(yōu)化問題中的應(yīng)用研究.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 人工蜂群算法的改進及應(yīng)用研究.pdf
- 人工蜂群算法的改進及其應(yīng)用研究.pdf
- 基于改進人工蜂群算法的lssvm燃氣負荷預(yù)測
評論
0/150
提交評論