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、艦船電力系統(tǒng)的可靠性對艦船具有至關(guān)重要的作用。艦船電力系統(tǒng)本質(zhì)上是一種高度非線性系統(tǒng),隨著電力系統(tǒng)的網(wǎng)絡拓撲結(jié)構(gòu)越來越復雜,規(guī)模越來越大,這就對故障后的恢復供電提出了更高的要求。故障恢復在理論上是一個復雜的多目標非線性組合優(yōu)化問題。針對多目標的問題,人們提出了很多方法和理論,但各種方法都存在著缺點。對艦船配電系統(tǒng)故障恢復的研究,目前研究還處于起步階段。 首先,本論文對混沌、遺傳算法、克隆算法的來源、基本原理、數(shù)學機理、特點及應用
2、等各個方面進行論述。給出了艦船電力系統(tǒng)的網(wǎng)絡拓撲結(jié)構(gòu)并綜合考慮了線路容量限制、供電負荷優(yōu)先性及節(jié)點電壓約束的供電恢復模型,保證最大限度地給負荷供電。提出了負載支路相關(guān)矩陣法對容量約束進行檢驗,減小了分析、計算的難度。 其次,本論文結(jié)合配電網(wǎng)絡的特點對遺傳算法的編碼方式采用了針對負荷的0,1,2編碼,縮短了染色體的長度。用混沌理論與遺傳算法相結(jié)合,提出混沌自適應遺傳算法,使用混沌優(yōu)化產(chǎn)生初始群體,以保證初始種群含有較豐富的模式,從
3、而增加搜索快速收斂于全局最優(yōu)解的可能。然后通過采用精英保留的選擇機制和自適應交叉、變異概率,有效地加快了算法的收斂速度。同時在分析免疫系統(tǒng)克隆機制的基礎(chǔ)上提出了一種克隆算法,通過選擇親和力高的抗體并且對親和力高的抗體分別進行克隆來有效地加快收斂速度,并詳細說明了如何實現(xiàn)基于克隆算法的故障恢復策略。 最后通過具體算例分析來說明本文所提出方法的正確性和可行性。仿真結(jié)果表明:通過與其他方法比較,利用該混沌遺傳混合算法和克隆算法求解故障
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 配電網(wǎng)故障尋址與恢復重構(gòu)策略研究.pdf
- 智能配電網(wǎng)故障恢復研究
- 智能配電網(wǎng)故障快速恢復控制策略研究.pdf
- 配電網(wǎng)故障定位與故障恢復的研究.pdf
- 主動配電網(wǎng)多故障搶修與恢復策略研究.pdf
- 配電網(wǎng)多故障搶修與恢復協(xié)同策略研究.pdf
- 基于耗散網(wǎng)絡的配電網(wǎng)網(wǎng)絡故障恢復.pdf
- 配電網(wǎng)故障恢復系統(tǒng)的研究.pdf
- 配電網(wǎng)故障自動恢復系統(tǒng)的研究.pdf
- 含DG的配電網(wǎng)故障恢復研究.pdf
- 配電網(wǎng)靜態(tài)優(yōu)化與故障恢復重構(gòu)策略研究.pdf
- 配電網(wǎng)故障恢復優(yōu)化算法研究.pdf
- 基于蟻群算法的配電網(wǎng)故障恢復策略研究.pdf
- 主動配電網(wǎng)故障恢復重構(gòu)研究.pdf
- 含有微網(wǎng)的配電網(wǎng)絡故障恢復重構(gòu)研究.pdf
- 配電網(wǎng)故障恢復及重構(gòu)的研究.pdf
- 配電網(wǎng)故障定位與供電恢復的研究.pdf
- 地區(qū)高壓配電網(wǎng)故障恢復系統(tǒng)的研究.pdf
- 配電網(wǎng)的故障定位與供電恢復.pdf
- 智能配電網(wǎng)故障定位與恢復重構(gòu)研究.pdf
評論
0/150
提交評論