本文以電網(wǎng)動(dòng)態(tài)諧波為研究對象,將人工蜂群算法應(yīng)用于電網(wǎng)動(dòng)態(tài)諧波估計(jì)中,提出了一種基于混沌改進(jìn)人工蜂群算法的電網(wǎng)動(dòng)態(tài)諧波估計(jì)方法。首先針對人工蜂群算法的“早熟”問題,本文在人工蜂群算法中引入改進(jìn)的Tent混沌映射,提高人工蜂群算法在進(jìn)行全局搜索時(shí)搜索因子的遍歷性和均勻性,多組算例仿真結(jié)果證明了所提改進(jìn)方法的有效性。傳統(tǒng)頻域諧波檢測算法雖然具有較高的計(jì)算精度,但存在頻譜泄露、柵欄效應(yīng)且易受直流原件和噪聲影響等問題,因此本文提出將混沌改進(jìn)人工蜂群算法與最小二乘法結(jié)合,在保證較高檢測精度的同時(shí)不存在頻譜泄露、柵欄效應(yīng)且對檢測環(huán)境的適應(yīng)性強(qiáng)。該方法通過改進(jìn)人工蜂群算法優(yōu)化最小二乘法的初始權(quán)值,解決了最小二乘法對初始權(quán)值敏感的問題。在單頻率、多頻率以及噪聲等情況下對所提算法估計(jì)結(jié)果進(jìn)行分析,結(jié)果表明,所提混合算法相比本文其它兩種混合算法對諧波相位和幅值的估計(jì)精度更高,收斂速度更快,算法魯棒性更好,尤其是針對中、高維度優(yōu)化問題,所提混合算法具有更快的收斂速度、更高的求解精度,且算法的魯棒性良好�；诳删幊屉娫磳�(shí)驗(yàn)平臺的實(shí)測數(shù)據(jù)對所提檢測算法進(jìn)行驗(yàn)證,檢測結(jié)果證明了所提算法用于電網(wǎng)動(dòng)態(tài)諧波估計(jì)是可行的... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．３改進(jìn)的Ｔｅｎｔ混沌映射迭代２００００次的概率分布圖??

ｆｅｒ?等?４??種具有多局部極值點(diǎn)的非線性函數(shù)進(jìn)行ＡＢＣ算法、ＣＡＢＣ算法和ＣＩＡＢＣ算??法的尋優(yōu)比較，蜂群總數(shù)Ｓ設(shè)為２０只，仿真均運(yùn)行５０次，記錄每次測試結(jié)果??的平均值和方差。??⑴Ｓｐｈｅｒｅ函數(shù)??Ｓｐｈｅｒｅ為單峰函數(shù)，能較好的反應(yīng)算法的收斂性能Ｉ５叱其表達(dá)式為：??／Ｗ?＝?Ｓ＾，２?（２．１０）??１＝１??函數(shù)的維度設(shè)置為２６，搜索范圍為ｊｃ，ｅ［－５．１２，５．１２］，其最小值為０。設(shè)置三??種算法的蜂群總數(shù)均為２０只，迭代次數(shù)為５０次，其尋優(yōu)結(jié)果對比如圖２．５所??示，算法收斂性能對比如圖２．６所示。??３：?ｎ〇４?Ｓｐｈｅｒｅ?１２?ｘ?ｉ〇?Ｓｐｈｅｒｅ??????ＡＢＣ???ＡＢＣ?￣￣ＨＣＡＢＣ??—＊—ＣＡＢＣ?；＇ｔ?１?—?ＣｌＡＢＣｌ－??３?．??ＣＬＡＢＣＩ?；?Ｊ??ｉ?＼?０．８?？?＾?＼?？??ｅ２－２１．?；、一’Ｖ．?？、＿／＇＿？?ｌ?＼??５?，?５〇．６－＼?＼?＼?．??＇．卜?．ｕ＇ｌ＇??１，５?Ｊ?０２?？?Ｖ＼?Ｖ??Ｊ?１?￣?ｉ?．?．．．：?．?．?＞１?■?ｒ—Ｉ?ＩＩ?■?＞－?Ｕ?八．廣??０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０?０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０??運(yùn)行次數(shù)?迭代次數(shù)??圖２．５?Ｓｐｈｅｒｅ函數(shù)尋優(yōu)結(jié)果?圖２．６三種算法收斂性能比較??Ｓｐｈｅｒｅ函數(shù)是一個(gè)簡單的可分單峰函數(shù)，函數(shù)維數(shù)設(shè)置為２６維則加大了算??法尋優(yōu)的難度［５６］。由于引入的Ｔｅｎｔ混沌映射使得人工蜂群算法遍歷性提高了，??算法全局

?第２章混沌改進(jìn)人工蜂群算法研究???所提ＣＩＡＢＣ算法，較之其它兩種算法，收斂性能明顯增強(qiáng)。在Ｓｐｈｅｒｅ函數(shù)??測試中，如圖２．６所示，當(dāng)ＡＢＣ算法迭代到３２次才收斂時(shí)，ＣＡＢＣ算法迭代１３??次收斂，ＣＩＡＢＣ算法迭代１１次就收斂。結(jié)合圖２．５可知，本文所提算法在Ｓｐｈｅｒｅ??函數(shù)測試中，收斂速度更快，求解精度更高，魯棒性更好。??⑵Ｇｒｉｅｗａｎｋ函數(shù)??Ｇｒｉｅｗａｎｋ函數(shù)是最常用的多峰基準(zhǔn)函數(shù)，其表達(dá)式為：??爾令１?（２．Ｕ）??其中，ｘ，．ｅ［－１０，１０］，該測試函數(shù)具有眾多局部極小值點(diǎn)，數(shù)目與函數(shù)維數(shù)??有關(guān)，在（＇，１２，．．．，丨）＝（０，０．．．，０）處取得全局最小值０，該測試函數(shù)是典型的非線??性多模態(tài)函數(shù)，一般被認(rèn)為是優(yōu)化算法很難處理的復(fù)雜多模態(tài)問題［５６］。設(shè)置三種??算法蜂群總數(shù)均為２０只，迭代次數(shù)為５０次，函數(shù)維數(shù)Ｄ設(shè)為６０，其尋優(yōu)結(jié)果??對比如圖２．７所示，算法收斂性能比較如圖２．８所示。??〇，１８｜?，?，??°＾，?，?，?，￣?〇．，４??０，７５－?＾??丨?＼＿?０１２?■?Ｖ＼?丨－＿小??０１６５?■?ｆ＼?，?－?－?：??１?．?Ｉ?１?＼??？?〇－１６?＇?！?＇?－＊－ＣＡＢＣ?〇?〇ｇ?．?；?＼?＼?－??ｌ〇－?；?■?Ｉ?；?＼?Ｖ??０１５?■?Ａ；?０?０６?＇?１?ｌ?＾??Ｏ．１４５．，”?．?０．０４?■?：?＼?＼?？??０１４?？／?．?；?＼?＼??〇?〇２?■?，?＼?＼?■??０．１３５．勢：?＼?＼Ｋ?＇－ａ??０．１３?＇?＇?１?１?＇?

【參考文獻(xiàn)】：
期刊論文
[1]遺傳優(yōu)化粒子濾波在動(dòng)態(tài)諧波檢測中的應(yīng)用[J]. 杜先君,劉洲.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2019(08)
[2]基于反向?qū)W習(xí)的自適應(yīng)快速人工蜂群算法[J]. 楊小健,董毅偉.  系統(tǒng)仿真學(xué)報(bào). 2016(11)
[3]基于改進(jìn)人工蜂群與最小二乘的諧波檢測混合算法[J]. 段玉波,唐龍慶,康耀文,王天嬌.  自動(dòng)化技術(shù)與應(yīng)用. 2016(07)
[4]基于人工蜂群算法的光伏陣列MPPT控制策略研究[J]. 聶曉華,徐一鳴.  組合機(jī)床與自動(dòng)化加工技術(shù). 2016(07)
[5]混沌搜索策略的改進(jìn)人工蜂群算法[J]. 彭曉華,劉利強(qiáng).  智能系統(tǒng)學(xué)報(bào). 2015(06)
[6]基于人工蜂群算法的多目標(biāo)最優(yōu)潮流問題的研究[J]. 劉前進(jìn),許慧銘,施超.  電力系統(tǒng)保護(hù)與控制. 2015(08)
[7]自適應(yīng)Tent混沌搜索的人工蜂群算法[J]. 匡芳君,徐蔚鴻,金忠.  控制理論與應(yīng)用. 2014(11)
[8]基于CPSO-RLS的電力系統(tǒng)諧波估計(jì)融合算法[J]. 易谷,王清蓉.  電力系統(tǒng)保護(hù)與控制. 2014(12)
[9]一種電力諧波分析新算法[J]. 馬曉春,劉旭東.  中國電機(jī)工程學(xué)報(bào). 2013(S1)
[10]自適應(yīng)對偶種群遺傳算法及其在電磁場優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 徐斌,姚纓英.  電工技術(shù)學(xué)報(bào). 2013(03)

碩士論文
[1]基于局部搜索改進(jìn)的人工蜂群算法及應(yīng)用研究[D]. 趙旭芳.北京建筑大學(xué) 2019
[2]自適應(yīng)濾波算法及其在電力諧波檢測的應(yīng)用[D]. 劉倩倩.西南交通大學(xué) 2018
[3]基于粒子群優(yōu)化自適應(yīng)最小二乘法的電網(wǎng)動(dòng)態(tài)諧波估計(jì)[D]. 帥士奇.深圳大學(xué) 2017
[4]基于人工蜂群算法的機(jī)器人路徑規(guī)劃[D]. 孫晴晴.南京師范大學(xué) 2015
[5]基于改進(jìn)蛙跳算法的諧波檢測方法研究[D]. 王清蓉.重慶大學(xué) 2014
[6]基于小波包算法的電力諧波測量及FPGA實(shí)現(xiàn)[D]. 吳玉輝.武漢科技大學(xué) 2012
[7]采用神經(jīng)網(wǎng)絡(luò)的諧波和間諧波檢測方法研究[D]. 王好娜.重慶大學(xué) 2011



本文編號：3034656