本文以電網(wǎng)動態(tài)諧波為研究對象,將人工蜂群算法應用于電網(wǎng)動態(tài)諧波估計中,提出了一種基于混沌改進人工蜂群算法的電網(wǎng)動態(tài)諧波估計方法。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的Tent混沌映射,提高人工蜂群算法在進行全局搜索時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算精度,但存在頻譜泄露、柵欄效應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不存在頻譜泄露、柵欄效應且對檢測環(huán)境的適應性強。該方法通過改進人工蜂群算法優(yōu)化最小二乘法的初始權值,解決了最小二乘法對初始權值敏感的問題。在單頻率、多頻率以及噪聲等情況下對所提算法估計結(jié)果進行分析,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�；诳删幊屉娫磳嶒炂脚_的實測數(shù)據(jù)對所提檢測算法進行驗證,檢測結(jié)果證明了所提算法用于電網(wǎng)動態(tài)諧波估計是可行的... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

圖２．３改進的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的非線性函數(shù)進行ＡＢＣ算法、ＣＡＢＣ算法和ＣＩＡＢＣ算??法的尋優(yōu)比較，蜂群總數(shù)Ｓ設為２０只，仿真均運行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)，能較好的反應算法的收斂性能Ｉ５叱其表達式為：??／Ｗ?＝?Ｓ＾，２?（２．１０）??１＝１??函數(shù)的維度設置為２６，搜索范圍為ｊｃ，ｅ［－５．１２，５．１２］，其最小值為０。設置三??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)是一個簡單的可分單峰函數(shù)，函數(shù)維數(shù)設置為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。在Ｓｐｈｅｒｅ函數(shù)??測試中，如圖２．６所示，當ＡＢＣ算法迭代到３２次才收斂時，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函數(shù)，其表達式為：??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，數(shù)目與函數(shù)維數(shù)??有關，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)，一般被認為是優(yōu)化算法很難處理的復雜多模態(tài)問題［５６］。設置三種??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】：
期刊論文
[1]遺傳優(yōu)化粒子濾波在動態(tài)諧波檢測中的應用[J]. 杜先君,劉洲.  電力系統(tǒng)及其自動化學報. 2019(08)
[2]基于反向?qū)W習的自適應快速人工蜂群算法[J]. 楊小健,董毅偉.  系統(tǒng)仿真學報. 2016(11)
[3]基于改進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.  自動化技術與應用. 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.  組合機床與自動化加工技術. 2016(07)
[5]混沌搜索策略的改進人工蜂群算法[J]. 彭曉華,劉利強.  智能系統(tǒng)學報. 2015(06)
[6]基于人工蜂群算法的多目標最優(yōu)潮流問題的研究[J]. 劉前進,許慧銘,施超.  電力系統(tǒng)保護與控制. 2015(08)
[7]自適應Tent混沌搜索的人工蜂群算法[J]. 匡芳君,徐蔚鴻,金忠.  控制理論與應用. 2014(11)
[8]基于CPSO-RLS的電力系統(tǒng)諧波估計融合算法[J]. 易谷,王清蓉.  電力系統(tǒng)保護與控制. 2014(12)
[9]一種電力諧波分析新算法[J]. 馬曉春,劉旭東.  中國電機工程學報. 2013(S1)
[10]自適應對偶種群遺傳算法及其在電磁場優(yōu)化設計中的應用[J]. 徐斌,姚纓英.  電工技術學報. 2013(03)

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



本文編號：3034656