基于混沌改进人工蜂群算法的电网动态谐波估计
发布时间：2021-02-15 10:16
本文以电网动态谐波为研究对象,将人工蜂群算法应用于电网动态谐波估计中,提出了一种基于混沌改进人工蜂群算法的电网动态谐波估计方法。首先针对人工蜂群算法的“早熟”问题,本文在人工蜂群算法中引入改进的Tent混沌映射,提高人工蜂群算法在进行全局搜索时搜索因子的遍历性和均匀性,多组算例仿真结果证明了所提改进方法的有效性。传统频域谐波检测算法虽然具有较高的计算精度,但存在频谱泄露、栅栏效应且易受直流原件和噪声影响等问题,因此本文提出将混沌改进人工蜂群算法与最小二乘法结合,在保证较高检测精度的同时不存在频谱泄露、栅栏效应且对检测环境的适应性强。该方法通过改进人工蜂群算法优化最小二乘法的初始权值,解决了最小二乘法对初始权值敏感的问题。在单频率、多频率以及噪声等情况下对所提算法估计结果进行分析,结果表明,所提混合算法相比本文其它两种混合算法对谐波相位和幅值的估计精度更高,收敛速度更快,算法鲁棒性更好,尤其是针对中、高维度优化问题,所提混合算法具有更快的收敛速度、更高的求解精度,且算法的鲁棒性良好。基于可编程电源实验平台的实测数据对所提检测算法进行验证,检测结果证明了所提算法用于电网动态谐波估计是可行的...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．３改进的Ｔｅｎｔ混沌映射迭代２００００次的概率分布图??
ｆｅｒ?等?４??种具有多局部极值点的非线性函数进行ＡＢＣ算法、ＣＡＢＣ算法和ＣＩＡＢＣ算??法的寻优比较，蜂群总数Ｓ设为２０只，仿真均运行５０次，记录每次测试结果??的平均值和方差。??⑴Ｓｐｈｅｒｅ函数??Ｓｐｈｅｒｅ为单峰函数，能较好的反应算法的收敛性能Ｉ５叱其表达式为：??／Ｗ?＝?Ｓ＾，２?（２．１０）??１＝１??函数的维度设置为２６，搜索范围为ｊｃ，ｅ［－５．１２，５．１２］，其最小值为０。设置三??种算法的蜂群总数均为２０只，迭代次数为５０次，其寻优结果对比如图２．５所??示，算法收敛性能对比如图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．广??０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０?０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０??运行次数?迭代次数??图２．５?Ｓｐｈｅｒｅ函数寻优结果?图２．６三种算法收敛性能比较??Ｓｐｈｅｒｅ函数是一个简单的可分单峰函数，函数维数设置为２６维则加大了算??法寻优的难度［５６］。由于引入的Ｔｅｎｔ混沌映射使得人工蜂群算法遍历性提高了，??算法全局
?第２章混沌改进人工蜂群算法研究???所提ＣＩＡＢＣ算法，较之其它两种算法，收敛性能明显增强。在Ｓｐｈｅｒｅ函数??测试中，如图２．６所示，当ＡＢＣ算法迭代到３２次才收敛时，ＣＡＢＣ算法迭代１３??次收敛，ＣＩＡＢＣ算法迭代１１次就收敛。结合图２．５可知，本文所提算法在Ｓｐｈｅｒｅ??函数测试中，收敛速度更快，求解精度更高，鲁棒性更好。??⑵Ｇｒｉｅｗａｎｋ函数??Ｇｒｉｅｗａｎｋ函数是最常用的多峰基准函数，其表达式为：??尔令１?（２．Ｕ）??其中，ｘ，．ｅ［－１０，１０］，该测试函数具有众多局部极小值点，数目与函数维数??有关，在（＇，１２，．．．，丨）＝（０，０．．．，０）处取得全局最小值０，该测试函数是典型的非线??性多模态函数，一般被认为是优化算法很难处理的复杂多模态问题［５６］。设置三种??算法蜂群总数均为２０只，迭代次数为５０次，函数维数Ｄ设为６０，其寻优结果??对比如图２．７所示，算法收敛性能比较如图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．势：?＼?＼Ｋ?＇－ａ??０．１３?＇?＇?１?１?＇?
【参考文献】：
期刊论文
[1]遗传优化粒子滤波在动态谐波检测中的应用[J]. 杜先君,刘洲. 电力系统及其自动化学报. 2019(08)
[2]基于反向学习的自适应快速人工蜂群算法[J]. 杨小健,董毅伟. 系统仿真学报. 2016(11)
[3]基于改进人工蜂群与最小二乘的谐波检测混合算法[J]. 段玉波,唐龙庆,康耀文,王天娇. 自动化技术与应用. 2016(07)
[4]基于人工蜂群算法的光伏阵列MPPT控制策略研究[J]. 聂晓华,徐一鸣. 组合机床与自动化加工技术. 2016(07)
[5]混沌搜索策略的改进人工蜂群算法[J]. 彭晓华,刘利强. 智能系统学报. 2015(06)
[6]基于人工蜂群算法的多目标最优潮流问题的研究[J]. 刘前进,许慧铭,施超. 电力系统保护与控制. 2015(08)
[7]自适应Tent混沌搜索的人工蜂群算法[J]. 匡芳君,徐蔚鸿,金忠. 控制理论与应用. 2014(11)
[8]基于CPSO-RLS的电力系统谐波估计融合算法[J]. 易谷,王清蓉. 电力系统保护与控制. 2014(12)
[9]一种电力谐波分析新算法[J]. 马晓春,刘旭东. 中国电机工程学报. 2013(S1)
[10]自适应对偶种群遗传算法及其在电磁场优化设计中的应用[J]. 徐斌,姚缨英. 电工技术学报. 2013(03)
硕士论文
[1]基于局部搜索改进的人工蜂群算法及应用研究[D]. 赵旭芳.北京建筑大学 2019
[2]自适应滤波算法及其在电力谐波检测的应用[D]. 刘倩倩.西南交通大学 2018
[3]基于粒子群优化自适应最小二乘法的电网动态谐波估计[D]. 帅士奇.深圳大学 2017
[4]基于人工蜂群算法的机器人路径规划[D]. 孙晴晴.南京师范大学 2015
[5]基于改进蛙跳算法的谐波检测方法研究[D]. 王清蓉.重庆大学 2014
[6]基于小波包算法的电力谐波测量及FPGA实现[D]. 吴玉辉.武汉科技大学 2012
[7]采用神经网络的谐波和间谐波检测方法研究[D]. 王好娜.重庆大学 2011
本文编号：3034656
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．３改进的Ｔｅｎｔ混沌映射迭代２００００次的概率分布图??
ｆｅｒ?等?４??种具有多局部极值点的非线性函数进行ＡＢＣ算法、ＣＡＢＣ算法和ＣＩＡＢＣ算??法的寻优比较，蜂群总数Ｓ设为２０只，仿真均运行５０次，记录每次测试结果??的平均值和方差。??⑴Ｓｐｈｅｒｅ函数??Ｓｐｈｅｒｅ为单峰函数，能较好的反应算法的收敛性能Ｉ５叱其表达式为：??／Ｗ?＝?Ｓ＾，２?（２．１０）??１＝１??函数的维度设置为２６，搜索范围为ｊｃ，ｅ［－５．１２，５．１２］，其最小值为０。设置三??种算法的蜂群总数均为２０只，迭代次数为５０次，其寻优结果对比如图２．５所??示，算法收敛性能对比如图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．广??０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０?０?５?１０?１５?２０?２５?３０?３５?４０?４５?５０??运行次数?迭代次数??图２．５?Ｓｐｈｅｒｅ函数寻优结果?图２．６三种算法收敛性能比较??Ｓｐｈｅｒｅ函数是一个简单的可分单峰函数，函数维数设置为２６维则加大了算??法寻优的难度［５６］。由于引入的Ｔｅｎｔ混沌映射使得人工蜂群算法遍历性提高了，??算法全局
?第２章混沌改进人工蜂群算法研究???所提ＣＩＡＢＣ算法，较之其它两种算法，收敛性能明显增强。在Ｓｐｈｅｒｅ函数??测试中，如图２．６所示，当ＡＢＣ算法迭代到３２次才收敛时，ＣＡＢＣ算法迭代１３??次收敛，ＣＩＡＢＣ算法迭代１１次就收敛。结合图２．５可知，本文所提算法在Ｓｐｈｅｒｅ??函数测试中，收敛速度更快，求解精度更高，鲁棒性更好。??⑵Ｇｒｉｅｗａｎｋ函数??Ｇｒｉｅｗａｎｋ函数是最常用的多峰基准函数，其表达式为：??尔令１?（２．Ｕ）??其中，ｘ，．ｅ［－１０，１０］，该测试函数具有众多局部极小值点，数目与函数维数??有关，在（＇，１２，．．．，丨）＝（０，０．．．，０）处取得全局最小值０，该测试函数是典型的非线??性多模态函数，一般被认为是优化算法很难处理的复杂多模态问题［５６］。设置三种??算法蜂群总数均为２０只，迭代次数为５０次，函数维数Ｄ设为６０，其寻优结果??对比如图２．７所示，算法收敛性能比较如图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．势：?＼?＼Ｋ?＇－ａ??０．１３?＇?＇?１?１?＇?
【参考文献】：
期刊论文
[1]遗传优化粒子滤波在动态谐波检测中的应用[J]. 杜先君,刘洲. 电力系统及其自动化学报. 2019(08)
[2]基于反向学习的自适应快速人工蜂群算法[J]. 杨小健,董毅伟. 系统仿真学报. 2016(11)
[3]基于改进人工蜂群与最小二乘的谐波检测混合算法[J]. 段玉波,唐龙庆,康耀文,王天娇. 自动化技术与应用. 2016(07)
[4]基于人工蜂群算法的光伏阵列MPPT控制策略研究[J]. 聂晓华,徐一鸣. 组合机床与自动化加工技术. 2016(07)
[5]混沌搜索策略的改进人工蜂群算法[J]. 彭晓华,刘利强. 智能系统学报. 2015(06)
[6]基于人工蜂群算法的多目标最优潮流问题的研究[J]. 刘前进,许慧铭,施超. 电力系统保护与控制. 2015(08)
[7]自适应Tent混沌搜索的人工蜂群算法[J]. 匡芳君,徐蔚鸿,金忠. 控制理论与应用. 2014(11)
[8]基于CPSO-RLS的电力系统谐波估计融合算法[J]. 易谷,王清蓉. 电力系统保护与控制. 2014(12)
[9]一种电力谐波分析新算法[J]. 马晓春,刘旭东. 中国电机工程学报. 2013(S1)
[10]自适应对偶种群遗传算法及其在电磁场优化设计中的应用[J]. 徐斌,姚缨英. 电工技术学报. 2013(03)
硕士论文
[1]基于局部搜索改进的人工蜂群算法及应用研究[D]. 赵旭芳.北京建筑大学 2019
[2]自适应滤波算法及其在电力谐波检测的应用[D]. 刘倩倩.西南交通大学 2018
[3]基于粒子群优化自适应最小二乘法的电网动态谐波估计[D]. 帅士奇.深圳大学 2017
[4]基于人工蜂群算法的机器人路径规划[D]. 孙晴晴.南京师范大学 2015
[5]基于改进蛙跳算法的谐波检测方法研究[D]. 王清蓉.重庆大学 2014
[6]基于小波包算法的电力谐波测量及FPGA实现[D]. 吴玉辉.武汉科技大学 2012
[7]采用神经网络的谐波和间谐波检测方法研究[D]. 王好娜.重庆大学 2011
本文编号：3034656
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3034656.html
