基于布谷鸟算法的常规岛电动阀配电系统重构

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:kantstop
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
核电常规岛的电动阀门配电系统在设计时,较少考虑配电系统负荷均衡和工艺系统关联的影响,这会导致电源装置在自动切换过程中,因配电柜失电造成电动阀门失效,直接危害常规岛主要系统运行.论文针对核电常规岛电动阀门系统,以配电柜负荷均衡率为目标函数,其约束条件主要有潮流约束、支路电压和电流约束和功率约束,利用具有自适应步长且自适应动态跳帧的改进布谷鸟算法进行配电系统的重构优化,通过改变电动阀门分配位置,达到最小负荷均衡率.基于我国某核电机组常规岛电动阀门的配电系统,仿真结果表明,配电柜在重构后其负荷分布均衡,而且设备负载不均衡度和最大不均衡度指标明显下降,可解决线路重载或过载问题.
其他文献
针对闭环条件下数据相关性所导致的辨识偏差问题,提出一种基于闭环子空间辨识的直升机模型修正方法.通过闭环子空间辨识理论以及投影算法,利用操纵指令的激励信息中蕴含的动态信息,实现闭环条件下的模型无偏估计.并通过正则化方法,实现模型先验知识与数据后验信息的融合,进一步提高直升机模型修正结果的准确性与实用性.提出了基于闭环飞行数据的直升机模型修正两步法,在闭环条件下的应用结果验证了方法的有效性.
由于风电自身固有的波动和接入配电网时形成的差异,导致风电并网过程中容易出现电网失稳现象.针对风电并网设计了一种改进PSO无功补偿方案.首先对风电接入配电网时的风电场和风机单元功率平衡进行分析,采用STATCOM动态补偿应对风电场出力的时变特性.然后在风电并网模型基础上,将无功补偿转化为多目标寻优问题,从电压偏差、有功损耗与谐波畸变三个角度构造寻优模型,并分别基于有功、无功、电压和电流关系设计了相应的等式、不等式与机会约束.最后对PSO的惯性系数与加速系数进行优化设计,根据分布熵计算动态调整惯性系数,根据粒
为降低某型号飞机供氧传动机构行程指标故障率,基于对供氧传动机构的运动原理分析,锁定影响行程指标的参数,在ADAMS软件中建立参数化模型,并赋予实际工程数据实现故障复现,将故障复现仿真结果与实测数据对比,验证模型的准确性;通过设计变量敏感性分析,确定导致行程超差的主因并对其进行优化设计;基于ADAMS/insight模块对优化后的模型进行可靠性仿真,并给出具体的工艺控制方法.结果表明:供氧传动机构行程指标故障率由18%降至4%,所提出的故障诊断和工艺优化方法经实践验证效果显著.
充气机翼技术有着悠久的历史,作为一项可以有效减小存储体积的方法,在航空领域有着独特的发展优势.针对NA-CA4418翼型,通过编程确定并筛选翼型内接圆圆心组,进而通过三维建模软件完成该非对称充气机翼的设计,然后利用ANSYS对该充气机翼进行静力学分析和模态分析,之后用FLUENT对该机翼翼型进行气动特性仿真分析,同时与相应的标准翼型进行了对比.最后对得到的仿真数据进行了分析,得出了充气机翼的刚度随着充气压力的增加而增加且充气机翼翼型的升力系数比标准翼型低,同时阻力系数比标准翼型高的结论.
针对特高压交直流输电系统谐波总畸变率超标引起的系统保护误动作问题,提出利用频域分析法来研究换流阀故障时产生谐波的特性及其对谐波总畸变率的影响.首先对各阀在故障时的通断特性进行理论分析,然后依托PSCAD/EMTDC建立±800kV特高压直流输电系统模型,并对阀不开通和误开通故障进行仿真分析验证.仿真结果表明,换流阀故障时会产生低次非特征谐波,并导致系统谐波总畸变率超标.上述研究为特高压直流输电系统工程配置滤波器保护而有效抑制谐波提供了参考.
道路交通安全问题仍是世界各国共同面临的难题。在人-车-路-环境-管理构成的交通安全影响系统中,“路”的角色至关重要。而导致交通事故频发的一个重要因素是胎/路间缺乏足够的摩擦力,同时,较大通行能力和车轮荷载(尤其是重载车辆)加速了路表集料的磨光和磨耗,使路面抗滑能力迅速衰减,交通安全问题日益突出。路面抗滑是实现高等级、重交通道路安全、舒适、高速行驶的关键技术问题之一,而集料的长期抗磨光性能和沥青混合
为抑制永磁风力发电机机侧变流器过电压,防止IGBT击穿烧毁,保证电网正常运行,对变流器产生过电压的原因进行分析.首先,通过分析RLC串联谐振理论,指出由于存在母线槽分布参数RLC,导致IGBT关断三相电流时,在机侧变流器处产生谐振过电压;关断时间T不同是造成三相过电压不同的原因;品质因数Q在抑制机侧变流器过电压方面具有重要作用.其次,利用ANSYS Workbench有限元仿真软件平台,搭建风机并网和母线槽温升模型,对母线槽结构和关断时间T等参数进行优化,改善机侧变流器过电压,并提出优化建议和抑制措施.仿
由于传统故障识别方法的特征提取精度较低,得出的线路巡检元件故障识别的误差较大.于是提出基于FasterR-CNN算法的线路巡检元件故障识别方法.根据线路巡检元件的运行规律划分其状态,并设置相应的状态特征,作为元件故障识别的比对标准.利用巡检机器人内置的硬件设备,实时收集线路巡检图像,并通过压缩和透视畸变校正两个步骤,实现对巡检图像的预处理.构建FasterR-CNN网络模型,并利用该模型提取巡检元件图像特征,并针对防震锤、间隔棒和绝缘子等元件得出最终的故障识别结果.经过仿真测试得出结论,与传统识别方法相比
发电机叶片结冰是风力发电中的常见问题,准确检测叶片结冰故障能有效提高风电场的安全性与发电效率.为了准确检测叶片结冰故障,提出一种基于卷积神经网络的检测模型.通过改变1×1卷积核数量,改变特征维度并增加卷积网络的非线性,检测真实运行的风力发电机Supervisory Control And Data Acquisition(SCADA)数据.在以上基础上,使用Swish激活函数和Synthetic minority oversampling technique(SMOTE)提高模型的检测效果,获得较高的检测
针对传统多点电力负荷预测方法未进行数据校正问题,提出离群数据挖掘的多点电力负荷预测方法.通过计算离群数据点与其邻近点的距离,进行离群数据的挖掘;依据离散傅里叶转换数据集合,实现离散数据点集合求取;采用储存间距获取数据点与其邻近点的距离;节点与整体单位设定单层或多层节点,根据整体辅助节点负荷构建多点预测模型;利用信息熵准则选取聚类的代表性点与合并点,通过负荷特征曲线达成数据校正,从而实现多点电力负荷的预测.仿真结果表明,提出的电力负荷预测方法不仅具有精准预测的有效性,噪声去除效果最佳,而且预测效率较高.