CN105005675A - 基于多目标遗传算法的复合绝缘子电场优化方法 - Google Patents
基于多目标遗传算法的复合绝缘子电场优化方法 Download PDFInfo
- Publication number
- CN105005675A CN105005675A CN201510490452.7A CN201510490452A CN105005675A CN 105005675 A CN105005675 A CN 105005675A CN 201510490452 A CN201510490452 A CN 201510490452A CN 105005675 A CN105005675 A CN 105005675A
- Authority
- CN
- China
- Prior art keywords
- composite insulator
- electric field
- genetic algorithm
- population
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
本发明公开了一种基于多目标遗传算法的复合绝缘子电场优化方法,包括以下步骤:1)解决静电场开域问题;2)建立复合绝缘子几何模型;3)在Maxwell软件中,对复合绝缘子电场强度进行数值计算;4)为克服Maxwell软件优化模块的局限性,采用该软件VB脚本,实现了与MATLAB软件的数据接口;5)在MATLAB软件中,采用多目标遗传算法对伞裙半径进行优化;6)得出优化的复合绝缘子电场分布。本发明以场强极差Range_E最小和场强梯度最大值Max_GradE最小作为多优化目标,对复合绝缘子大、中、小伞裙半径进行优化,使得复合绝缘子电场分布更加均匀。
Description
技术领域
本发明涉及一种基于多目标遗传算法的复合绝缘子电场优化方法,属于复合绝缘子电场分布优化技术领域。
背景技术
输电线路复合绝缘子是电力***中广为使用的线路支撑装置,由于复合成绝缘子具有防污性能好、轻便、便于维护等优点,因此在我国的电力***中得到了广泛的应用,在保障电力***安全运行和推动我国电力工业发展上发挥了显著作用。
但复合绝缘子在实际运用中也遇到一些问题,诸如芯棒脆断、覆冰下电气性能严重降低、电场分布严重不均匀等。其中电场分布严重不均匀是复合绝缘子在超特高压线路上运用所面临的一个紧迫问题。复合绝缘子由于其外形特点、金具结构和硅橡胶材料的低电导率,使得电位分布从高压端开始快速衰减,这样的电位分布使得在邻近高压端和接地端处产生了较高的电场。如果绝缘子表面电场强度超过了电晕起始场强(0.45kV/mm),就会产生电晕放电。
电场分布是输电线路外绝缘研究中的一项重要内容。强电场造成绝缘子串和金具表面产生电晕放电的机会增大,会对电力安全运行造成严重威胁。对于超高压和特高压线路,其电压等级高、电场强度大,复合绝缘子电场分布较常规线路更不均匀,因此改善复合绝缘子电场分布是超/特高压工程外绝缘设备研制及其安全运行的关键技术。
目前研究复合绝缘子电场分布优化的方法有不少,但通过改变伞裙半径采用多目标优化电场的方法却没有。绝缘子的电场分析中,两个目标函数(场强极差Range_E和最大场强梯度Max_GradE)是矛盾的,其最小值不在同一处取得,单一目标的优化难以满足更加均匀的电场要求,因此提出多目标优化方法是有意义的。本发明以场强极差Range_E最小和场强梯度最大值Max_GradE最小作为两个优化目标,通过不断改变大、中、小伞裙半径,求取其最优的值。
发明内容
本发明所要解决的技术问题是提供一种改变伞裙半径对复合绝缘子电场分布优化的方法,以场强极差Range_E最小和场强梯度最大值Max_GradE最小作为多优化目标,对复合绝缘子大、中、小伞裙半径进行优化,使得复合绝缘子电场分布更加均匀。
为解决上述技术问题,本发明公开了一种基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于,包括以下步骤:
1)解决复合绝缘子的开域问题:
将无界开域转化为有界闭域,采用远场单元来模拟无界区域的方法,将计算区域定为200%。
2)建立复合绝缘子几何模型:
使用了复合绝缘子的简化模型。沿坐标平面削减模型,将求解区域定义为:X轴正向50%,X轴负向0%;Y轴正向50%,Y轴负向50%;Z轴正向10%,Z轴负向10%。
3)在Maxwell软件中,对复合绝缘子电场强度进行数值计算;
4)实现Maxwell软件与MATLAB软件相联:
采用在Maxwell VBS(微软Visual Basic语言的脚本简化版VBScript)中调用MATLAB COM组件的方法。
5)在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化;
6)得出优化的复合绝缘子电场分布。
上述步骤3)中,在Maxwell软件中,对复合绝缘子电场强度进行数值计算,具体是指,基于有限元理论对绝缘子电场进行数值计算。包括以下步骤:
31):将整个计算区域离散化;
32):区域节点和单元按次序编号;
33):对每个有限元依次进行局部处理,求得这个有限元的局部激励矩阵和局部系数矩阵;
34):将每个单元的局部系数矩阵和局部激励矩阵相加到总系数矩阵和方程组的右端项中;
35):考虑强加边界条件,修正总系数矩阵和方程组的右端项;
36):解方程组,得出各节点的场强数值解。
上述步骤4)中实现Maxwell软件与MATLAB软件相联,采用在MaxwellVBS中调用MATLAB COM组件的方法。
上述步骤5)中,在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化,具体采用GADST模块进行,包括以下步骤:
51):确定多个优化目标。具体为确定场强极差Range_E最小和场强梯度最大值Max_GradE最小为两个优化目标。
52):确定伞裙半径优化问题的约束类型;
53):产生初始种群;
54):使种群进化一代;
55):判断是否结束迭代,迭代结束条件为达到之前设定的最大迭代次数或者实验误差小于之前设定的最小误差值,如果不结束迭代,则返回53)。
56):输出伞裙半径帕累托最优解(Pareto optimal solution)。
上述步骤54)中,使种群进化一代包括以下步骤:
541)使用锦标赛方式选择。具体是基于序值和拥挤距离进行选择操作,对于两个个体,当序值不同时,无论其拥挤距离如何,序值小的个体将被选中;当序值相同时,拥挤距离大的个体将被选中。
542)交叉、变异。
543)创建子种群。
544)合并父子种群。
545)计算序值。
546)非支配排序。从1开始每次步进1,在每轮r循环中,依次将种群中未被排序的个体p与其余所有未被排序的个体q进行比较,检查个体q是否支配个体p。若不支配,则个体p被赋予当前序值;反之,因为个体p受个体q支配。故若个体p的序值高于当前序值,应参与下一轮排序。
547)计算拥挤距离
548)修剪种群。随着父子种群的合并,得到的新种群大小为原始的两倍,因此需要在两倍于种群大小的个体中修剪出个数等于种群大小的个体。
549)计算平均距离。
本发明所达到的有益效果:
首先,本发明克服了使用Maxwell软件内部单一优化模块而引起的缺陷。电场复合绝缘子电场数值计算采用的Maxwell软件内部带有参数化分析优化模块,但是模块内部的优化算法方式较单一,无法适应复杂条件下的优化任务,并且数据绘图和显示方式受限。而MATLAB作为当今最优秀的科学计算软件,在算法开发、数据可视化、数据分析、数值计算等方面都有着不俗的表现,其算法模块的封装规模、多样性和可扩展性是其他编程语言难以企及的。因此,为进一步优化伞裙大小,以得到更优的场强分布,本发明使用外部MATLAB软件中的多目标遗传算法消除了内部模块的局限性。遗传算法优化的核心在于适应度函数的设定,而适应度是无法用MATLAB模拟的,必须通过Maxwell计算得到,本发明通过采用在Maxwell VBS(微软Visual Basic语言的脚本简化版VBScript)中调用MATLAB COM组件的方法,成功实现了Maxwell软件与MATLAB软件相联。由于本发明所有外部算法实现全部使用MATLAB及其成熟的工具箱,这样保证了算法的正确性,也减少了编码时间。
另外,在绝缘子的电场分析中,两个目标函数(场强极差Range_E和最大场强梯度Max_GradE)是矛盾的,其最小值不在同一处取得,单一目标的优化难以满足要求,因此本发明提出多目标优化方法,以场强极差Range_E最小和场强梯度最大值Max_GradE最小为两个优化目标,求取最优的绝缘子大、中、小伞裙半径。本发明多目标优化的方法,可以统筹兼顾各方面因素,增强优化效果,使得绝缘子电场更均匀。
附图说明
图1本发明的***框图;
图2多目标遗传算法GADST模块优化伞裙半径流程图;
图3种群进化流程图;
图4使用GADST进行多目标遗传算法迭代得到的最优参数对应的场强分布;
图5使用GADST进行多目标遗传算法迭代得到的最优参数对应的场强分布。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明的***框图如图1所示。一种基于多目标遗传算法的复合绝缘子电场优化方法,一共包括六大部分:解决静电场开域问题;建立复合绝缘子几何模型;在Maxwell软件中,对复合绝缘子电场强度进行数值计算;实现Maxwell软件与MATLAB软件相联;在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化;得出优化的复合绝缘子电场分布。
步骤1解决静电场开域问题:即将无界开域转化为有界闭域,采用远场单元来模拟无界区域的方法,将计算区域定为200%。
步骤2建立复合绝缘子几何模型:使用了复合绝缘子的简化模型。沿坐标平面削减模型,将求解区域定义为:X轴正向50%,X轴负向0%;Y轴正向50%,Y轴负向50%;Z轴正向10%,Z轴负向10%。
步骤3在Maxwell软件中,对复合绝缘子电场强度进行数值计算:具体是基于有限元理论对绝缘子电场进行数值计算。具体分为六步:
1)将整个计算区域离散化;
2)区域节点和单元按次序编号;
3)对每个有限元依次进行局部处理,求得这个有限元的局部激励矩阵和局部系数矩阵;
4)将每个单元的局部系数矩阵和局部激励矩阵相加到总系数矩阵和方程组的右端项中;
5)考虑强加边界条件,修正总系数矩阵和方程组的右端项;
6)解方程组,得出各节点的场强数值解。
步骤4实现Maxwell软件与MATLAB软件相联。具体是采用在MaxwellVBS(微软Visual Basic语言的脚本简化版VBScript)中调用MATLAB COM组件的方法。
步骤5在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化。在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化,具体采用GADST模块进行。
步骤6得出优化的复合绝缘子电场分布。
其中,在步骤5中,采用GADST模块进行。如图2所示。具体分为六步:
1)确定多个优化目标。具体为确定场强极差Range_E最小和场强梯度最大值Max_GradE最小为两个优化目标。
2)确定伞裙半径优化问题的约束类型。
3)产生初始种群。
4)使种群进化一代。
5)判断是否结束迭代,迭代结束条件为达到之前设定的最大迭代次数或者实验误差小于之前设定的最小误差值,如果不结束迭代,则返回3)。
6)输出伞裙半径帕累托最优解(Pareto optimal solution)。
其中的使种群进化一代,如图3所示,具体分为九步:
1)使用锦标赛方式选择。具体是基于序值和拥挤距离进行选择操作,对于两个个体,当序值不同时,无论其拥挤距离如何,序值小的个体将被选中;当序值相同时,拥挤距离大的个体将被选中。
2)交叉、变异。
3)创建子种群。
4)合并父子种群。
5)计算序值。
6)非支配排序。从1开始每次步进1,在每轮r循环中,依次将种群中未被排序的个体p与其余所有未被排序的个体q进行比较,检查个体q是否支配个体p。若不支配,则个体p被赋予当前序值;反之,因为个体p受个体q支配。故若个体p的序值高于当前序值,应参与下一轮排序。
7)计算拥挤距离。
8)修剪种群。随着父子种群的合并,得到的新种群大小为原始的两倍,因此需要在两倍于种群大小的个体中修剪出个数等于种群大小的个体。
9)计算平均距离。
实施例:
多目标优化使用matlab软件中的多目标遗传算法模块GADST实现。对于多目标优化,适应度函数返回值不同。函数返回列向量,存放多个输出变量的值。由于函数接口在使用时的限制,这里返回列向量,分别存放输出变量Range_E和Max_GradE的仿真结果。
优化程序设置值setting value如表1所示。
表1多目标优化程序设置值
以大、中、小伞裙半径0.1025,0.0825,0.0625作为初始参数。对Range_E和Max_GradE两个目标,用多目标遗传算法参数进行优化,结果得到的最优解分别为:0.0955,0.0933,0.0585。最优参数对应的场强分布如图4和图5所示。初始参数下和最优参数下,模型的目标函数值分别见表2所示。最优参数得到的强极差值Range_E为2.94×107、场强梯度最大值Max_GradE为2.95×1010。与初始值initial value相比,多目标遗传算法使场强极差值Range_E优化了7.1%,使场强梯度最大值Max_GradE优化了14.0%。
表2优化前后的多目标函数值
Max_GradE | Range_E | |
初始参数下 | 34289038360 | 31638868 |
最优参数下 | 2.95×1010 | 2.94×107 |
此方法克服了maxwell软件中目标优化模块只能实现单目标优化、执行时间较长、灵活性差的缺点。此方法在matlab软件中使用多目标遗传算法对电场强度进行优化,减少了代码量,节约了计算时间,而且增强了其适应性。此方法不仅可用于伞裙半径,还可以运用到不同电压等级复合绝缘子其它结构参数最优方案的求取过程中。
Claims (7)
1.一种基于多目标遗传算法的复合绝缘子电场优化方法,包括以下步骤:
(1)解决静电场开域问题;
(2)建立复合绝缘子几何模型;
(3)在Maxwell软件中,对复合绝缘子电场强度进行数值计算;
(4)实现Maxwell软件与MATLAB软件相联;
(5)在MATLAB软件中,采用多目标优化遗传算法对伞裙半径进行优化;
(6)得出优化的复合绝缘子电场分布。
2.根据权利要求1所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(1)中解决复合绝缘子开域问题,即将无界开域转化为有界闭域,采用远场单元来模拟无界区域的方法,将计算区域定为200%。
3.根据权利要求1所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(2)中建立复合绝缘子几何模型,使用了复合绝缘子的简化模型,
沿坐标平面削减模型,将求解区域定义为:X轴正向50%,X轴负向0%;Y轴正向50%,Y轴负向50%;Z轴正向10%,Z轴负向10%。
4.根据权利要求1所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(3)中对复合绝缘子电场强度进行数值计算是基于有限元理论对绝缘子电场进行数值计算,具体步骤如下:
(4a)、将整个计算区域离散化;
(4b)、区域节点和单元按次序编号;
(4c)、对每个有限元依次进行局部处理,求得这个有限元的局部激励矩阵和局部系数矩阵;
(4d)、将每个单元的局部系数矩阵和局部激励矩阵相加到总系数矩阵和方程组的右端项中;
(4e)、考虑强加边界条件,修正总系数矩阵和方程组的右端项;
(4f)、解方程组,得出各节点的场强数值解。
5.根据权利要求1所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(4)中实现Maxwell软件与MATLAB软件相联,采用在Maxwell VBS中调用MATLAB COM组件的方法。
6.根据权利要求1所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(5)中所述实现多目标遗传算法对伞裙半径进行优化采用GADST模块进行,具体的步骤如下:
(6a)、确定多个优化目标,具体为确定场强极差Range_E最小和场强梯度最大值Max_GradE最小为两个优化目标;
(6b)、确定伞裙半径优化问题的约束类型;
(6c)、产生初始种群;
(6d)、使种群进化一代;
(6e)、判断是否结束迭代,迭代结束条件为达到之前设定的最大迭代次数或者实验误差小于之前设定的最小误差值,如果不结束迭代,则返回(6c);
(6f)、输出伞裙半径帕累托最优解。
7.根据权利要求6所述的基于多目标遗传算法的复合绝缘子电场优化方法,其特征在于:所述步骤(6d)使种群进化一代,具体是指:
(7a)使用锦标赛方式选择,具体是基于序值和拥挤距离进行选择操作,对于两个个体,当序值不同时,无论其拥挤距离如何,序值小的个体将被选中;当序值相同时,拥挤距离大的个体将被选中;
(7b)交叉、变异;
(7c)创建子种群;
(7d)合并父子种群;
(7e)计算序值;
(7f)非支配排序;从1开始每次步进1,在每轮r循环中,依次将种群中未被排序的个体p与其余所有未被排序的个体q进行比较,检查个体q是否支配个体p,若不支配,则个体p被赋予当前序值;反之,因为个体p受个体q支配,故若个体p的序值高于当前序值,应参与下一轮排序;
(7g)计算拥挤距离;
(7h)修剪种群;随着父子种群的合并,得到的新种群大小为原始的两倍,因此需要在两倍于种群大小的个体中修剪出个数等于种群大小的个体;
(7i)计算平均距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510490452.7A CN105005675B (zh) | 2015-08-11 | 2015-08-11 | 基于多目标遗传算法的复合绝缘子电场优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510490452.7A CN105005675B (zh) | 2015-08-11 | 2015-08-11 | 基于多目标遗传算法的复合绝缘子电场优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005675A true CN105005675A (zh) | 2015-10-28 |
CN105005675B CN105005675B (zh) | 2018-02-23 |
Family
ID=54378348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510490452.7A Active CN105005675B (zh) | 2015-08-11 | 2015-08-11 | 基于多目标遗传算法的复合绝缘子电场优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005675B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243239A (zh) * | 2015-11-10 | 2016-01-13 | 南通河海大学海洋与近海工程研究院 | 一种输电线路复合绝缘子电场优化的方法 |
CN105303061A (zh) * | 2015-11-25 | 2016-02-03 | 华东交通大学 | 基于双目标模拟退火算法及非劣分层的通信电缆绞合节距优化方法 |
CN105574266A (zh) * | 2015-12-16 | 2016-05-11 | 西安交通大学 | 一种基于多种群遗传算法的盆式绝缘子电气和机械性能综合优化设计方法 |
CN105912812A (zh) * | 2016-04-29 | 2016-08-31 | 南方电网科学研究院有限责任公司 | 一种确定支柱绝缘子的伞裙参数的方法和装置 |
CN106099753A (zh) * | 2016-08-08 | 2016-11-09 | 国网湖南省电力公司 | 重覆冰地区的无避雷线输电线路设计方法 |
CN109101716A (zh) * | 2018-08-06 | 2018-12-28 | 南方电网科学研究院有限责任公司 | 一种变压器套管外绝缘电场的影响仿真方法与装置 |
CN109117537A (zh) * | 2018-08-02 | 2019-01-01 | 西安西电变压器有限责任公司 | 一种高压换流变压器端部角环布置的优化方法及装置 |
CN111523216A (zh) * | 2020-04-16 | 2020-08-11 | 西安交通大学 | 针对电势突变的第一部件与第二部件连接处的优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768701A (zh) * | 2012-07-02 | 2012-11-07 | 河海大学常州校区 | 基于量子遗传算法的高压开关柜绝缘子电场优化方法 |
CN104112075A (zh) * | 2014-07-15 | 2014-10-22 | 西安交通大学 | 一种基于进化策略的气体绝缘套管多目标优化设计方法 |
US20150136470A1 (en) * | 2013-10-30 | 2015-05-21 | Graduate School At Shenzhen, Tsinghua University | Selection method for strong wind region composite insulator based on structure parameters, and composite insulator |
-
2015
- 2015-08-11 CN CN201510490452.7A patent/CN105005675B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768701A (zh) * | 2012-07-02 | 2012-11-07 | 河海大学常州校区 | 基于量子遗传算法的高压开关柜绝缘子电场优化方法 |
US20150136470A1 (en) * | 2013-10-30 | 2015-05-21 | Graduate School At Shenzhen, Tsinghua University | Selection method for strong wind region composite insulator based on structure parameters, and composite insulator |
CN104112075A (zh) * | 2014-07-15 | 2014-10-22 | 西安交通大学 | 一种基于进化策略的气体绝缘套管多目标优化设计方法 |
Non-Patent Citations (2)
Title |
---|
代佳佳 等: "《基于有限元方法高压开关柜电场的优化方法》", 《机械制造与自动化》 * |
李庆: "《1000kV特高压交流输电线路绝缘子电位分布计算及均压环优化设计》", 《西安电子科技大学》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243239A (zh) * | 2015-11-10 | 2016-01-13 | 南通河海大学海洋与近海工程研究院 | 一种输电线路复合绝缘子电场优化的方法 |
CN105303061B (zh) * | 2015-11-25 | 2018-03-09 | 华东交通大学 | 基于双目标模拟退火算法及非劣分层的通信电缆绞合节距优化方法 |
CN105303061A (zh) * | 2015-11-25 | 2016-02-03 | 华东交通大学 | 基于双目标模拟退火算法及非劣分层的通信电缆绞合节距优化方法 |
CN105574266A (zh) * | 2015-12-16 | 2016-05-11 | 西安交通大学 | 一种基于多种群遗传算法的盆式绝缘子电气和机械性能综合优化设计方法 |
CN105574266B (zh) * | 2015-12-16 | 2018-08-14 | 西安交通大学 | 一种基于多种群遗传算法的盆式绝缘子电气和机械性能综合优化设计方法 |
CN105912812A (zh) * | 2016-04-29 | 2016-08-31 | 南方电网科学研究院有限责任公司 | 一种确定支柱绝缘子的伞裙参数的方法和装置 |
CN105912812B (zh) * | 2016-04-29 | 2019-04-23 | 南方电网科学研究院有限责任公司 | 一种确定支柱绝缘子的伞裙参数的方法和装置 |
CN106099753A (zh) * | 2016-08-08 | 2016-11-09 | 国网湖南省电力公司 | 重覆冰地区的无避雷线输电线路设计方法 |
CN109117537A (zh) * | 2018-08-02 | 2019-01-01 | 西安西电变压器有限责任公司 | 一种高压换流变压器端部角环布置的优化方法及装置 |
CN109117537B (zh) * | 2018-08-02 | 2023-08-01 | 西安西电变压器有限责任公司 | 一种高压换流变压器端部角环布置的优化方法及装置 |
CN109101716A (zh) * | 2018-08-06 | 2018-12-28 | 南方电网科学研究院有限责任公司 | 一种变压器套管外绝缘电场的影响仿真方法与装置 |
CN109101716B (zh) * | 2018-08-06 | 2021-07-30 | 南方电网科学研究院有限责任公司 | 一种变压器套管外绝缘电场的影响仿真方法与装置 |
CN111523216A (zh) * | 2020-04-16 | 2020-08-11 | 西安交通大学 | 针对电势突变的第一部件与第二部件连接处的优化方法 |
CN111523216B (zh) * | 2020-04-16 | 2023-04-11 | 西安交通大学 | 针对电势突变的第一部件与第二部件连接处的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105005675B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105005675A (zh) | 基于多目标遗传算法的复合绝缘子电场优化方法 | |
Nguyen et al. | Optimal number, location, and size of distributed generators in distribution systems by symbiotic organism search based method | |
CN106099891B (zh) | 对海上风电场出线端海缆进行并联电抗器优化配置的分析方法 | |
CN106154163B (zh) | 一种电池寿命状态识别方法 | |
Bai et al. | Performance comparison of the SGM and the SCM in EMC simulation | |
CN104899375A (zh) | 一种用于高压电机的主绝缘防晕结构优化计算方法 | |
CN109639524A (zh) | 基于流量预测的通信网络数据可视化方法、装置及设备 | |
CN106408126B (zh) | 一种面向能耗数据并发采集的三阶段优化方法 | |
CN109271320A (zh) | 一种上位多目标测试用例优先级排序方法 | |
CN103970719B (zh) | 一种拟合方法及拟合装置 | |
CN105243239A (zh) | 一种输电线路复合绝缘子电场优化的方法 | |
CN116087692B (zh) | 一种配电网树线放电故障识别方法、***、终端及介质 | |
CN106026107B (zh) | 一种gpu加速的电力潮流雅可比矩阵的qr分解方法 | |
CN110532314A (zh) | 高压电器质量检测的方法及终端设备 | |
CN108108190A (zh) | 一种计算方法及相关产品 | |
Liu et al. | A novel crosstalk estimation method for twist non-uniformity in twisted-wire pairs | |
CN107704266A (zh) | 一种应用于解决粒子模拟并行数据竞争的归约方法 | |
CN104376227A (zh) | 一种辐射环境下的零件遥控维护装配序列规划方法 | |
Ioannidis et al. | Accelerating stochastic lightning attachment simulations for the estimation of lightning incidence to overhead lines | |
CN110189230B (zh) | 一种动态分区的解析化模型的构建方法 | |
CN106096176B (zh) | 屏蔽线缆的软辫线的天线模型的建模方法及装置 | |
Yan et al. | The research on fault restoration considering distributed generation based particle swarm optimization | |
Sattianadan et al. | Power loss minimization by the placement of DG in distribution system using PSO | |
CN103927377A (zh) | 基于虚拟关联能量的电网潮流图厂站节点排布方法 | |
CN111507044B (zh) | 一种手工多芯线束rlcg参数矩阵预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |