基于支持向量机回归的大气加权平均温度

提出一种基于支持向量机回归方法建立的以当地气象数据为输入参数、数值积分法计算的Ｔ_ｍ 为输出参数进行训练得到的大气加权平均温度模型。选取广西地区４个探空站提供的２０１３-２０１４年的气象数据和Ｔ_ｍ 数据为训练样本,２０１５年的两类数据为测试样本,取得最优的模型参数,并以此建立最优的Ｔ_ｍ模型,然后计算２０１５年的Ｔｍ,将其结果与采用线性回归法建立的广西地区的单因素、多因素Ｔ_ｍ 模型的计算结果进行对比分析。结果表明,在选取最优模型参数的条件下,ＳＶＲ建立的Ｔ_ｍ 模型比本地化的单因素和多因素Ｔ_ｍ 模型的精度更高,验证了支持向量机回归在Ｔ_ｍ 建模方面的可行性。     

极端外部环境下输电线路的综合风险评估方法

针对极端外部环境易引发的巨型停电灾难的问题,提出输电线路的综合风险评估方法。首先采用多维云模型理论,建立极端外部环境下输电线路的综合故障率预测模型;其次,根据预测的故障率,从输电线路自身损失、人身环境损失、社会损失和系统安全损失这4个方面建立一种输电线路的综合风险评估体系;最后,根据电力事故事件调查规程对所建立的综合风险评估体系进行量化评分,并利用贵州电网实例进行验证。算例仿真表明:所建立的输电线路的综合风险评估体系具有良好的实用性、可操作性,而且便于评估。     

电力系统连锁故障研究综述

近年来国内外发生了多次连锁故障导致的大规模停电事故,造成了巨大的经济损失,因此电力系统连锁故障的研究日益受到重视。电力系统连锁故障是由某一个故障引发的一系列故障过程,其后果是造成大规模的停电事故和许多元件的相继开断。对连锁故障的模式搜索法、模型分析法以及风险评估等方面进行了介绍和综述,并从电网脆弱性评估、调整耐受性参数以改善电力系统鲁棒性的方法这两方面指出今后可能的研究方向。     

基于模糊推理的电网风险评估及线路重要度辨识

由于电网事故发生的不确定性和事故造成的严重后果,需要建立风险模型及指标体系,实现电网风险评估和线路重要度辨识。基于此,建立电网风险评估模型,从电压越限、支路潮流过载及负荷削减量3个方面建立风险指标评价体系;基于模糊推理的方法、静态安全分析和风险理论,结合各子风险指标,得到各支路发生故障事故状态下的综合风险值并进行排序分级。以IEEE-RTS79系统为例进行仿真计算,仿真结果表明:该方法实现了电网综合风险评估的量化和分级,能实现线路重要度辨识,为安全预警和制定差异化运维策略提供参考。     

基于双向搜索算法的用户停电损失估算模型

准确且快速地估算用户停电损失对配电网优化、规划具有重要作用. 提出一种基于双向搜索算法的用户停电损失估算模型,通过编程形式将双向搜索算法与用户停电损失估算模型相结合,首先把断路器的故障率考虑到双向搜索算法中,从而更加接近真实情况;然后计算每个负荷点的平均故障率和平均故障持续时间,将平均故障率和平均故障持续时间代入用户停电损失模型中,求得每个负荷点的用户停电损失;最后把所有负荷点的用户停电损失相加得到总用户停电损失. 以IEEE-RBTS BUS 6中的馈线F4为例验证了模型的有效性.     

区域电网黑启动的多断面动态可靠性评估

随着电网规模的不断增大,发生大面积停电的风险也在增加,黑启动方案对于应对大面积停电具有重要意义。为了成功实施黑启动方案,需要保证黑启动全过程中区域电网多断面的较高动态可靠性水平,避免出现局部时段的脆弱性而导致黑启动失败。但是目前缺乏对区域电网多断面的可靠性评估模型和基于可靠性的综合评价方法。在传统可靠性评估的基础上,考虑区域电网动态过程中多断面的状态耦合关系及对可靠性参数的映射,建立区域电网多断面的动态可靠性评估模型,并基于主成分分析法建立综合评价模型;最后以冀北唐山电网3个黑启动方案作为算例,分别对其黑启动过程中不同阶段的可靠性进行评估,分析指标结果,给出最佳黑启动方案。     

基于电网风险评估的事故控制措施分析

针对电网运行过程中存在的风险控制措施不到位的问题,提出了一种基于风险评估的电网事故控制措施.引入经济学领域的效用函数,采用指数型效用函数评估风险严重程度方案,提出了电网风险评估定级方案.采用潮流追踪法建立了发电机注入功率和支路潮流之间风险控制矩阵,通过求解发电机出力的调整量实现对系统风险的控制.对N-1故障条件下的风险等级进行评估,并给出了发电机出力的调整方案.结果表明,所提出的事故控制措施能够避免系统的重过载风险.     

基于集成学习的O3的质量浓度预测模型

为准确预测O₃的质量浓度及其发展趋势,分析其诱发因素,提出一种基于集成学习的O₃的质量浓度预测模型。以北京市2015—2016年O₃污染物的质量浓度及气象因素数据为基础,提出并建立面向O₃污染物的质量浓度预测的特征选择-集成学习多层预测模型,在对数据进行缺失值填补及异常值分析的基础上,利用Pearson相关分析和Lasso回归分析同时对清理后的气象资料数据进行特征选择,以消除数据冗余,提高预测精度;提出基于自组织映射神经网络self-organizing featuremap, SOFM和Elman神经网络Elman neural network, ENN的集成学习算法,利用SOFM对样本数据进行聚类以实现样本的合理分布后,使用ENN进行仿真训练来预测O₃的质量浓度。试验结果表明：采用Pearson-Lasso特征选择和SOFM样本聚类对数据做前期处理后,ENN的预测精度由74.6%提高到82.1%,能够改善基于ENN的O₃污染物的质量浓度的预测准确率。     

基于模糊综合评价的电网风险评估分级

电网风险包含事故发生的概率与后果严重度两个方面.在后果严重度方面,基于内点法建立了交流潮流的最优负荷削减量模型,定义了失负荷量严重度指标,应用模糊数学隶属度函数划分后果严重度等级;在故障概率方面,利用模糊C均值聚类实现模糊划分,基于模糊综合评价法构建电网风险模糊评价向量,最终按照最大隶属度原则输出电网风险等级.以IEEE-RTS79可靠性测试系统为例进行仿真计算,结果表明该方法能够准确有效地评估不同故障事故下的电网风险水平,辨识出系统关键环节,为差异化运维策略提供基础.     

考虑连锁故障的电网安全分析综述

研究连锁故障对防御大电网停电事故具有重要意义。针对连锁故障的系统建模、风险评估、监测预警及脆弱性分析等相关方向的研究难点与关键技术,总结了目前已取得的国内外研究成果。首先剖析了连锁故障模型的建立方式,对连锁故障风险评估方法进行了分类梳理,综述了连锁故障在电网安全分析方面的应用情况,最后通过探讨后续亟需关注的问题展望了连锁故障研究的发展趋势,以期为新环境下大电网安全防御策略提供科学依据。