模糊神经网络在电力系统中的应用

为弥补模糊控制和神经网络这两种人工智能技术上的不同特点和适用范围的不同,将这两种智能控制技术进行结合形成模糊神经网络,并应用于电力系统中。对电网中的无功偏差和有功损耗最小作为控制目标进行控制,以电压和无功功率在合适范围内进行条件约束,验证控制后的实际输出和期望值的比较,结果表明模糊神经网络对提高电力系统的电能质量具有重要的现实意义。     

电力系统中长期过程动态仿真的组合积分算法

电力系统中长期过程具有非线性、强刚性的特点,其仿真时间框架长,与电力系统机电暂态过程相比,中长期过程对数值积分算法的数值稳定性、收敛性和计算效率的要求更高。针对此问题,将隐式梯形积分法和多步高阶隐式Taylor级数法进行组合,提出新的组合积分算法。在机电暂态过程采用隐式梯形积分法,在中长期过程采用多步高阶隐式Taylor级数法。算例仿真与分析结果验证了新组合积分算法的有效性和可行性。     

计及风电不确定性的含UPFC电力系统的两阶段最优潮流

风速具有随机性和不确定性,大规模风电场的并网会影响电力系统的稳定性,而统一潮流控制器(UPFC)具有实时潮流控制能力,有利于系统稳定。建立计及风电不确定性的含UPFC的最优潮流模型,由日内滚动调度和实时调度两阶段组成。日内滚动调度阶段不考虑风电出力预测误差,制定机组出力计划,优化运行成本;实时调度阶段根据风电出力预测误差调节UPFC参数,实时修正运行计划,并进行潮流优化,以保证系统安全可靠。以IEEE 14节点系统和某实际系统为例进行算例分析,结果表明,所提模型可以通过UPFC的参数控制有效减少风电预测误差带来的影响,从而提高系统的经济性和安全性。     

考虑有限理性的电力系统连锁故障多阶段动态博弈防御模型

为了防御由连锁故障引发的大停电事故,提出一种考虑参与人有限理性的连锁故障多阶段动态博弈防御模型。基于故障方的有限理性假设和故障方行动的关联性假设,综合考虑元件自身故障、外界环境、潮流转移和隐性故障等因素对元件停运概率的影响,提出基于实时运行条件的元件停运概率表征有限理性的故障方不完美的选择能力;根据可掌握的事故状态信息,提出潮流转移严重度和系统失负荷严重度表征故障方追求自身利益的意识;基于风险分析方法,生成故障方的策略集合。从风险理论的角度出发,将运行风险作为收益函数,用于定量评估防御方行动的有效性。以IEEE 39节点系统为例,验证了所提模型的合理性。     

基于博弈演化算法的PMU最优配置方法

为实现电力系统可观测性,提出一种新的相量测量单元(PMU)配置方法,即基于博弈论的演化算法。该算法将寻找PMU最优配置方案的问题映射为理性主体寻求自身利益最大化的博弈过程,PMU最优配置方案即对应于博弈中的纳什均衡解。其突出优点是演化方向确定、全局收敛性好、收敛速度快、解具有多样性。应用该算法在IEEE 30节点、新英格兰39节点、某128节点系统进行仿真计算,与深度优化算法、模拟退火算法和最小生成树算法的结果进行比较,说明了该算法的可行性及优势。     

基于等效的视在功率计算新方法

在电力系统电压、电流波形畸变和不对称的条件下,目前视在功率求解还没有一种认可的方法,导致功率因数计算数值不一致。针对该问题,首先详细分析影响电能传输的因素,然后采用拉格朗日乘数法推导分析一种单等效视在功率计算方法,最后在考虑影响电能传输的不同因素条件下将所提方法分别与矢量视在功率、算数视在功率、双等效视在功率进行对比分析,以研究不同视在功率实际应用特性。算例结果表明,所提方法能够体现不同不利因素对电能传输的影响,且影响程度越大,功率因数越小。     

大规模风电并网动态特性模拟与分析

研究大规模风电并网动态特性,对提高电力系统稳定性具有重要意义。分析了风力发电机组、水力发电机组和汽轮发电机组的工作原理并建立了对应的数学模型,构建了含风力发电机组、水力发电机组和汽轮发电机组的多源混合电力系统模型,在风速波动条件下,对该系统模型进行了仿真分析。仿真结果表明:当风电机组输出功率发生变化时,该多源混合电力系统模型能够准确描述电力系统主要参数的动态变化特性。     

大规模电力系统经济调度的改进竞争群优化算法

提出了一种求解大规模电力系统经济调度(Economic Dispatch, ED)问题的改进竞争群优化算法(Improved Competitive Swarm Optimizer, ICSO)。CSO算法本质上受粒子群优化PSO算法所启发,具有原理简单,容易实现,搜索能力强等特点。在分析CSO算法存在的不足的基础上,提出了相应的劣质个体改进更新策略和控制参数自适应调节策略,以更好地平衡局部搜索和全局搜索。通过4个算例从经济性、收敛性、鲁棒性等多维角度对比分析了ICSO算法的可行性和有效性。算例仿真结果表明,ICSO具有较好的优化性能,可作为大规模ED问题的可靠求解方法。     

基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估

为了提高支持向量机(Support Vector Machine, SVM)的分类性能,提出了根据关键样本集构造的SVM综合分类模型进行电力系统暂态稳定评估的方法。给出了基于不同特征量的SVM综合分类模型的构建方法、关键样本集的产生方法以及基于综合分类模型和关键样本集的SVM分类步骤。采用3机9节点典型算例和某省级电网算例进行分类效果分析。分析结果表明,所提出的基于SVM综合分类模型和关键样本集的方法,相较于传统SVM方法,大幅度减少了将不稳定样本判定为稳定的漏分类数,提高了SVM方法的实用性。所提出的基于关键样本集构造分类模型的思路对于其他数据挖掘方法也有一定的借鉴意义。     

电力系统连锁故障预警模型研究

由于连锁故障是电力系统大规模停电事故的主要原因,所以对电网连锁故障的原理和特性进行深入研究,预警和预防系统可能发生的大事故,对促进电网运行可靠性的提升意义重大。本文通过总结前人的经验,将分裂技术应用域电网大规模连锁故障的蒙特卡洛仿真中,提高了系统的仿真效率。可以快速地发现电网中的重点负荷线路,从而可以进行有针对性的扩容,也为电网调度运行调整提供了依据。