空间电力负荷预测小区用地分析（二）——模糊推理在小区用地分析中的应用

基于模糊逻辑的近似推理方法，建立了详细的城市土地高分解状态下的 小区土地使用优劣性评价和小区土地使用适应性评价的推理模型。用一个实际系统的空间电 力负荷预测的小区用地分析实例说明了该方法的应用过程和有效性。     

移动式防护平台在跨既有线连续梁施工中的应用

以杭甬客专钱江铁路新桥南引桥连续梁跨越既有沪昆铁路施工为例,为解决沪昆线运输繁忙对铁路正常运营造成的影响,利用挂篮底模设置移动式防护平台与挂篮同步走行,从而确保了铁路运输及桥梁施工的安全。     

社会演化算法在机组组合中的应用

机组组合是电力系统优化运行的一个重要方面，从数学角度讲，机组组合问题是一个多约束的NP难组合优化问题，很难得到理论上的最优解，该文将一种新的方法—社会演化算法用于解决该问题。该算法用认知主体取代了传统遗传算法的基于编码的可行解生成方式；用基于“范式学习与更新”的进化寻优机制取代了传统遗传算法中基于模仿基因的遗传和变异的进化寻优机制，使其计算效率及收敛稳定性均优于传统遗传算法。最后通过算例验证了该算法的优越性。该算法不仅为解决机组组合问题带来了新的思路和方法，在求解其它带有复杂约束条件的组合优化问题方面也有非常重要的启发意义。     

国外电力系统稳定计算使用的负荷模型

对近十年来国外电力行业在负荷模型方面的主要研究成果进行了综述，包括负荷模型分类和建模方法、在电力系统稳定分析中所使用的负荷模型的情况、静态和动态模型的适用性问题以及感应电动机模型和参数的选取等，可为我国电力系统负荷模型的研究提供参考。     

东北电网风电惯量及一次调频实测与分析

针对东北电网直流送端高比例风电系统频率稳定问题,国家电网东北分部组织开展了风电场惯量及一次调频全网扰动试验,首次实现了风电虚拟惯量的工程应用。基于系统频率扰动试验数据,分析了东北电网频率动态特性,计算得出了东北电网等效惯量水平和频率极值特性系数,量化了系统抵御频率扰动的能力;在介绍网源协调示范风电场惯量响应及一次调频实现方案基础上,对比分析了不同实现方案风电机组惯量响应特性,得出了不同示范风电场一次调频参数指标,试验证明了风电虚拟惯量及一次调频的可行性与有效性,对大规模风电参与系统惯量支撑及一次调频的工程应用具有指导与借鉴意义。     

空间电力负荷预测小区用地分析（一）——模糊推理新方法和小区用地分析原理

提出了一种在知识不完备的情况下，计及前提重要性的基于模糊逻辑的近似推理和决策新方法，并将其用于城市配电网规划空间电力负荷预测的小区用地适应性和优劣性分析中。建立了基于模糊集理论的规划年城市土地开发和土地改造预测的基本原理，该原理能够充分体现专家的推理和决策过程，为城市配电网规划人员完成规划年城市土地高分解条件下小区土地开发时间、使用性质和最佳使用强度的分析任务提供了一套系统的理论和方法。     

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法，被广泛应用于各研究领域。在城市配电网优化规划的研究中，现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作，而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知，提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法，对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性，在该方法的基础上引入几个简单的概念，构成一个基本的机器学习模块，该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中，以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后，新型遗传算法具有更高的计算效率和求解质量。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划（简称城网规划）目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想，进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为，生成待优化问题的一个可行解的非编码方式，取代了传统遗传算法基于编码的可行解生成方式；用基于“范例学习”的进化寻优机制，取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后，分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划，对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法。被广泛应用于各研究领域。在城市配电网优化规划的研究中，现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作，而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知，提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法，对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性，在该方法的基础上引入几个简单的概念，构成一个基本的机器学习模块，该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中，以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后，新型遗传算法具有更高的计算效率和求解质量。