基于人工神经网络预测虚拟注入电流的暂态稳定快速算法

提出了一种基于神经网络预测虚拟注入电流的暂态稳定快速算法,使用并行计算的方法可提高该算法的执行效率。该算法通过使用人工神经网络来预测虚拟注入电流,可以有效减少暂态稳定数值积分中网络方程与微分方程的交替求解次数,减少暂态稳定计算时间。在3机9节点算例和新英格兰10机39节点算例上进行了验证,证明了该方法的可靠性与有效性。由于神经网络的训练能够离线完成,因此本算法有利于实现暂态稳定计算的在线化应用。     

考虑负荷水平及有功备用的低频减载方案在线优化

频率是电力系统运行的重要指标,当电力系统发生功率缺额时,系统频率会下降。低频减载是保障电网安全稳定运行的第三道防线。实际系统中,基于启动频率和动作延时的低频减载方案应用广泛,但传统的整定方法模型高度简化,等效参数不随负荷水平及有功备用变化而变化。为减少负荷切除总量,提出一种基于改进频率响应模型的在线低频减载优化方法,利用粒子群优化算法在线计算复杂模型等效参数,同时将粒子群算法应用到低频减载方案中,最大限度减少切负荷总量。仿真表明,相对于传统低频减载算法能有效减少有功负荷的切除,控制系统的频率,满足在线计算时长要求,论证了模型和算法的可行性和有效性。