基于稳定约束最优潮流方法的“三华”特高压互联电网交直流相互影响分析

为了研究交直流相互作用对三华特高压互联电网安全稳定的影响,给出了一种基于稳定约束最优潮流方法的实用算法。根据实际电网运行经验,结合潮流转移方向、故障元件位置等相关因素,进一步改进算法流程,减少计算量和提高计算效率。应用相应断面潮流暂稳极限计算、切机切载分析、直流紧急功率提升分析的稳定约束最优潮流改进算法对2012年三华特高压互联电网进行了交直流影响计算分析,得到了2012年三华电网的交直流相互影响特性。仿真结果表明,基于稳定约束最优潮流的算法是有效和实用的,交直流相互影响对三华特高压互联电网的稳定特性具有非常重要的作用。     

基于海量在线历史数据的大电网快速判稳策略

基于已有在线历史数据进行电力系统稳定性快速判断,可用于生成在线计算的故障列表,补充动态安全分析的故障集,使之在有限时间内考虑更多的故障情况。该文根据大系统运行特点,提出仅使用静态物理量的特征量选取方法并引入了更具稳健性的统计指标。针对实际系统数据失稳样本过少的问题,基于支持向量机(support vector machine,SVM)提出了"扩展边界"策略。根据电力系统运行的周期性,提出了针对海量历史数据的训练样本集构建策略,即按日选取故障前有限时间窗口的历史数据。综合上述研究成果,完成了快速判稳策略,给出了策略的实现流程。采用实际大系统数据,对提出的模型和策略进行了测试。结果表明,该文成果与大系统在线计算快速判稳的要求相切合,具有较好的性能和实际应用价值。     

基于BPA潮流的电力系统中长期频率电压稳定仿真方法

随着电力系统的复杂化,电力系统中长期动态过程频率电压稳定对系统安全性的影响愈加明显。针对该问题,提出了基于潮流计算的中长期准稳态时域仿真方法。该方法在传统时域仿真方法的基础上综合利用准稳态思想和潮流计算模块,再进一步针对效率问题提出自适应变步长仿真策略和多时步预测辅助方法。所提方法的算法主体部分和潮流计算部分分别在Mathematica科学计算软件和BPA潮流计算功能模块中实现,通过自定义数据接口进行数据对接。通过在Nordic32标准算例系统和某大区电网实际算例系统中对该方法进行验证,表明该方法显著降低实现成本,并提高了仿真计算的效率。     

基于神经网络的电网运行趋势估计算法及应用

未来方式的待校核断面潮流的生成是安全校核分析的基础。针对现有前瞻性潮流计算方法的收敛性差、功率分配方式与实际潮流不同等问题,提出基于神经网络的电网运行趋势估计算法。将发电计划、负荷预测和检修计划与历史断面潮流进行匹配,寻找与未来方式相似的历史潮流断面作为计算初值。根据相似断面潮流初值和计划类数据,利用趋势估计算法将相似潮流调整至满足计划数据、断面传输功率约束的平衡潮流。利用神经网络训练历史真实潮流数据,将平衡潮流修正至接近于实际运行情况的前瞻性潮流。通过IEEE9节点算例和实际系统算例验证了算法的准确性和适用性。     

一种基于潮流指纹识别的电网故障实时诊断方法

开关保护动作的误报、漏报、误动、拒动问题以及电网拓扑的频繁变化导致传统的基于开关保护动作信号对电网进行故障诊断的方法难以实用化。提出一种利用电网各支路潮流的变化量作为表征该故障的潮流指纹,并采用模式识别算法进行电网故障诊断的新方法。设计了基于节点阻抗矩阵的潮流指纹提取方法,并提出了电网故障模式自适应修正算法以及基于遗传算法的(等值)发电机的出力分配因子优化辨识算法,解决了电网拓扑频繁变化对构建故障模式集的影响及故障样本集的样本特征向量的计算精度问题。在此基础上,按照最近近邻判别准则设计了归一化故障判别函数,实现对电网故障的实时准确识别。利用某地区电网实际数据验证了本方法的有效性和实用性。     

一种基于潮流指纹识别的电网故障实时诊断方法

开关保护动作的误报、漏报、误动、拒动问题以及电网拓扑的频繁变化导致传统的基于开关保护动作信号对电网进行故障诊断的方法难以实用化。提出一种利用电网各支路潮流的变化量作为表征该故障的潮流指纹,并采用模式识别算法进行电网故障诊断的新方法。设计了基于节点阻抗矩阵的潮流指纹提取方法,并提出了电网故障模式自适应修正算法以及基于遗传算法的(等值)发电机的出力分配因子优化辨识算法,解决了电网拓扑频繁变化对构建故障模式集的影响及故障样本集的样本特征向量的计算精度问题。在此基础上,按照最近近邻判别准则设计了归一化故障判别函数,实现对电网故障的实时准确识别。利用某地区电网实际数据验证了本方法的有效性和实用性。     

基于改进模拟退火算法的电网脆弱线路短路潮流计算方法

以分析电网运行中线路的运行状态为出发点,提出基于改进模拟退火算法的电网脆弱线路短路潮流计算方法,提升潮流计算速度、降低线路损耗.通过分析电网脆弱线路短路潮流计算模型可知,潮流计算模型的非线性特点,导致其在计算时数值解法无法保证最佳收敛获取最优解,通过将Metropolis准则融入遗传退火算法中,利用改进的遗传退火算法判...     

人工智能技术支撑的集群电动汽车实时优化调度策略

电动汽车(electricvehicle,EV)在近年来得到了广泛的应用与部署,针对入网EV的充放电优化已成为研究热点。然而,传统的基于优化模型的EV优化调度方法在实际应用上面临模型参数难以准确获得和计算压力大的挑战。为了解决该问题,基于K-means聚类算法与长短期记忆神经网络(long short-term memory neural networks,LSTM)提出了一种集群电动汽车实时自动优化调度策略,直接从电动汽车的基础数据和电价生成满足约束的最优充放电计划。该策略基于分布式EV调度架构,由离线模型训练阶段和实时优化调度阶段2部分构成。在离线阶段,首先由K-means算法对海量EV数据聚类,之后用LSTM网络学习不同类型数据下的优化调度模式,建立从EV基础数据到优化决策之间的映射,并针对LSTM的输出设计了策略增强环节提高LSTM的决策性能。在实时阶段,在对EV类型识别的基础上,LSTM网络能够快速生成优化调度方案。仿真结果表明,与传统优化算法相比,所提策略能够在不依赖于用户提供准确的出行时间的情况下,毫秒级地输出近似最优解,适用于规模化EV的实时优化调度。     

基于深度残差网络的电力系统潮流计算

为更简单、快速地进行潮流计算，提出了一种基于深度残差网络的多节点电力系统潮流算法。首先，应用仿真软件Power World Simulator中的一个典型电网实例采集样本；然后，在TensorFlow平台搭建基于深度残差网络的多节点电力系统潮流计算模型；最后，根据模型预测结果完成对方法的分析。结果表明：与传统潮流算法及基于人工神经网络的潮流算法相比，所提方法在快速性、收敛性及精度方面具有极大的优越性。     

基于双生成器生成对抗网络的电力系统暂态稳定评估方法

当前采用深度学习网络实现电力系统暂态稳定评估,由于样本多样性不足,抗干扰性差等问题导致评估算法的分类性能受到很大的影响。针对上述问题提出了一种基于双生成器生成对抗网络(doublegeneratorLSTM-generative adversarialnetwork, DGL-GAN)的暂态稳定评估方法。DGL-GAN中批量样本生成器与判别器构成对抗网络,通过交替训练学习暂态数据的分布特性,批量生成符合真实分布的新样本,解决样本多样性不足的问题;修复生成器由LSTM自编码器构成,其作用不但可以去除电力系统暂态数据中的噪声而且可以补偿仿真或量测缺失的片段,解决评估算法抗干扰能力差的问题。此外,提出的基于多层LSTM的网络结构设计可以进一步提高模型对暂态时序数据的特征提取能力。IEEE-39节点系统仿真结果表明:所提方法能够有效增强样本多样性,显著提升暂态稳定评估性能,同时还使得模型具有良好的抗干扰能力。     

适用于拓扑调整的短路电流快速计算方法

传统的适用于电网运行方式调整的短路电流计算方法耗时太长,无法满足电网快速分析决策的需求。在此背景下,提出了适用于电网拓扑调整的短路电流快速计算方法。该算法基于节点阻抗矩阵,采用补偿法分析发电机停运、线路开断和线路出串运行导致的阻抗矩阵变化,并在此基础上给出了适用于电网拓扑调整的短路电流快速计算流程。针对不同节点规模的实际系统的仿真算例表明,所提出的方法计算速度快,计算结果准确可靠,能够满足大电网方式调整优化对短路电流计算的要求。该方法可以为电网短路电流限制策略分析提供技术支撑。     

大电网输电断面暂态稳定极限自动求取关键技术研究及软件设计

正随着电网规模的不断扩大,电网方式计算数据节点数量快速上升,直接导致电网方式计算中输电断面暂态稳定极限求取的工作量不断增大。针对当前电网方式计算中输电断面暂态稳定极限求取流程,研究提出采用相近运行方式潮流解做启动值、设Vθ-ORIGINAL节点和时域仿真寻找潮流解三种方法以有效提高大电网暂态稳定极限求取中过渡方式潮流的收敛性,并选用三华联网的数据对方法     

电网输电断面动态热稳定限值在线计算方法

提出了一种利用实时气象环境和电网运行方式进行稳定断面功率限值在线计算方法,将静态的稳定断面限值转变为根据实时数据变化的动态限值,为电网精益化调控提供支撑。基于动态增容技术将外部系统的微气象数据接入调控系统进行线路动态载流量计算。基于电网模型和实时运行方式,采用支路开断分布因子计算输电断面的潮流动态转移比。基于节点对支路的功率转移分布因子实时分析稳控装置动作对开断后输电断面潮流的影响,对断面限值进行动态修正。提出的方法在南京地区调控系统进行了在线应用,基于实际运行数据对结果进行验证,证明了算法对于高峰时段提升断面输送能力的有效性。     

基于决策树的电网安全稳定规则提取方法研究

现有电网安全稳定规则通过大量人工进行离线仿真计算得到,存在一定局限性。利用数据挖掘方法建立基于规则的分类器,提出一种基于决策树的电网安全稳定规则提取方法,利用电网在线运行数据自动生成电网安全稳定决策树,并转化为更加精细化的电网安全稳定规则,为电网的安全稳定控制提供决策性建议。     

基于多数据源的日前预报潮流自动生成方法

针对传统电网日前调度计划安全校核存在计算数据粗糙、结果误差较大等问题,提出了一种基于多数据源的日前预报潮流自动生成方法,以实现日前预报潮流的自动生成,从而提高日前调度计划安全校核工作的精细度和准确度。该方法首先从日前预报潮流计算模型出发,分析了日前电网正常运行方式的参数构成;然后通过多数据源的参数获取和参数拟合,自动生成用于日前预报潮流计算的各类参数,初步形成日前预报潮流计算模型;最后根据联合动态潮流算法对潮流计算模型进行调整,自动生成收敛的日前预报潮流。通过在兰州地区电网检修计划安全校核系统中的实际应用,验证了该方法的收敛性和有效性。     

基于多属性决策树的电网暂态稳定规则提取方法

随着清洁能源接入和交直流混联电网规模的不断扩大,电网调度运行方式更为复杂、多变,基于"在线计算辅助决策+人工经验判断"的调度控制方式已难以满足当前电网需求。提出一种基于暂态稳定裕度指标的多属性决策树方法,通过计算互信息对原始电气量进行初步分析,筛选出与系统稳定性关联度较高的特征属性;进而利用线性判别分析方法对所选属性进行最佳投影,获得各决策属性的组合特征;通过暂态稳定裕度指标离散化和样本训练生成决策树,得到可评估预想故障下系统稳定性的通用规则,并利用对决策树的回推分析获得可提高系统稳定性的运行方式调整策略;最后利用IEEE-39节点算例的仿真与分析验证了所提出方法的正确性和有效性。     

基于交流灵敏度的在线安全控制策略

电力系统必须使线路的潮流在安全限值以下,并能够在发生N-1故障后通过在线控制快速恢复系统的稳定运行。为此,提出一种基于交流灵敏度的反向等量配对调整法在线安全控制策略,该策略应用精确的交流潮流模型获得灵敏度数据,并采用反向等量配对调整法进行安全校正,快速确定发电机出力调整及切负荷等措施,进而消除电网中存在的线路过载。通过IEEE 118bus数据算例分析,验证了该算法所涉及控制策略的合理性和有效性。     

电力系统通用安控策略整定方法的研究

为解决当前查表式安控策略存在的严重故障计算量大、整定和维护复杂的问题,提出了一种基于公式计算的通用安控策略整定方法。针对不同网架结构下可能出现的暂态稳定、动态稳定和热稳定问题,研究了不同稳定形式下的所需安控措施量及影响因素,建立了一种可修订参数的反映电网安控量与断面潮流关系的线性模型,并提出了关键参数的整定方法。利用单机等面积定则证明了暂态稳定下断面潮流和安控量呈"凹曲线"的关系,为暂稳下关键参数的取值范围和直线模型提供了依据。实际电网应用案例表明了所提方法较传统方法整定更简便、物理意义更加清晰,具有较好的适用性。     

基于安全强化学习的电网稳控策略智能生成方法

新型电力系统的“双高”趋势改变了电力系统经典稳定特性,导致稳定机理更复杂,系统稳定模式更多样,因此基于典型运行方式的在线稳定控制策略面临挑战。为解决新型电力系统的功角稳定问题,提出了基于安全强化学习的稳控策略智能生成方法。首先,建立了电力系统稳控问题的含约束马尔可夫模型,归纳并提出了紧急控制切机动作涉及的安全约束。其次,为了提高对于电网暂态响应的时空特征提取能力,构建了基于图卷积层和长短期记忆单元的特征感知网络。然后,为了提高稳控策略智能体的训练效率,提出了基于内嵌领域知识约束的近端策略优化算法稳控策略训练框架。最后,在IEEE 39节点系统和某实际电网中进行测试验证。结果表明,所提方法能够根据系统运行状态和故障响应自适应生成切机稳控策略,其决策效果和效率均优于现有的稳控策略。     

基于复杂网络理论的关键输电断面分析

关键输电断面对于电网的安全稳定运行与控制具有重要意义。提出一种基于复杂网络理论的关键输电断面自动搜索方法,为实现电网的实时状态监视与快速分析计算奠定了关键输电断面对于电网的安全稳定运行与控制具有重要意义。提出一种基于复杂网络理论的关键输电断面自动搜索方法,为实现电网的实时状态监视与快速分析计算奠定了基础。该方法利用输电介数指标识别由电网拓扑结构与潮流分布共同决定的关键输电线路,并结合复杂网络聚类算法构造适用于输电断面分析的电网分区方法;在分区的基础上,利用输电断面的特征及其与分区的关系,解决自动搜索过程中的充分性和必要性问题;最后,利用主导线路的输电介数实现了关键输电断面的重要性排序,克服后验式自动搜索方法中需要定量分析安全稳定裕度的缺陷。对中国电科院CEPRI-36系统和某省电网进行仿真计算,验证了所提模型和算法的有效性及对大电网的适应性。