基于Elastic Net的暂态稳定裕度在线评估EI北大核心CSCD

随着电力系统规模的扩大和新能源技术的广泛应用,电力系统暂态稳定特性更加复杂,在线暂态稳定裕度评估面临严峻挑战。提出一种基于Elastic Net的电力系统暂态稳定裕度在线评估的新方法。该方法无需计算形成输入特征,直接面向量测数据,将系统稳态运行节点电压幅值与相角作为样本特征,利用Elastic Net算法完成特征筛选并构建量测数据与故障极限切除时间之间的映射关系,进一步将原始特征映射至高维空间以提高预测模型的准确性。最终,实现根据系统稳态运行信息对暂态稳定裕度的快速预测。对接入风电场的新英格兰39节点系统和IEEE 118节点系统进行算例分析,结果表明,该方法通过少量数据训练即可有效筛除无关特征并具有较高的预测精度。     

启发式电力系统暂态稳定裕度在线评估方法研究

本文定义了一个能综合反映电力系统特定结构和运行方式下整体暂态稳定水平的连续指标：综合临界切除时间。结合知识库,模糊逻辑推理和综合技术,本文提出了一种能以较高精度在线估计ＧＣＣＴ值的暂态稳定估计方法。     

基于相量测量的电压稳定裕度在线评估

超高压、大容量、远距离电能的传输和电力市场化等因素使电压稳定问题成为严重威胁电力系统安全稳定的主要隐患之一,研究一种快速、可靠的电压稳定裕度在线评估方法是十分必要的。提出了一种基于相量测量装置的电压稳定裕度在线评估策略,该方法根据电力系统在重负荷情况下网损增长率特性确定电压稳定裕度评估指标,利用相量测量装置提供的节点相量信息可以快速实现电压稳定裕度的在线评估。IEEE 39节点算例仿真验证了该方法的正确性和有效性。在相量测量装置不断推广的情况下,该方法对实现电压稳定的在线监控具有一定的现实意义。     

基于复合神经网络的电力系统暂态稳定评估和裕度预测

提出一种基于复合神经网络的暂态稳定评估与故障临界切除时间(CCT)裕度预测新方法,它将概率神经网络(PNN)和径向基函数(RBF)网络组合使用,充分利用两者各自的优点,以提高暂态稳定评估能力和CCT裕度预测能力。该方法首先利用PNN进行暂态事故场景分类,分类时充分考虑了相邻故障样本类型重叠的影响;进一步采用RBF网络对分类结果进行裕度预测;最后,通过自检和校正以提高预测精度。利用New England 39节点系统,通过与反向传播(BP)神经网络、RBF神经网络等方法的比较,证明了本文方法的优越性。     

基于稳定裕度指标的暂态电压稳定分析

基于稳定域边界二次近似,提出了暂态电压稳定裕度指标,并分析了计及感应电动机机电暂态过程的单负荷无穷大系统的暂态电压稳定性.仿真表明:该指标具有准确度高及易于计算机实现等特点,具有较好的工程实用性,并可应用于判断系统暂态电压稳定裕度和估计暂态电压稳定的临界切除时间以及故障排序.     

基于轨迹信息的暂态稳定裕度研究

以详细数值积分得到的轨迹信息为基础,利用轨迹暂态能量函数的概念和思想,提出了一种理化系统稳定性的方法,即构造了暂态稳定指标ＳＩ和不稳定指标ＵＩ,数值仿真结果表明,所构造指标是合理和有效的。该方法克服了数值积分只能定性分析不能定量分析稳定性的缺点,同时具有数值积分的优点－－广泛的模型适用性。     

基于人工智能的暂态稳定裕度精细化预测

人工智能算法在暂态稳定评估中得到了很好的应用.然而,电力系统是时变大系统,训练数据无法涵盖所有工况,模型需要在有限时间内更新;电力系统中稳定样本数远大于失稳样本数,导致模型对失稳样本学习不足.针对以上2点,提出了基于人工智能的暂态稳定裕度精细化预测方法.该方法将改进的极限梯度提升(XGBoost)树与双XGBoost回归树集成,平衡了2类样本数量差异对模型的影响,并实现了裕度预测.当运行工况变化较大时,结合增量学习技术,以较少的样本和较短的时间对模型进行有效更新.在2套IEEE系统上的实验结果表明所提方法可应用于暂态稳定评估.     

基于深度学习的电力系统暂态功角与暂态电压稳定裕度一体化评估

随着面向高比例可再生能源新型电力系统的转型,系统运行特性日趋复杂。暂态功角稳定(transientangle stability,TAS)与暂态电压稳定(transientvoltagestability,TVS)问题相互耦合且频发,为系统安全稳定评估带来严峻挑战。研究首先采用变步长二分法通过调用PSASP从时间维度上构建了暂态电压与暂态功角的稳定边界。研究了不同故障位置、感应电动机占比、负荷率对稳定边界的影响并依托边界确定主导失稳模式。其次提出一种基于注意力机制与一维卷积神经网络融合的电力系统功角稳定及电压稳定裕度评估的新方法。该方法直接面向测量数据,将节点稳态与暂态运行的电压幅值、有功功率、无功功率数据作为输入特征,节省了数据处理时间。通过一维卷积神经网络构建输入特征与极限切除时间的映射,利用注意力机制进一步提高了模型预测效果。通过新英格兰IEEE39节点系统进行分析验证,结果表明该方法可以实现暂态安全裕度的快速评估且具有较高的预测精度。     

基于暂态能量裕度的电力系统脆弱性评估

电力系统暂态失稳是引发系统灾难性事故的一个重要方面,从暂态稳定角度分析系统的脆弱程度是不可或缺的。电力系统的脆弱水平往往受到天气条件、负荷水平、随机故障的影响,必须合理考虑这些不确定性因素。本文建立了计及气候因素的故障概率模型,提出了从暂态能量裕度角度对电力系统脆弱性进行评估的思想。为避免严重程度高但发生概率小的事故被忽略掉,提出使用概率和能量裕度两个指标来评估系统的脆弱性。借助暂态能量函数定义了事故的能量裕度指标的计算公式,它能反映负荷水平的影响。利用各事故的脆弱性裕度指标还可以识别系统的薄弱环节。借助概率理论和范数理论,利用各事故脆弱性的概率指标和能量裕度指标分别推导出计算整个系统综合脆弱性的概率指标和能量裕度指标的模型,并在此基础上提出了电力系统脆弱性的评估算法。通过算例分析,本文建立的故障概率模型、提出的系统综合脆弱性指标体系以及评估算法是合理有效的。     

基于暂态稳定裕度指标的最优潮流求解

基于一种新型暂态稳定裕度指标,提出了求解含暂态稳定约束的最优潮流（SCOPF）新方法。该方法利用暂态稳定裕度指标及其灵敏度组成的不等式代替暂态稳定约束,将针对预想故障的优化潮流问题转化为常规非线性规划问题。所用的暂态稳定裕度指标基于故障后电力系统稳定域边界隐式方程,可由稳定域二次近似获得其近似估计。所提出的SCOPF求解方法易于实现,可处理多个预想故障,算法具有良好的收敛性和合理的计算时间。在新英格兰10机39节点系统中进行的仿真验证了该方法的有效性。     

基于一维卷积神经网络的电力系统暂态稳定在线评估

传统电力系统暂态稳定评估基于时域仿真计算,计算复杂度高,难以在线应用。提出一种基于一维卷积神经网络的电力系统暂态稳定在线评估,可极大提升暂态稳定在线评估速度。通过马尔可夫链蒙特卡洛抽样算法进行电力系统运行状态模拟,生成大规模运行数据。通过电力系统时域仿真计算确定发电机最大功角差。将电力系统运行数据作为一维卷积神经网络的输入,发电机最大功角差作为输出,训练一维卷积神经网络。在线应用场景下,一维卷积神经网络可基于当前运行数据快速计算发电机最大功角差,实现暂态稳定性在线评估。新英格兰39节点系统验证了所提在线评估算法的可行性。     

基于Bagging集成学习的电力系统暂态稳定在线评估

针对传统机器学习在处理暂态稳定评估时所表现出的稳定性差、精度低等问题以及离线训练的局限性,提出一种基于多模型融合Bagging集成学习方式的电力系统暂态稳定在线评估模型。首先,结合人工智能前沿理论研究,分析了暂态稳定评估中常用的7种机器学习算法的原理及实现方式,通过Bagging方法进行集成,充分发挥各个模型的优势。其次,给出Bagging集成的数学实现方法并进行了仿真实验。当原系统拓扑结构发生改变时,采用Boosting算法和迁移成分分析,分别对原电网历史数据进行样本迁移和特征迁移,完成对所提模型的在线更新。通过采用IEEE10机39节点系统和IEEE16机68节点系统进行分析,结果表明所提方法比传统机器学习模型精度更高。当数据中掺杂噪声时能够保持稳定运行,在系统拓扑改变时能够通过迁移历史数据进行准确的暂态稳定评估。     

基于人工智能的大系统分层在线暂态稳定评估

在对比分析电力系统已有暂态稳定评估（TSA）方法的基础上,提出了一种以人工智能为主体的层次型大系统在线暂态稳定评估方案。以一个7机24节点系统为例,详细介绍了基于启发式推理和人工神经网络的方案实现过程及仿真测试结果,并重点讨论了基于样本的输入特征向量筛选方法。该方案无需时域积分运算,能提供故障筛选、稳定评级、主导失稳机组估计以及危险事件的故障临界切除时间（CCT）估计等多级稳定信息,较好地满足了在线TSA的要求。     

基于分类回归树算法的在线静态电压稳定裕度评估

随着电力负荷的不断增加,电压稳定问题日益凸显;为防止电压失稳,电网运行人员迫切需要了解电网当前的运行状态。提出运用分类回归树算法构建决策树模型,对静态电压稳定裕度进行在线评估。首先根据PV曲线分析和电压稳定裕度计算获得决策树训练样本集;然后通过模态分析和相关系数分析降低属性集的维度,确定训练决策树的输入属性;最后利用离线数据,运用决策树分类回归树算法训练出在线电压稳定裕度的评估规则。以某省实际电网为例对所提方法进行验证,其决策规则具有较高的准确性,能够实时地评估电网运行状态。     

基于静态信息的在线暂态稳定评估及预防控制

针对目前暂态稳定评估与预防控制的在线实用性和快速性不足等问题,提出了一种基于静态信息的在线暂态稳定评估及预防控制方法。首先,利用大量的预想事故时域仿真样本建立电网运行方式、拓扑结构等静态信息与暂态稳定水平的关系,采用最短路的主导失稳机群辨识方法来识别电网暂态失稳模式和划分机群,并基于主导失稳机群和网络拓扑选取暂态稳定评估特征量;然后,推证出临界切除时间(critical cut time,CCT)与主导失稳机群有功出力的近似线性关系,通过调整在CCT的主导失稳机群有功出力至足够大,从而规避电网失稳风险;最后,通过IEEE 10机39节点系统和南方电网系统仿真,验证了该方法的合理性和有效性。     

基于LSTM的电力暂态稳定在线评估及预测研究

电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求。提出了基于深度学习中长短时记忆（long-and-short term memory,LSTM）的电力暂态稳定在线评估模型。该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化。实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点。     

基于响应的电网暂态稳定态势在线量化评估方法

广域测量系统工程化成熟应用为基于响应的电网暂态稳定分析与控制研究提供了新的契机,而暂态稳定态势在线量化评估是关键。以单机无穷大系统为例研究并证明不同观测支路比例段的静态和暂态稳定态势剖分特性,即同趋和同达失稳点特性。该剖分特性表明,可间接利用发电机端口外网络的相量测量装置有效测量信息评估电网暂态稳定态势的可行性。根据发电机转子加速度方程,严格推导电网任意机组对的等效单机系统虚拟功角特性正弦函数表达式,并基于该表达式,提出一种基于响应的电网暂态稳定裕度指标。用IEEE-9节点和新英格兰10机39节点系统进行仿真,验证了所提方法的有效性及工程可操作性,为基于响应的电网暂态稳定在线监控提供了有力的技术支撑。     

基于时域仿真的暂态稳定裕度研究现状分析

随着电力系统的跨区域互联和电力市场的发展,电力系统的动态安全问题倍受关注。暂态稳定裕度作为建立高度稳定和高效率电力系统运行保障体系的重要组成部分,对基于时域仿真的暂态稳定裕度研究的应用情况进行综述,总结了这方面的研究模型、计算方法和研究成果,并对该方面的研究进行思考,提出了一些建议。     

暂态电压稳定裕度计算方法综述

随着区域电网互联、新能源并网,电网规模不断扩大,暂态电压稳定问题日益突出。近年对于暂态电压稳定性评估问题,已取得了一定的进展,但对暂态电压稳定性的量化研究仍有欠缺。综述了现有关于暂态电压稳定量化评估的主流方法——临界故障切除时间计算法、负荷稳定指标计算法和二元表法。对比后总结了三种方法的主要特点、适用性和区分度,以期为运行调度人员直观了解电网的电压稳定程度、进行调度决策,提供足够的信息,为相关问题的研究人员提供有益借鉴。     

修正的暂态能量裕度评估策略

验证了修正的暂态能量函数可应用于部分恒阻抗、部分恒功率的电力系统模型，并在此基础上提出一种新的暂态能量函数评估策略。应用这种策略可以高效大量地滤除对系统稳定性无危害的故障，确定对系统有危害或有危害的故障并分析其修正的暂态能量裕度，更重要的是，这种分析策略可以和系统分析的商业软件如BPA电力系统分析软件等结合使用，以评定系统的稳定指标。为了便于比较不同的故障对系统安全的危害程度，还将修正的能量裕度转化为裕度。文章最后报道了新英格兰10发电机39节点系统及国内华北电网上的验算结果，以说明该分析策略的高效性。