引入交叉熵与动态故障集的含风电大电网可靠性评估

风电等新能源大规模并网对电力系统可靠性产生了重要影响。电力系统的不断发展、电气联系的逐渐加强,以及新能源的随机波动特性,使得基于蒙特卡洛模拟(MCS)的可靠性评估方法在高可靠性系统中的计算效率大大下降。提出一种基于链表动态故障集并将之与交叉熵(CE)结合使用的新算法,一方面通过CE优化构建系统元件的最优概率分布,减小方差变化,加快指标收敛;另一方面,以基于链表的动态故障集多级索引取代状态空间中重复状态调用最优潮流的过程,以此提高系统状态评估效率。对IEEE RTS-79发输电改进系统进行可靠性评估,并与原始MCS和CE对比,结果表明,新算法合理、有效;通过变更负荷峰值改变系统可靠充裕度,对比了不同可靠性水平系统下3种方法的计算效率。     

用于系统可靠性评估的各阶故障独立重要抽样算法

提出一种电力系统可靠性评估的高效算法,即各阶故障状态子空间独立重要抽样算法.该算法将系统状态空间分割为无故障状态子空间和各阶故障状态子空间,完全避免了对无故障状态子空间的抽样;且由于低阶故障状态子空间状态个数较少,采用解析法对其分析,而高阶故障状态子空间状态个数庞大,采用重要抽样法对其进行模拟分析;并对这些子空间的抽样次数进行最优分配.由于完全避免了对无故障状态子空间的抽样,并对各阶子空间进行独立分析,该算法在计算效率上具有很大的优势,适用于高可靠性系统.应用该算法对IEEE-RTS系统的发输电部分进行可靠性评估,并与自适应重要抽样方法和直接蒙特卡罗法进行比较,结果表明该算法在计算效率上具有明显优势.     

大电力系统可靠性评估的系统状态抽取方法研究

大电力系统可靠性评估算法包括3个基本步骤:系统状态抽取、系统状态分析和系统可靠性指标的更新。其中系统状态抽取是大电力系统可靠性评估中的重要起始环节。详细讨论了大电力系统可靠性评估的4种系统状态抽取方法,即状态枚举、状态抽样、状态转移抽样和状态持续时间抽样的基本原理,分析了它们的优缺点,并用RBTS和IEEE-RTS79可靠性测试系统进行分析研究。研究结果表明,不同的系统状态抽取方法具有不同的适用范围,并对可靠性评估的计算效率有重要影响。     

一种发电系统可靠性评估的混合加速算法

针对使用时序蒙特卡洛法的可靠性评估计算效率低下、收敛特性较差等问题,提出一种结合基于交叉熵的重要抽样法和全概率公式法的混合时序蒙特卡洛评估算法,将其应用于发电系统可靠性评估中。基本思想是利用交叉熵优化过程获得近似零方差重要抽样密度函数,然后根据此时各元件故障率的扭曲程度确定对系统可靠性最重要的元件,对这些最重要的元件使用全概率公式,然后利用得到的各元件的新参数进行发电系统可靠性评估。由于两种基于不同原理的方差技术被组合使用,所以计算效率进一步提高,收敛速度进一步加快。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将所提方法(TP-CEMCS)的测试结果与传统时序蒙特卡洛法(MCS)、基于交叉熵的时序蒙特卡洛法(CE-MCS)和基于全概率公式的时序蒙特卡洛方法(TP-MCS)得到的结果进行比较,表明该方法在保证评估精度的基础上更进一步提高了计算速度。     

计及风电的发电系统可靠性评估

考虑风速和负荷预测误差的随机性、风力发电机组和常规机组的停运率,应用蒙特卡洛仿真方法对含风电场的发电系统进行可靠性评估.针对发电系统概率抽样中蒙特卡洛算法样本容量大、效率低等不足,提出了分散抽样蒙特卡洛算法,此抽样算法将[0,1]区间分成若干子区间,在抽样后分别对每个子区间进行系统状态判断和指标计算,从而增加故障状态的抽样频率,提高抽样效率,在满足精度要求下,有效地减少了抽样次数.以含10台常规机组和1个风电场的发电系统进行了仿真,结果验证了该评估方法的有效性.     

电力系统可靠性评估中的改进拉丁超立方抽样方法

将拉丁超立方抽样方法与重要抽样方法相结合,提出了一种应用于电力系统可靠性评估的改进拉丁超立方抽样方法。该方法首先通过重要抽样改变原系统样本空间的概率分布,然后对新概率分布进行拉丁超立方抽样,降低了抽样方差,避免了系统正常状态的大量重复抽样。应用该方法对IEEE-RTS系统与IEEE-RTS修改系统进行可靠性评估,并与常规非序贯蒙特卡洛抽样方法和传统拉丁超立方抽样方法的结果进行了比较。比较结果验证了所提出的方法在保证一定计算精度的条件下,可降低抽样方差,提高抽样效率,并且可适用于高可靠性的系统可靠性评估。     

基于多目标蒙特卡洛法的全电压序列一体化电网可靠性评估

在传统可靠性评估中对输电网和配电网的可靠性评估一般假设另一系统完全可靠,评估结果会较为乐观。全电压序列一体化电网的可靠性评估通过拼接输配电网的模型,同时考虑输配电系统的故障情况,能更加真实地反映系统的可靠性。对输配电系统同时进行抽样使抽样系统的规模和复杂性有所增加。针对全电压序列一体化电网的以上特点,文章提出了多目标蒙特卡洛抽样方法,以各个指标因偏离最优分配引起的方差增量的均值最小为目的,优化分配每一层的抽样数目,同时避免对系统无故障状态的抽样,以达到兼顾抽样效率和计算精度的目的。最后结合IEEE-RTS 79测试系统和RBTS BUS 6测试系统进行了考虑配电网内部元件状态影响的输电网可靠性计算,算例分析表明所提算法合理有效。     

电力系统可靠性评估的自适应分层重要抽样法

提出了电力系统可靠性评估的自适应分层重要抽样算法,将系统状态空间分割成无故障状态子空间和各重故障状态子空间,避免对无故障状态子空间抽样,对各重故障状态子空间的抽样次数进行最优分配,并不断修正最优重要抽样概率密度函数,可以显著提高计算效率并解决了以往蒙特卡洛方法在高可靠性系统中效率低下的问题.对IEEE-RTS系统的发输...     

含风电接入的发输电系统风险评估

考虑风速的随机性、风电机组的功率特性、风机运行条件、风机的降额运行状态、风电场升压变压器和高压输电线路故障率等因素的影响,建立了风电场可靠性模型。针对风电接入情况下传统评估方法样本容量大、效率低等不足,提出了基于分散抽样蒙特卡洛算法的含风电场发输电系统风险评估方法,此抽样算法将[0,1]区间分成若干子区间,在抽样后分别对每个子区间进行系统状态判断和指标计算,从而增加故障状态的抽样频率,提高抽样效率,在满足精度要求下,有效地减少了抽样次数。针对风电的随机性和间歇性等特点,给出了关于风电接入系统的风险指标,该指标能分别反映风电接入对发电系统和输电系统的影响。通过对改进IEEE-RTS79算例的计算分析验证了所提评估方法和指标的有效性。     

基于最优抽样与选择性解析的电力系统可靠性评估

为降低Monte Carlo法的计算方差,加快电力系统可靠性评估的速度,提出一种基于最优抽样和选择性解析的混合算法。该算法是在传统Monte Carlo法的基础上,增加小样本预抽样计算,以获得最优抽样密度函数与各变量的投影方差。根据投影方差的大小,确定解析变量,进行解析化处理,对模拟变量按照最优抽样密度函数抽取元件状态。对测试系统IEEE-RTS的算例分析表明,该算法可以同时提高抽样计算和解析计算的效率,降低计算方差,加快可靠性评估的速度。     

A new ensemble-based classifier for IGBTopen-circuit fault diagnosis in three-phasePWM converter

Three-phase pulse width modulation converters using insulated gate bipolar transistors (IGBTs) have been widely used in industrial application. However, faults in IGBTs can severely affect the operation and safety of the power electronics equipment and loads. For ensuring system reliability, it is necessary to accurately detect IGBT faults accurately as soon as their occurrences. This paper proposes a diagnosis method based on data-driven theory. A novel randomized learning technology, namely extreme learning machine (ELM) is adopted into historical data learning. Ensemble classifier structure is used to improve diagnostic accuracy. Finally, time window is defined to illustrate the relevance between diagnostic accuracy and data sampling time. By this mean, an appropriate time window is achieved to guarantee a high accuracy with relatively short decision time. Compared to other traditional methods, ELM has a better classification performance. Simulation tests validate the proposed ELM ensemble diagnostic performance.     

基于全系统可靠性评估方法的海上油田群电网可靠性评估

海上油田群电力系统可靠性的优劣显著影响石油生产。考虑到该类电力系统是一个包含发电、输电、变电、配电系统的独立电力系统,故障时切负荷措施也不同于陆上电力系统,因此传统可靠性评估的模型和算法不能直接使用。文中基于全系统可靠性评估理论提出一种海上油田群电力系统可靠性评估方法,并建立了全系统可靠性指标体系。在状态采样时,根据全系统可靠性评估理论将全系统分为发输电系统采样和配电系统采样,并建立综合评估方法。在发输电系统状态评估中,考虑到海上油田群电网及其负荷的特点,建立基于优先脱扣的切负荷模型。在配电系统状态评估中,考虑了级联故障的影响。最后以某油田群电力系统为实际算例,得出全系统指标并分析4类故障的影响,验证了所提方法的正确性和有效性。     

基于交叉熵的蒙特卡洛法在发电系统充裕度评估中的应用

针对传统蒙特卡洛法对稀有事件的敏感性等问题,提出了一种基于交叉熵的蒙特卡洛法,将其应用于发电系统充裕度评估中。基本思想是使用重要抽样密度函数,通过求解最优问题获得该函数的最优参数,从而提高传统蒙特卡洛法的抽样效率。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将仿真结果与使用传统蒙特卡洛法得到的结果进行比较,表明该方法在保证评估精度的基础上大大提高了计算速度。     

基于ELM与DBSCAN的微电网不良数据检测方法

不良数据检测可以为微电网运行决策提供可靠的数据依据。由于微电网运行模式切换频繁且系统解析模型难以建立,传统基于状态估计的不良数据检测方法尚未得以应用。文章利用极限学习机(ELM)对微电网历史数据进行学习以提取数据特征;进而利用DBSCAN聚类算法分析特征量以识别不良数据,提出了一种基于ELM和DBSCAN的微电网不良数据检测方法。利用一台四端环形直流微电网样机的历史运行数据构建仿真算例,验证了所提方法的有效性;并与多种常用的数据挖掘算法进行对比,结果表明ELM+DBSCAN在算法性能与检测效果上均具有优越性。     

Improved-ELM method for detecting false data attack in smart grid

Power grid is a complex system which closely links the power generation and power consumer through transmission and distribution networks. With the development of smart grid, smart grid is more open to external communication systems, it also has exposed some problems in the network attacks. A new false data injection attack (called the unobservable attack) that can bypass the traditional BDD and inject random errors into state estimation. We propose an improved extreme learning machine (ELM) for attack detection. The artificial bee colony (ABC) incorporates the thought of differential evolution algorithm (DE) to optimize ELM for improving detection precision. In this paper, Autoencoder is used to reduce the dimensionality of the measurement data, which makes the low-dimensional data information basically and fully represent high-dimensional data. We verify the performance of the proposed method on IEEE bus systems, and prove that the proposed method can effectively detect such unobservable attack.     

改进仿电磁学算法在多目标电网规划中的应用

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性多目标电网规划方法。为提升算法的性能,引入被动聚集思想对基本模型的全局寻优能力进行了改善。采用自适应权重、自适应变异和精英策略等措施来改善仿电磁学算法的收敛性。针对电源规划、变电站布点和负荷需求均已知的电网规划,将反映电网经济性和可靠性指标的多目标函数转化为求电网规划最小耗费的单目标模型。对一个18节点系统进行了十进制编码,计算结果证明了该算法能有效地解决电网规划这类含离散变量的大规模组合优化问题和提高规划方案的综合满意度。通过与遗传算法、基本ELM的仿真对比,改进的ELM模型在寻优效率和容错性方面具有明显优势。     

于改进抽样法的电力系统可靠性评估

由于电力系统的元件故障为小概率事件,在应用传统非序贯蒙特卡洛抽样法进行系统可靠性评估时,存在抽样次数大,仿真时间长等缺点。通过将对偶变数抽样法与交叉熵重要抽样法相结合,提出了一种适用于电力系统可靠性评估的改进抽样方法。该方法首先通过交叉熵重要抽样确定元件最优参数,构造元件的零方差概率密度函数的近似函数,然后根据最优参数进行对偶抽样,进一步降低抽样过程的方差,提高了传统蒙特卡洛法的抽样效率。应用该方法及传统随机抽样法、对偶变数抽样法和交叉熵重要抽样法对IEEE-RTS（可靠性校验系统）与变参数后的IEEE-RTS进行可靠性评估,计算结果表明：提出的方法在保证一定计算精度的条件下,相比其他方法,进一步提高了仿真速度。越是小概率事件,方法的优势越明显。     

基于嵌入式系统的配电子站

配电子站是配电自动化系统的重要环节。针对基于通用工业控制计算机和Windows2000系列操作系统的配电子站运行效率低、系统稳定性差的问题,设计了一个基于嵌入式PC104CPU主板、自主开发各类接口板和结构、采用嵌入式Windows CE的配电子站。现场运行表明,配电子站运行稳定、可靠,系统可维护性、可扩充性大大提高,能够很好满足现场应用要求。