电力系统暂态稳定分析的混合算法

直接法和数值仿真法是电力系统暂态稳定分析的两种基本方法，本提出了一种混合算法，将上述两种方法有机地结合起来，扬长避短，快速而精确地求得某种故障下系统的临界清除时间，并对数值仿真法暂态稳定程序的输出结果进行分析，给出了临界机群的稳定度指标。     

故障恢复过程中最大供电功率的标号法求解

利用图论中的有关知识，对电力系统设备故障后造成大面积停电的恢复过程中，多个电厂的最大可供电能力提出了一种新的求解方法——标号法，并对一个实际电力系统的大面积停电的恢复进行了测试。利用图论中的有关知识，对电力系统设备故障后造成大面积停电的恢复过程中，多个电厂的最大可供电能力提出了一种新的求解方法——标号法，并对一个实际电力系统的大面积停电的恢复进行了测试。     

并行牛顿CAV方法在求解电力系统潮流方程中的应用

随着电力系统网络规模的日益加大，快速准确地计算电力系统潮流方程对实现电力系统实时控制越来越重要。将一种求解稀疏线性方程组的CAV(Component Averaging)方法引入电力系统潮流方程的求解中。鉴于此算法具有易于并行执行的特点，将其并行化，并利用IEEE662节点标准数据对算法进行了测试。结果表明该算法是一种快速有效、有潜质的潮流算法。     

PSPICE在电力系统静态稳定性的应用

提出了一种利用OrCAD PSPICE9.1对电力系统静态稳定判据进行仿真分析的新方法。该方法简便且直观，将有利于弥补传统分析小扰动法中对此问题的符号判定法的不足。     

基于Kohonen聚类和SVM组合算法的电网日最大负荷预测

电力系统负荷受到气象等多种因素的共同影响,为提高电力系统短期预测的准确度,提出了一种将Kohonen聚类和SVM结合的预测算法。该方法考虑到电力系统变化周期性的特点,通过对学习样本进行聚类,选出具有相同特征的历史相似日,构造相似日训练样本并利用SVM模型进行预测。样本特征向量中同时包含了多种气象因子及节假日等因素,经过仿真实验,验证了该方法的有效性。     

基于深度学习的含统一潮流控制器的电力系统快速安全校正

随着新一代柔性交流输电装置如统一潮流控制器（UPFC）在现代电力系统中的逐步推广和应用,对电网安全校正策略的制定提出了更高的要求。基于物理模型的传统电网安全校正方法在实时性方面具有一定的局限性,而数据驱动方法将大量的复杂计算前移到离线阶段,具有快速在线计算性能。因此,针对含UPFC的电力系统提出了一种基于深度学习的快速安全校正方法。首先,基于深度学习建立了节点调整状态识别模型,利用深度神经网络（DNN）的分类和学习能力,优先确定存在调整可能性的节点范围,避免物理模型优化类方法迭代无解问题。然后,针对缩减后的寻优空间进一步采用优化法实现系统安全校正计算,快速确定系统各节点调整量。基于中国南京西环网UPFC示范工程的应用效果表明,所提快速安全校正策略能够发挥DNN的学习能力,进而提高系统安全校正的效率和实用性。     

发电机励磁控制规律的分析

发电机在采用快速励磁系统后,为提高电力系统稳定性和改善电力系统质量,应如何来确定励磁的控制规律,目前国内外采用的方法较多,例如:稳定域法、根轨迹法、状态空间分析法等,但这些方法都比效复杂,而且往往不能将发电机空载运行对励磁控制的要求和并网运行后对励磁控制的要求统一起来。本文通过单机对无穷大系统框图的简化,提出一种较简单的计算方法,并还利用状态空间分析法,对在复杂电力系统中工作的发电机的励磁控制规律进行了分析,提出了最佳控制的实现方法。     

基于混沌优化与线性内点法的最优潮流算法

求解最优潮流是一项基本而重要的工作，文中将混沌优化与线性内点法相结合，提出了一种新的混合优化算法，并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动特定的内在遍历性、随机性和规律性等特点跳出局部最优点，接近最优点；同时，利用预测-校正原-对偶内点法在最优点的邻域内局部寻优，提高了收敛速度和求解精度。通过对IEEE 14、30和57节点试验电力系统的数值计算，验证了算法的有效性。     

基于PSONM和LS的电力系统谐波估计方法研究

提出了一种改进的粒子群优化算法PS0NM法,和最小二乘法相结合的电力系统谐波参数的估计方法。在传统的粒子群算法中引入单纯形机制增强了该算法的局部搜索能力,提高了收敛速度。该方法将电力系统中谐波的相角、频率和幅值视为寻优变量,利用改进PS0对各次谐波分量的非线性参数即相角和频率进行估计,然后利用最小二乘法对谐波分量的线性参数即幅值进行计算,直到达到最大迭代次数,迭代结束。在MATLAB中搭建了一个典型的仿真模型,进行仿真验证,并将仿真结果与传统的快速傅立叶变换法进行对比。结果表明,所提出的方法能够对电力谐波的幅值和相角进行准确估计,而且估计精度受高斯白噪声影响小,其性能优于FFT法。     

考虑支路功率约束的静态电压稳定分析

提出了一种将连续法与崩溃点法相结合的电力系统静态电压稳定分析方法。该方法首先利用连续法求到电压临界点附近,并以此作为崩溃点法的初始点,最终求取电压临界点。该方法综合了原有连续法与崩溃点法的优点,同时弥补了各自的不足,实现了电压临界点的快速准确求取。用一种新的处理方法,有效地避免了电压临界点求取过程中的支路功率越限。算例分析结果验证了所提方法的准确性和有效性。     

深度学习在智能电网中的应用现状分析与展望

深度学习是机器学习研究中的一个新领域,其强大的数据分析、预测、分类能力契合智能电网中大数据应用的需求。文中首先总结了深度学习基本思想,介绍深度学习的5种模型(生成式对抗网络、递归神经网络、卷积神经网络、堆叠自动编码器和深度信念网络)的结构、基本原理、训练方法,概括其应用特征。综述了电力系统中的故障诊断、暂态稳定性分析、负荷及新能源功率预测、运行调控等应用深度学习技术的研究现状。针对深度学习的技术特点,结合电力系统各生产环节,构建深度学习技术在电力系统中的应用框架。最后,从多能源系统运行调控、电力电子化系统安全分析、柔性设备故障诊断、电力信息物理系统的安全防护等方面对深度学习应用进行展望。     

基于统计学习的模糊暂态稳定事故筛选与排序

暂态稳定事故筛选与排序的目的是针对一组预想事故集合挑选出严重事故或滤除掉无害事故,以减少待分析的预想事故数目,满足在线动态安全分析的需要.文中提出一种基于统计学习的模糊暂态稳定事故筛选与排序方法,该方法采用了反映事故严重程度的10个性能指标,并通过样本学习,在每个指标集合上具体定义了系统稳定性的模糊隶属度函数;然后综合运用这10个性能指标的稳定性模糊隶属度得到的平均稳定性模糊隶属度,对预想事故集合按严重性进行了排序;接着根据排序结果,结合所设定的稳定阈值,将无害事故过滤掉.最后,用新英格兰10机39节点网络验证了该方法的有效性.     

市场条件下电力系统暂态安全风险评估

介绍了基于风险的安全性评估方法基本原理以及电力系统运行中所受扰动的概率模型。从风险的角度将电力系统受到大扰动后的暂态安全风险划分为暂态失稳风险和暂态稳定风险2个方面,建立了市场条件下系统暂态失稳和稳定给发电方、输电方以及用户造成损失的后果模型,并从发电方、输电方、用户以及整个系统4个方面提出了暂态安全风险指标。在此基础上将系统中的故障和继电保护不正确动作看作系统的风险,提出了一种计算线路发生故障,考虑主保护拒动远后备保护动作切除故障的电力系统暂态安全风险指标的方法。结合WSCC-9系统,说明了该方法的应用。     

Pattern analysis and classification for security evaluation in power networks

Security evaluation is a major concern in real time operation of electric power networks, exhibiting behavioral patterns under abnormal conditions. Security assessment and evaluation can be viewed as a pattern analysis task identifying abnormal patterns of the power system behavior under highly loaded conditions. Traditional method of security evaluation are highly time consuming and infeasible for direct on-line implementation. This paper presents application of pattern directed inference system for static and transient security evaluation and classification. A straightforward and quick procedure called Sequential Forward Selection method is used for feature selection process. The classifier model in the pattern directed inference system is designed using different pattern classifier algorithms, viz., conventional, neural network and machine learning classifiers. Support Vector Machine (SVM), one of the popular machine learning classifier, is recognized as a suitable pattern classifier for security evaluation problem. The generalization performance of SVM classifier is greatly influenced by the proper setting of its parameters. This paper also addresses different heuristic optimization techniques used in the selection of SVM parameters. The design, development and performance of different classifiers for power system security classification are presented in detail. Simulation work is performed on standard New England 39-bus benchmark system and the feasibility of implementation of the proposed SVM based classifier system for on-line security evaluation is also discussed.     

基于改进CGAN的电力系统暂态稳定评估样本增强方法

基于数据驱动的暂态稳定评估方法已成为电网安全领域研究的重点,由于实际电力系统中暂态失稳情况极少,给通过数据挖掘方法判断失稳情况带来了极大困难。针对这个问题,提出了一种用于暂态稳定评估中失稳样本合成的数据增强方法,对条件生成对抗神经网络(CGAN)训练方法的适应性进行改进以提高其学习稳定性,在离线训练时利用改进CGAN交替训练生成器和判别器,学习电力系统暂态数据的分布特性,然后采用极限学习机(ELM)分类器筛选出改进CGAN所生成的多组样本中G-mean值最高的生成样本,将其中失稳样本对原始失稳样本进行增强,最后用增强后的原始样本训练分类器,实现在线暂态稳定评估。仿真结果表明,所提出的样本数据增强方法通过改进CGAN实现对原始数据分布特征的有效学习,进而提升暂态稳定评估的正确率,具有抗噪声干扰性强、对高维数据鲁棒性好的优点,能够有效平衡电力系统失稳数据。     

基于支持向量机和决策函数的暂态稳定评估方法

暂态稳定评估是保证电力系统安全稳定运行的关键点,为解决应用机器学习进行暂态稳定评估保守性不足的问题,提出了一种基于支持向量机和决策函数的暂态稳定评估方法。该方法以故障前潮流量为初始特征集,结合暂态安全稳定量化评估和统计理论方法,提取输入特征;通过支持向量机训练暂态稳定评估模型,得出评估模型的决策函数,并依据支持向量的决策值确定门槛值,保证评估结果保守性。新英格兰10机39节点测试系统和实际系统算例验证了所提方法的可靠性和实用性。     

暂态电压安全预防控制的优化

为了优化暂态电压安全的预防控制,根据暂态电压安全裕度对于各节点无功功率的灵敏度系数,将暂态电压不安全点与注入点进行关联分区.按控制区分别调整无功注入量,将大系统暂态电压的预防控制问题转化为各分区的对应问题,以改善整个系统的暂态电压安全.通过试验系统和实际系统验证了该方法的有效性.     

基于能量函数法的电网脆弱性评估

传统确定性电力系统安全评估方法难以考虑电力系统的随机性,难以实时、定量和直观地提供电网安全健康状态的诊断信息。文章引入了电网脆弱性的概念,拓展了传统的电力系统安全性概念,并考虑预想事故发生的概率,采用暂态能量函数法从暂态安全角度定量评估了电力系统的脆弱性,给出了电力系统的脆弱性指标和阈值。算例分析结果表明该方法在保证安全分析结果正确性的同时节省了机时,验证了该方法的合理性与有效性。     

面向风电接入暂态功角稳定分析的电网极端运行场景提取

大规模风电接入给电网的规划和运行带来了极大的不确定性,导致系统运行模式更加多变.极端运行场景提取对于分析电网运行的高风险薄弱点具有重要意义,而传统经验场景提取方式难以应对风电和负荷的双重不确定性.面向规划层面的电力系统安全稳定评估问题,提出一种基于数据挖掘和机器学习算法的电网极端运行场景提取方法.首先,通过机器学习识别出对暂态功角稳定影响较大的场景变量并依据重要程度进行排序,同时采用熵权法体现场景变量自身的离散性对极端运行场景的贡献程度.随后,利用加权聚类算法筛选出代表大多数场景暂态功角稳定水平的典型运行场景,进而提取出离群、极端的边缘运行点作为极端场景.最后,采用IEEE 39节点算例进行暂态仿真分析,验证了采用数据挖掘与具体问题相结合的方法进行极端场景提取的有效性和合理性,提升了风电并网规划、稳定分析的水平和效率.     

复杂电力系统实时暂态安全分析的动态矩阵等值方法

联合电力系统的结构复杂,要进行全局的暂态安全分析以比较困难,因此提出了采用分解和协调理论的局部暂态安全分析和监测方法。在可能出现暂态稳定问题的大容量发电厂分别进行暂态安全分析和监测,将系统分为内部系 统和外部系统。内部系统为待监测的大容量发电厂和它所连接的输电线路,其余部分为外部系统。外部系统采用动态矩阵等值方法,推导出它的诸