自组织映射神经网络用于暂态稳定性分析的研究

对几种形式的自组织映射神经网络进行了集中介绍,并对自组织特征映射（SOFM）神经网络和学习矢量量化（LVQ）神经网络在电力系统暂态稳定模式识别中的应用性能进行比较。利用SOFM网络输出层聚类信息对不同ANN输入特征量的选取效果进行了直观的比较。在这些比较的基础上,利用Kohonen网络“无监督聚类、有监督学习”的工作方式,给出一种基于Kohonen网络的复杂系统在线事故筛选和发电机功角预测方法。利用华中电网的数据对这种网络进行了大量的计算,计算证实了该方法的有效性。     

基于Kohonen网络的典型绝缘缺陷局部放电模式识别

针对变电站环境下局部放电识别所面临的不可控干扰多、现有识别方法初始参数难确定的问题,在设计符合变电站放电特点的典型缺陷,并采集多个样本数据的基础上,结合统计特征参数提取方法,基于具有自组织竞争识别、抗干扰性强特点的Kohonen网络,得出了一种适用于干扰环境下局部放电识别的新方法。通过探究Kohonen网络竞争层节点数对识别效果的影响,得出了针对样本数据的最佳识别参数,并将此网络与常用的模式识别算法在同等条件下进行对比,证明了其面对多种放电识别时的高稳定性与高识别率,验证了其用于变电站环境下局部放电识别时的优良性能。     

电力系统电压非线性分层预测控制研究

二级电压控制参考轨迹更新时间长,不能及时反映系统变化,且研究中多基于潮流方程,很难描述系统动态行为,电压可能在到达事故后稳定运行点前的过渡过程中失稳。文中基于系统动态模型提出"轨迹更新控制"子层和"电压预测控制"子层两层优化控制模型用于二级电压控制。提出采样多次、优化一次、灵活下发设定值的控制模式。使用4阶收敛的Adams法对微分方程进行差分化处理。另外,利用积累的历史采样信息建立灰色动态模型,为优化计算提供迭代初值。对New England10机39节点系统进行仿真分析,结果表明,所提方法能够维持电压稳定,保证电力系统安全运行。     

基于多智能体系统的智能微网分散协调控制策略

现有的分布式系统控制策略在控制分布式电源时,一般控制的是节点的电压参数。文中增加了对频率和功率的控制,这不仅能使得电网系统电压达到稳定,还能控制节点频率并分配DG之间的功率输出,使其平滑的切换至并网运行模式。该控制策略将多智能体系统构建为3层:协调控制层、积分运算层和主控制层。在微网受到较大扰动时,网络中的各个DG通过邻节点信息和当前节点信息进行协调控制来决定其当前功率、电压及频率,以达到微网的稳定性要求。通过MATLAB/SIMULINK使用IEEE Standard 399-1997标准测试系统对5节点的微网系统进行了仿真实验,结果表明,通过分布式协调控制方法能够稳定微网的频率和电压,使分布式电源在微网中实现即插即用。     

基于模糊神经网络的电力系统电压稳定评估

设计了一个多输入单输出的模糊神经网络,通过计算带静止无功补偿器电力系统的负荷能力极限,对系统的电压稳定性进行评估,有功与无功负载的不确定性、有功与无功发生器、母线电压以及SVC的参数都被考虑进来。首先,Kohonen自组织变换聚类所有节点的有功和无功负荷来减少输入量个数,这样就限定了网络的大小减少了计算量。其次,采用一种混合非线性隶属度函数,将输入变量模糊化。最后,设计一个模糊输入的三层前馈神经网络进行训练评定电力系统的负荷能力裕度。     

多OLTC协调动作对电压稳定影响的定量评估方法

为定量评估复杂系统中多台有载调压变压器(OLTC)调节对系统电压稳定的影响,根据非线性方程极值分析原理,推导出了网络传输功率极限的必要条件,提出可以评价负荷节点电压稳定性的法向阻抗模裕度指标(NIMMI)。基于法向动态等值阻抗模,提出了可以动态跟踪系统节点间联系紧密性程度的电气耦合系数指标。针对含OLTC的非线性电力系统特点,考虑变比的影响,在牛顿-拉夫逊法求解潮流方程组的基础上,对初始状态下使潮流计算收敛的雅可比矩阵进行修正,计算节点动态等值参数,并进一步提出了计及负荷特性和OLTC调压效应的NIMMI。所提出的NIMMI能精确地量化分析复杂系统中多OLTC协调动作对电压稳定的综合影响,可以作为全网OLTC协调动作方案及变比调节范围的合理性评价依据。电气耦合系数指标能准确有效地识别出电压失稳速度较快的关键节点。最后,通过IEEE 14节点系统的仿真结果验证了分析方法的有效性和正确性。     

电力系统节点电压稳定指标的研究

在某一时间断面上,利用同步相量测量单元测得母线电压、支路潮流等实时电气量,根据局部网络等值方法求出系统的等值参数,在此基础上分析系统潮流计算中的电压二次方程,即可得到一种节点电压稳定指标Lbs(n)。在节点电压稳定时,Lbs(n)的值大于1,Lbs(n)S(S为节点n的负荷视在功率幅值)反映的是该系统状态下节点n的输出功率极限,[Lbs(n)-1]S反映的是节点n的输出功率裕度。比较各节点的Lbs(n)值,最小值所对应的节点即为系统的最薄弱节点,取该节点Lbs(n)值作为系统的电压稳定指标Lbs。如果系统的电压稳定指标趋近1,则表明系统临近电压崩溃。IEEE-14节点仿真分析结果表明,该方法简单、快速,可有效判断系统的电压稳定性,适于电力系统电压稳定性的实时监控。     

基于模糊神经网络的电力系统电压稳定评估

设计了一个多输入单输出的模糊神经网络,通过计算带静止无功补偿器电力系统的负荷能力极限,对系统的电压稳定性进行评估,有功与无功负载的不确定性、有功与无功发生器、母线电压以及SVC的参数都被考虑进来.首先,Kohonen自组织变换聚类所有节点的有功和无功负荷来减少输入量个数,这样就限定了网络的大小减少了计算量.其次,采用一种混合非线性隶属度函数,将输入变量模糊化.最后,设计一个模糊输入的三层前馈神经网络进行训练评定电力系统的负荷能力裕度.     

保留电压可观节点降阶的系统受扰轨迹快速预测

为充分利用相量测量单元(PMU)的节点电压和支路电流量测量,提出了保留电压可观节点进行降阶以实现系统轨迹预测的方法。给出了电压可观节点的定义,阐述了准确跟踪系统网络拓扑的方法,在系统受扰后先根据网络拓扑进行节点电压可观性分析以确定保留节点,然后在边界节点引入等效动态元件来反映原系统的动态特性,等效元件的类型由降阶前动态元件的分布情况确定。在得到降阶后系统各元件参数后,引入PMU量测量作为初值,实现多机系统受扰轨迹预测。理论分析和仿真结果表明,所述方法能够取得良好的预测效果。     

基于VST的电压稳定分岔分析

介绍了一种新颖的基于Matlab的电压稳定分岔分析工具包—电压稳定工具包(voltage stability toolbox,VST)。详述了该工具包用户友好图形接口界面和源代码开放的特点。基于数值和符号计算,该工具包采用Newton-Raphson和Newton-Raphson-Seydel的组合算法,旨在研究电力系统中的电压稳定和分岔问题,其主要功能包括潮流计算、分岔分析、奇异性和特征根分析、动态时域仿真等。VST非常有助于理解电力系统的电压稳定和非线性分岔现象,使用该工具对一个3机5节点系统和IEEE 30节点系统进行仿真,结果验证了该工具包用于电压稳定分析的实用性和有效性。     

NEURAL NETWORK APPROACH TO DYNAMIC VOLTAGE STABILITY PREDICTION

ABSTRACT

The application of artificial neural network (ANN) on dynamic voltage stability analysis is presented. Two ANN models have been utilized, in which the first ANN model is used to classify the power system as to whether it is dynamically stable or unstable. Then the second ANN model is used for the dynamically stable system to predict the voltage magnitudes at load busbars. Both ANN models are based on the multiperceptron model, and the training is done using the error back propagation scheme. The training set patterns are generated by carrying out dynamic simulations, using induction motor and constant P-Q load models. This paper highlights the method for selection of the optimum number of training sets so as to minimise the time taken in the ANN learning process. The performance of the ANN models have been tested and shown to give good results.     

神经PID控制在SVPWM整流器VFDPC中的应用研究

分析了PWM整流器虚拟磁链直接功率控制(VFDPC)的工作原理,得出了基于虚拟磁链观测的瞬时功率估算式。设计了2个高通滤波器级联构成的二阶环节代替纯积分器滤除直流分量来解决虚拟磁链观测中存在的因积分初值选取不当造成的直流偏移问题。为提高PWM整流器直流电压稳定性,在电压外环设计了神经PID控制器。仿真结果表明,与传统PID控制相比,基于神经PID控制的SVPWM整流器直接功率控制系统直流侧电压稳定、动态性能更好。     

微型水力发电机组的T-S模糊神经网络控制器

随着能源短缺现象的加剧,全球能源互联网的提出,微型水力发电越来越被人们重视。详细分析了模糊控制、神经网络以及TS模糊神经网络结构和算法,针对微型水力发电机系统的非线性和时变性的特点,构件了微型水力发电机组的T-S模糊神经网络控制器,采用MATLAB/Simulink仿真软件,在动态负载条件下对该微型水力发电机组进行仿真,分析了突甩负载和突加负载对机械功率、转子速度、频率和电压的影响,并与PID控制器进行比较。其仿真结果表明,所建立的T-S模糊神经网络控制器动态特性模型符合工程实际,满足系统的稳定性要求,具有良好的稳定性和鲁棒性。     

基于DSP的逆变器神经网络控制

针对传统的基于最优消谐波理论的逆变器，采用了一种全新的神经网络控制器。当系统工作时，由基于DSP的在线神经网络实时调节逆变器输出电压的大小；同时各功率管的开关角由另一个神经网络通过最优PWM最优开关角的拟合，由DSP直接诸出来。整个控制系统具有结构简单、反应灵敏、调压精确、输出电能质量高，控制系统全数字化的特点。     

基于MATLAB的模糊神经网络高压直流输电换流控制器的研究

在研究模糊逻辑控制技术、神经网络技术和高压直流输电（HVDC）系统的基础上，从原理上说明，对换流器两侧都采用模糊神经网络控制能有效地提高交流一直流（AC/DC）系统的动态特性和恒定性。整流侧和逆变侧分别提取直流线路电流、电压误差及其变化率作为模糊控制器的输入，输出作为神经网络的输入，分别控制电流和电压。用MATLAB对一典型12脉冲桥高压直流输电系统在传统控制和模糊神经控制下分别进行仿真。结果表明。与传统控制方法相比，当直流线路或者单相交流线路发生接地故障时。模糊神经控制能改善换流站直流电流和直流电压的恒定性，而且提高了交直流系统的暂态稳定性，并且双侧模糊逻辑控制要比单侧模糊逻辑控制效果好。     

Wavelet based feature extraction of voltage profile for online voltage stability assessment using RBF neural network

Online voltage stability assessment is one of the vital requirements for intricate electric power systems. Due to the restructuring and liberalization, modern power systems tend to operate close to their stability limits with small security margin. In such environment, online voltage stability evaluation plays a significant role in secure operation of power systems. This paper presents a new approach for estimating voltage stability margin VSM, based on application of wavelet feature extraction method to network voltage profile. Voltage profile is adopted as the original input data for VSM estimation, because it contains sufficient information concerning network topology, load level, load-generation patterns and all system controllers. In this approach, in order to provide high discrimination between network voltage profiles, Multi-Resolution Wavelet Transform (MRWT) is utilized to extract the features of voltage profiles. Also, in order to eliminate the redundant features, principle component analysis (PCA) is used to select the most relevant features extracted by MRWT. Radial Basis Function (RBF) neural network is adopted to estimate system VSM using the dominant extracted features of the voltage profile by MRWT and PCA. Using voltage profile as the original data makes the proposed approach capable of estimating system VSM in both static and quasi dynamic conditions. The proposed approach has been implemented in New England 39-bus test system with promising results demonstrating its effectiveness and applicability.     

动态神经网络对功率放大器的建模方法及要点

为了使基于神经网络的功率放大器的行为级建模变得更加灵活且易于实现,主要介绍了动态神经网络应用于功率放大器的建模方法及要点。首先简单介绍了动态神经网络的模型和理论,然后说明了对功率放大器进行建模时所采用的方法。重点讲述了动态神经网络对功率放大器建模过程中的几个要点,包括:如何选择动态神经网络隐层神经元数目和导数阶数、如何确立功率放大器输出电压表达式、长期记忆效应的建模、动态神经网络在仿真软件中收敛性等问题。注意这些要点之后,神经网络模型仿真结果会具有良好的收敛性和准确性,这样就能快速地完成功率放大器的建模以应用到实际系统的设计和优化之中。     

基于KOHONEN神经网络的电力系统负荷动特性聚类与综合

提出了应用Kohonen神经网络解决电力负荷动态特性的聚类问题：首先对每组负荷扰动数据建模，进而将各负荷模型对相同电压激励的响应与相应的负荷有功运行水平合并形成特征向量，最后引入Kohonen神经网络进行聚类。通过对河北沧州地区1996年、1997年和1998年电力负荷特性数据的聚类与综合处理发现：Kohonen神经网络是一种学习速度快、分类精度高、抗噪声能力强、并且适用于电力负荷动态特性聚类的神经网络模型。同时还发现电力负荷特性具有可重复性，这也证明了总体测辨法的可行性。若将这些典型负荷模型实用化，将有利于提高电力系统仿真准确度。     

On-line voltage stability assessment using radial basis function network model with reduced input features

In recent years, voltage instability has become a major threat for the operation of many power systems. This paper presents an artificial neural network (ANN)-based approach for on-line voltage security assessment. The proposed approach uses radial basis function (RBF) networks to estimate the voltage stability level of the system under contingency state. Maximum L-index of the load buses in the system is taken as the indicator of voltage stability. Pre-contingency state power flows are taken as the input to the neural network. The key feature of the proposed method is the use of dimensionality reduction techniques to improve the performance of the developed network. Mutual information based technique for feature selection is proposed to enhance overall design of neural network. The effectiveness of the proposed approach is demonstrated through voltage security assessment in IEEE 30-bus system and Indian practical 76 bus system under various operating conditions considering single and double line contingencies and is found to predict voltage stability index more accurate than feedforward neural networks trained by back propagation algorithm and AC load flow. Experimental results show that the proposed method reduces the training time and improves the generalization capability of the network than the multilayer perceptron networks.     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。