共查询到19条相似文献,搜索用时 62 毫秒
1.
结合人工神经网络(ANN)和短时数字仿真提出一个用于在线暂态安全评估的事故筛选方法 ,将3层BP网络作为模式分类器,用来建立稳定评估结果和所选特征量之间的映射关系 。在故 障切除时刻终止的短时数字仿真被用来生成ANN的输入量,每个ANN处理一个特定的事故状态 。使用一个半监督学习算法,ANN可产生一个能够指示相对稳定度的连续分布的暂态稳定指 标。基于这个连续分布的稳定指标,设置一个相对保守的分类门槛值,避免了不安全状态的 漏报。10机新英格兰电力系统的应用结果证实了该方法的有效性。 相似文献
2.
3.
用于暂态稳定评估的人工神经网络输入空间压缩方法 总被引:16,自引:7,他引:9
应用粗糙集理论中的决策表化简技术,提出了一种压缩人工神经网络(ANN)输入空间的方法,改善了ANN用于电力系统暂态稳定评估(TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据,采取了3种离散化方法:等频法、等距法和最大熵法。用10机39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为11个,利用粗糙集化简方法抽取出6个关键特征变量,样本集压缩了45.5%,而ANN稳定分类器的判别效果并没有因此受到影响。 相似文献
4.
在线暂态安全稳定评估的分类滚动故障筛选方法 总被引:1,自引:0,他引:1
为满足在线暂态安全稳定评估对计算时间的要求,提出了基于模式和裕度估算的在线暂态安全稳定故障筛选方法。分别基于上一轮在线暂态安全稳定评估结果中各个预想故障的暂态功角稳定、暂态电压跌落安全、暂态电压稳定和暂态频率偏移安全的裕度及模式信息,并结合各个故障安全稳定模式中相关元件的潮流变化和投/退等信息,估算出新一轮在线暂态安全稳定评估所对应的运行状态下各个故障的暂态安全稳定裕度,并确定其相应的安全稳定模式,从而筛选出本轮在线暂态安全稳定评估需详细计算的预想故障子集。通过对实际电网在线数据的仿真分析,验证了所述方法的有效性和实用性。 相似文献
5.
基于统计学习的模糊暂态稳定事故筛选与排序 总被引:3,自引:0,他引:3
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. 相似文献
6.
为避免在暂态稳定分析中稳定与不稳定状态的漏报,文中结合模糊子集理论和高阶Taylor级数,提出了一种用于在线暂态安全分析的快速事故筛选方法。该方法首先定义了7种 反映事故严重程度的性能指标,并把它们作为模糊隶属函数的组合特征输入量,然后通过多 元 多变量的模糊隶属函数,产生一个能够指示相对稳定裕度的连续分布的暂态稳定指标。基于这个连续分布的稳定指标,可为运行人员提供3条带,即“绝对”稳定带(稳定指标大)、“绝 对 ”不稳定带(稳定指标小)、“模糊”带(稳定指标处于中间值,即稳定与不稳定边界地带 ),有了这3条带,就可对预想事故进行快速的暂态稳定识别。计算仿真结果表明了该方法 的快速性、可靠性和有效性。 相似文献
7.
用于暂态稳定评估的人工神经网络输入特征离散化方法 总被引:6,自引:2,他引:6
针对基于人工神经网络的暂态稳定评估数据预处理中的数据离散化进行了深入的研究,提出了一种基于信息熵和粗糙集理论的输入特征离散化新方法:通过对样本空间的聚类分析筛选出各条件属性在离散化过程中的可用断点;利用信息熵的相关概念,构建各条件属性的候选断点集;采用粗糙集理论中决策表不相容度的概念,检测出各条件属性间的最优断点组合。算例表明:该方法在保证暂态稳定评估精度的前提下,能有效地压缩训练样本集,减轻神经网络的训练负担,为基于神经网络的大系统暂态稳定评估提供了新思路。 相似文献
8.
暂态稳定仿真的综合人工智能方法 总被引:5,自引:3,他引:5
研究了利用综合人工智能进行暂态稳定仿真的方法:利用神经网络训练动态元件的输入输出关系,同时,利用遗传算法优化神经网络的结构和加快神经网络的训练速度,算例结果表明,利用遗传算法和神经网络相结合的综合人工智能方法暂态稳定仿真比传统的时域仿真计算速度快,并能保持较高的精度,可以有效地提高暂态稳定仿真的实时性。 相似文献
9.
电力系统暂态稳定快速仿真方法 总被引:1,自引:0,他引:1
本文着重研究电力系统暂态稳定快速仿真方法。在采用简单模型和分段线性化的基础上,通过适当的坐标变换,导出了一种直接求解仿真方法,并提出了一种基于后验误差的自动步长控制方法;结合隐式梯形积分规则,推导出了一种递推求解仿真方法。理论分析和仿真计算表明,这两种新方法计算简便快速,可快速“扫描”电力系统暂态过程,为电力系统暂态稳定实时仿真提供了一个有力工具。 相似文献
10.
11.
12.
基于人工智能的大系统分层在线暂态稳定评估 总被引:7,自引:0,他引:7
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。 相似文献
13.
暂态稳定性分析的自动事故选择方法 总被引:6,自引:2,他引:6
提出一种暂态稳定性分析的自动事故选择方法。定义了六种反映事故严重 程度的性能指标并给出了相应的算法。各性能指标的计算简单快速,可以作为 事故选择的依据。文中还推荐采用事故的最大摇摆角排序表进行事故选 择的方法。算例表明,两种方法分别适 用于离线与在线计算的场合。 相似文献
14.
在线电压稳定性评估中事故筛选和排序方法的研究 总被引:16,自引:5,他引:16
事故筛选和排序是在线电压稳定性评估的一个重要部分,其目的是按照电压稳定性的标准快速而准确地在大量可能的预想事故中选择出少部分危险性较大的事故,并按照其严重程度排序,对于影响系统性能的事故可以采取适当的预防或校正控制措施。该文以电压崩溃点和现有运行点之间的裕度作为电压稳定性的标准,将迭代过滤筛选技术和改进广义曲线拟合法结合起来,构成了一种新的事故筛选和排序方法。这种方法采用迭代过滤技术进行筛选,快速地在大量可能的预想事故中选择出少部分危险性较大的事故,然后采用改进广义曲线拟合法对这少部分较严重的事故进行排序。通过四川某一实际电网(301个节点)和电科院EPRI36节点系统2个算例,证明了该方法的有效性,可以应用于在线电压稳定性评估方案中。 相似文献
15.
16.
基于高度并行松弛牛顿方法的暂态稳定性实时分析计算的并行算法 总被引:14,自引:4,他引:10
汪芳宗 《中国电机工程学报》1999,19(11):14-17,27
介绍一种新的用于大规模电力暂态稳定性实时分析计算的高度并行松弛牛顿方法。较详细地描述了用于暂态性计算的时间- 并行松弛牛方法以及用于收缩导纳矩阵计算的空间并行松弛牛顿方法。并指出,该方法是以电力系统经典模型为基础导出的,但其基本思路完全可以推广应用于电力系统详细模型,关于该方法的算法分析比较,以及实际装配和验证另文发表。 相似文献
17.
复杂电力系统实时暂态安全分析的动态矩阵等值方法 总被引:5,自引:1,他引:4
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 相似文献
18.
自组织映射神经网络用于暂态稳定性分析的研究 总被引:8,自引:3,他引:8
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。 相似文献