配电网故障定位的一种新算法

提出了一种适用于多电源复杂配电网的故障定位的新算法。首先根据网络中开关的连接关系和假定的方向建立一个网络描述矩阵D。从FTU得到有关故障过电流及其方向的信息，并加入到D中对角线元素上，就可以得到故障判别矩阵D_p。依据D_p中的相关元素的值就可以快速而有效地判别出故障区域。该算法无需进行矩阵相乘的繁琐运算，且当电源数增加时，程序无需进行相应的规格化调整。  

配电网故障区间定位的高级遗传算法

依据故障过流信息的配电网故障定位方法在有畸变信息时会造成误判，遗传算法因其高容错性能而在配电网故障定位分析中受到了重视，但是，数学模型（即评价函数）的构造是使用遗传算法的主要瓶颈。故此，提出一种新的故障定位数学模型，并以此模型为评价函数开发出高级遗传算法，该算法有2个主要特征；（1）改进了传统的数学模型，使其不致误判，并改善了方法的容错性；（2）不仅适用于单电源情况，且可用于多电源多重故障的复杂情况。本算法更适于复杂配网情形，仿真算例表明了算法的有效性。  

考虑电力系统潮流直接可解的同步相量量测单元最优配置

基于全球定位系统(Global Positioning System,GPS)的同步相量量测单元(Phasor Measurement Unit,PMU)是一种新型的量测装置,该装置可以直接量测节点电压相量.文章在电力系统潮流直接可解概念的基础上提出了采用遗传算法解决PMU的最优配置问题.数学模型(即评价函数)的构造是采用遗传算法的主要瓶颈,文章建立了PMU最优配置的数学模型,并以此模型为评价函数开发出相应的遗传算法.算例结果表明文章所建立的模型和采用的算法是有效的.  

基于量测残差的改进参数估计方法

电网参数错误将影响状态估计的质量，并降低能量管理系统中其他高级应用软件的实用化程度。文中简要介绍了主要的参数估计算法，并详细分析了基于量测残差和参数误差间灵敏度关系的参数估计方法。在总体沿袭两步法参数估计方法的基础上，对该方法的近似模型进行了详细分析。为使算法具有更广的适用面，对第1步中偏差向量的计算和第2步中参数的估计方法分别进行了改进。对该算法进行了测试，结果表明，该方法具有良好的应用前景。  

基于主导和非主导参数的参数可估计性辨识

通过对参数估计应用难点的分析，介绍了参数的可估计性问题。借助电网线性模型的近似分析，提出了参数估计中的主导参数和非主导参数概念。据此解释了参数估计实践中遇到的一些现象，并得出了关于参数估计软件运行方式等的相关结论。根据非主导参数易受量测噪声影响的特点，提出了通过噪声敏感试验的方法辨识主导及非主导参数的方法。对IEEE算例进行了仿真实验，验证了文中提出的参数估计时应去除非主导参数的观点。  

基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型

空间相关法利用空间相关点风速数据之间的相似性和延时性进行风速预测,但在实际应用中存在数据收集困难的问题.提出用空间平移法对空间相关法进行改进,通过减少空间相关点的数目,可有效地降低数据收集难度.为了确定空间相关点风速与所需预测的风电场风速数据之间的非线性关系,采用径向基(RBF)神经网络,建立了基于空间相关法的分时预测模型.该方法通过对风电场与空间相关点风速时间序列之间的关联度分析,将未来预测时段分成若干个时段,在每个时段内分别选择关联度高的相关点的风速数据,作为RBF神经网络的输入数据进行训练和预测.算例表明,该方法可提高风电场风速预测的预测精度,减少了RBF神经网络的训练时间.  

基于粒子群支持向量机的短期电力负荷预测

在分析支持向量机SVM(Support VectorM ach ine)回归估计方法参数性能的基础上,提出粒子群算法PSO(Partic le Swarm Optim ization)优化参数的SVM短期电力负荷预测模型。PSO算法是一种新型的基于群体智能的随机优化算法,简单易于实现且具有更强的全局优化能力。用所建立的负荷预测模型编制的M atlab仿真程序,对某实际电网进行了短期负荷预测,结果表明预测精度更高。  

基于全寿命周期成本的配电网蓄电池储能系统的优化配置

蓄电池储能具有效率高、使用寿命长、对地理条件要求低等优点,其额定功率和额定容量可以独立配置。以配电网中蓄电池储能系统全寿命周期内总的净收益最大为目标,研究配电网中蓄电池的配置和各时段充/放电值的优化,综合考虑了储能套利收入、政府电价补贴收入、减少电能转运费、延缓电网升级以及全寿命周期成本等因素。建立了蓄电池储能系统配置的混合优化模型,提出一种基于差分进化和预测-校正内点法的混合算法并进行求解。最后,算例测试比较了钠硫电池、全钒液流电池、多硫化物/溴液流电池、铅酸电池和锂离子电池的配置和净收益,分析了影响经济效益的指标,为蓄电池的配置规划提出了建议,并验证了所建模型和求解算法的可行性。  

基于量测量突变检测的新方法

在量测量突变检测的基础上，利用模糊数学中的ISODATA方法和隶属度概念来判定不良数据，说明该量测以多大程度属于或不属于不良数据；对ISODATA方法进行了改进，采用加权形式的ISODATA方法，对量测值进行了模糊聚类分析，并提出了一种不良数据检测的新方法，得到了较好的检测效果。