大区联网条件下天津电网低频振荡分析

低频振荡问题是大区联网下系统稳定中的一个重要问题，文章利用特征分析和prony检测相结合的方法完成了华北、华中、山东、川渝联网系统中天津电网的低频振荡分析工作。求出了与天津电网相关的低频振荡模式，特别是弱阻尼低频振荡模式。并提出了增强系统阻尼，改进系统小干扰稳定的方法和措施。     

基于深度信念网络的短期负荷预测方法

电力系统信息化的发展及配电网中分布式电源和电动汽车的大量接入,增加了用电模式的复杂性,对负荷预测的精确度和稳定性提出了更高的要求。提出了一种基于深度信念网络的短期负荷预测方法。该方法包括深度信念网络的构建、模型参数的逐层预训练和微调,以及模型的应用等步骤。在模型参数预训练过程中,采用高斯—伯努利受限玻尔兹曼机(GB-RBM)作为堆叠组成深度信念网络的第1个模块,使其能够更有效地处理对负荷有影响的多类型实值输入数据;并采用无监督训练和有监督训练相结合的部分有监督训练算法进行预训练;利用列文伯格—马夸尔特(LM)优化算法微调预训练阶段得到的网络参数,使其更快收敛于最优解。最后,以实际负荷数据进行算例分析,结果表明,在训练样本较大且负荷影响因素复杂的情况下,所提方法具有更高的预测精度。     

天津220kV主网双母线事故处理思路探讨

结合天津220kV环网保护配置特点,对220kV母线事故处理思路进行详细分析,提出事故后恢复送电的优选方案。     

如何提高调度人员的事故处理能力

文章列举了影响调度人员事故处理能力的主要因素,并结合对两次事故处理过程的分析,提出了提高调度运行人员事故处理能力的措施。     

基于聚类分析的电力系统暂态稳定故障筛选

提出了一种基于聚类分析的电力系统暂态稳定故障筛选方法.该方法建立在模糊C-均值(FCM)算法和矢量量化(VQ)方法的基础上,结合了两种聚类分析方法的优点,通过选择故障后系统的能量裕度作为特征变量之一,有效提高了故障筛选的准确性.采用新英格兰10机39节点系统和IEEE 50机145节点系统进行的测试证明了该方法的有效性.     

基于变分模态分解和多模型融合的用户级综合能源系统超短期负荷预测

针对用户级综合能源系统(integrated energy system,IES)多元负荷波动性和随机性较强、精确预测难度较大的问题,提出了一种基于变分模态分解(variationalmode decomposition,VMD)和多模型融合的超短期负荷预测方法。首先采用VMD将IES各类负荷序列分解成不同的本征模态函数(intrinsicmodefunction,IMF);然后将各IMF结合气象信息构造不同的特征集,分别输入支持向量回归机(support vector regression,SVR)、长短期记忆(long short-term memory,LSTM)网络和一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)进行预测;最后,将3个模型的预测结果输入SVR进行融合得到最终的预测值,并采用和声搜索(harmony search,HS)算法优化SVR的参数。通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提出的多模型融合方法优于单模型预测方法,对电、冷、热负荷均具有最好的预测精度。