基于WAMS受扰电压轨迹簇特征的电力系统暂态稳定性预测

为了能够实现快速实时的暂态稳定性预测,提出了一种基于故障后发电机端电压受扰轨迹簇特征的电力系统暂态稳定性预测方法。首先通过WAMS系统获取故障后发电机端电压受扰轨迹簇信息,利用电压轨迹簇的几何属性定义了29个特征指标,然后利用Relief算法从中筛选出与系统暂态稳定性密切相关的广域故障特征指标子集,并利用支持向量机(SVM)构造电力系统暂态稳定性预测器。以新英格兰10机39节点系统为例,对所提出的暂稳预测器的性能进行了大量测试。结果表明,相较于已有研究应用故障后发电机电压数据进行的暂态稳定性预测,所提出的基于广域故障特征的暂稳预测器能有效提高电力系统暂态稳定性预测的准确性(预测准确率由94%提高到96%以上)。另外,特别是对于不完全WAMS信息的暂稳预测、对未知运行方式和未知拓扑结构的电力系统暂稳预测具有独特的优势,显著提高了暂稳预测系统的鲁棒性(预测准确率均能达到94%以上)。     

基于时间序列关联分析的稳定运行规则提取方法

提出一种考虑运行方式变化时序的稳定规则提取方法。利用主成分分析进行敏感特征提取。对传统方法在数据标准化中存在的问题,通过数据均值化处理,保留原数据中各变量变异程度的差异信息,实现在保证原始数据分类识别     

暂态稳定多故障协调预防控制策略在线计算方法

提出一种电力系统暂态稳定多故障约束预防控制策略计算方法。通过预想故障位置拓扑分析,对失稳故障进行解耦;依据故障严重程度制定合适的多故障调整时序,将多个故障约束的预防控制问题分解成若干个单一故障的稳定控制决策问题,最终得到满足所有暂态稳定约束的预防控制调整策略。调整过程兼顾预防控制的经济性。结合并行计算技术,使算法具备在线应用可行性。仿真算例证明了所提控制策略计算方法的正确性。     

基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估

为了提高支持向量机(Support Vector Machine, SVM)的分类性能,提出了根据关键样本集构造的SVM综合分类模型进行电力系统暂态稳定评估的方法。给出了基于不同特征量的SVM综合分类模型的构建方法、关键样本集的产生方法以及基于综合分类模型和关键样本集的SVM分类步骤。采用3机9节点典型算例和某省级电网算例进行分类效果分析。分析结果表明,所提出的基于SVM综合分类模型和关键样本集的方法,相较于传统SVM方法,大幅度减少了将不稳定样本判定为稳定的漏分类数,提高了SVM方法的实用性。所提出的基于关键样本集构造分类模型的思路对于其他数据挖掘方法也有一定的借鉴意义。     

基于灵敏度分析和时域仿真的暂态稳定预防控制优化方法

根据临界切除时间灵敏度将暂态稳定约束条件线性化,简化了考虑暂态稳定约束的最优潮流(TSCOPF)问题的求解过程,为暂态稳定预防控制优化问题提供了一种新的解决方案。针对大系统临界切除时间灵敏度计算费时的实际问题,采用线路有功功率灵敏度筛选待调发电机的方法和并行计算技术以提高计算效率。WSCC 9节点系统标准算例和SGCC 9 177节点电网算例的仿真结果表明,所提方法具备良好的优化效果和工程实用性。     

改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用

基于机器学习技术的电力系统暂态稳定评估方法中,输入特征提取的是否合理往往决定了最终的分类效果。然而,目前却缺乏一种工具去评价选择的输入特征是否具有可分性。鉴于此,引入Sammon映射算法将高维样本数据映射到低维空间中,通过观察映射点的分布情况判断提取的特征是否有效,并针对原算法的不足之处进行改进。首先利用主成分分析法(principal component analysis,PCA)求出包含原始数据信息最多的前两维主成分向量,代替原算法随机取值的方法,作为映射点坐标向量的初始值。然后,采用迭代修正法求解最终的映射点坐标向量,加快了求解速度。最后,以改进Sammon映射算法作为工具,分析IEEE 39节点系统的仿真数据和某地区实际在线历史数据提取特征的有效性,证明该算法在指导特征选择中具有良好的应用前景。     

大型互联电网交流计划潮流算法

在中国电网,交流计划潮流计算是校核计划安全性的重要基础。该文提出适用于大型互联电网的交流计划潮流算法。首先确立计算必须遵循的忠实性、分区域、真实性和可选择等4个原则;然后给出基于多断面控制法的实现方案。提出分阶段逐步逼近有功计划的方法,并给出3种不同的不平衡功率分配方式;提出以相似潮流中无功分布为初值并根据有功潮流相似度决定参数变化范围的无功调整方法。所提算法的有效性用 IEEE 39节点和中国国家电网的算例进行了验证。所提算法收敛性强,能给出与计划值和电网实际情况高度接近的潮流结果,具有良好的推广应用价值。     

基于电压崩溃指数的极限传输容量实用计算方法

提出了一种基于电压崩溃指数的极限传输容量计算模型和实用化算法。该方法与传统连续性方法相比具有如下四个特点:以原始牛顿法为潮流计算核心,不会出现连续潮流扩展雅可比矩阵奇异的现象;根据雅可比矩阵信息计算相应的电压崩溃指数,该参数可以引导整个状态推演过程,将系统负荷(或发电)状态准确定位至功率极限点;利用雅可比矩阵信息自动选取合适的状态推演步长,确保全网负荷(或发电)变化能够准确地向系统临界点逼近;整个推演过程以雅可比矩阵为计算核心,不需要每步状态推演都有完整的牛顿迭代过程,从而使计算速度大幅提升。对诸多系统的数值分析表明,该方法在保证计算结果准确性的前提下具有较高的计算效率。     

考虑大规模集中接入风电功率波动相关性的在线概率安全评估

由于风电功率的波动性和不确定性,大规模风电集中接入对电网安全有很大影响。提出了一种在线概率安全评估方法,能够实时评估大规模集中接入风电的不确定性对电网安全的影响。因为应用风速概率分布和风电功率预测误差概率分布模拟在线风电功率的不确定性有很多困难,所以基于风电出力历史数据研究了风电功率超短期波动的概率分布,并采用Copula函数对多个风电基地功率波动的相关性进行了详细模拟。基于风电功率历史数据,所提方法能够给出短期内可能发生的风电基地的功率波动组合,进而进行概率安全评估计算,在线评估风电功率波动对电网安全的影响。为了提高计算速度,应用多维离散模型简化多风电基地功率波动的联合概率分布。通过在某风电集中接入的省级电网进行实际应用,验证了所提方法的有效性和必要性。     

基于两阶段支持向量机的电力系统暂态稳定预测及预防控制

针对数据驱动的电力系统暂稳分析,考虑到安全域概念下的暂稳预测和预防控制对输入特征的不同要求,以及充分兼顾数据挖掘模型的直观性与准确性,该文提出两阶段支持向量机用于暂稳预测及预防控制。在第一阶段,采用可控特征和直观模型挖掘运行方式与暂态稳定的内在联系,并用于制定预防控制策略;第二阶段,采用复杂模型构建准确率高的暂稳预测模型;此外,第一阶段模型能够为第二阶段的暂稳预测模型的训练提供样本筛选的依据,从而缩短了预测模型的训练时间。仿真分析表明,经过数据缩减后,预测模型的训练时间大大缩短,所得模型仍具有较高的准确率;当系统被判断为不安全时,可提供发电机有功调整的预防控制措施,以保证电力系统安全稳定运行。