基于系统与元件动态交互量化分析的电力系统连锁故障事故链识别方法

针对现有的连锁故障事故链搜索方法一般只考虑线路的过负荷保护或确定性模拟保护控制的动作等不足,提出了基于系统与元件动态交互量化分析的电力系统连锁故障事故链识别方法。该方法基于事故链模型,提出关键元件保护控制动作评估指标,用于量化关键元件保护控制的动作情况。进一步根据该指标计算临界情况下关键元件保护控制的动作概率,确定连锁故障事故链的后续事件。最后,基于风险指标筛选高风险连锁故障事故链。对2017夏高峰负荷情况下的某实际电网进行仿真,结果验证了所提方法的可靠性和有效性。     

回溯自适应匹配追踪电能质量信号重构方法

为改善电能质量暂稳态信号重构性能,提出了基于压缩感知理论的回溯自适应匹配追踪的电能质量信号重构方法,对电能质量信号进行处理。在自适应匹配追踪的基础上改变一个回溯步骤,初选出满足条件的候选集,然后在终选步骤中利用回溯功能,剔除系数相对较小的原子,所以该方法能够灵活地删除一些被在初选时被错误选择的原子,有着更好的稀疏信号重构和逼近性能。另外该方法无需先验信号的稀疏度,具有稀疏度自适应能力。仿真实验结果表明,10种电能质量信号的压缩重构精度都在97.63%以上,能量恢复系数要高于99.57%,信噪比高于31.42dB,均方误差百分比在2.31%之内,都能达到很好的性能指标。     

正则化自适应匹配追踪电能质量数据重构方法

为了有效改善传统方法应用在电能质量信号的采集和压缩方面所面临的资源浪费以及重构性能较差等问题,提出了一种基于正则化自适应匹配追踪的电能质量数据重构方法,此方法利用压缩感知理论,对电能质量信号进行采样和压缩并行处理。首先,对感知矩阵中的原子进行一次挑选并且计算相关系数,将挑选出的原子索引值存入至候选集中。然后,在电能质量信号稀疏度K不作为先验条件的前提下,对候选集中原子的数目进行自适应地调节,并运用正则化的处理过程完成支撑集的二次挑选,用步长逐步逼近信号的稀疏度进而准确重构出电能质量原始信号。仿真实验结果表明,信号的重构精度高于98.2%,并且能够保存原始电能质量信号大部分能量,重构信噪比高,均方误差小。