暂态稳定概率评估的蒙特卡罗方法

提出了用蒙特卡罗(Monte Carlo)方法进行电力系统暂态稳定概率评估的基本框架。这种评估要进行2种模拟：涉及故障事件的系统状态的概率模拟和系统状态的暂态稳定模拟。文章着重讨论了故障的概率模型及其Monte Carlo模拟方法，给出了2种研究情况的步骤：第(1)种情况是评估由于系统不稳定所造成的系统平均风险指标；第(2)种情况是对于一个给定的故障，建立系统不稳定概率和一个系统运行条件的定量关系。所给的例子表明，文中提出的方法可为电力公司控制中心需要的系统安全运行条件提供十分有用的信息。该方法已在加拿大一实际电力系统中应用。     

电力系统暂态稳定概率评估新策略

提出一种基于修正暂态能量函数法的暂态稳定概率评估新策略。该策略的优点在于:它只需对系统中很小一部分的严重故障进行暂态稳定计算,求取其临界切除时间,因而能够极大地减少计算量,提高暂态稳定概率评估的效率。在159机1660节点的华北电力系统上的算例说明了该评估策略的有效性和实用性。     

蒙特卡罗法在电力系统暂态稳定评估中的应用

随着电力系统规模的扩大和运行环境的日益复杂,基于概率的暂态稳定评估计算对于电力系统的规划和运行具有重要的意义。本文基于大电网的暂态稳定分析特点,对蒙特卡罗的状态采样、误差分析与收敛判据等关键内容进行了研究,提出概率暂态稳定性故障抽样模型、评估量化指标,以及基于蒙特卡罗方法的暂态稳定性评估流程。通过南方某省级电网实际算例分析,验证了所提方法在大电网暂态稳定性评估应用中的合理性和有效性。     

电力系统暂态稳定概率评估方法

提出了一种基于蒙特卡罗-支持向量机的电力系统暂态稳定概率评估方法。首先构建了一组包含电力系统稳定和故障信息的原始特征,经特征选择降维后作为支持向量机的输入,在训练集上进行10折交叉验证,研究了4种支持向量机,其中径向基核支持向量机具有优良的评估性能;然后采用非序贯蒙特卡罗模拟方法选择随机因素,径向基核支持向量机加速暂态稳定评估过程,利用累计分类结果计算电力系统暂态不稳定概率。新英格兰39节点测试系统算例表明,该方法能大幅减少模拟时间,满足暂态稳定概率评估的精度要求。     

基于交叠概率的暂态电压稳定评估特征选择

针对电力系统的高维特征量,提出了一种能有效降低维数的特征选择方法.该方法以最小概率落入类别间的不可判别区域为原则选取特征组合.算法核心在于特征组合过滤判据的确定,判据的形成基于样本点落入类别间交叠区域的概率,方法简易直观.针对系统的暂态电压稳定评估问题,首先构建了一组暂态电压稳定评估的原始特征属性集,将经特征选择降维后的特征组合作为决策树的输入,并用10倍交叉验证方法对评估结果进行验证.2个标准系统的算例表明,通过该方法对暂态电压稳定评估进行特征选择得到的特征属性组合在电压稳定评估的应用上具有更高的准确率     

基于动态安全域与埃奇沃斯级数的电力系统暂态稳定概率评估

电力系统暂态稳定概率评估是确定性评估的有益补充。以安全域概率稳定模型为基础,基于动力系统理论确定电力系统暂态稳定主导不稳定平衡点附近的动态安全域线性边界,并采用以半不变量为基础的埃奇沃斯(Edgeworth)级数展开获得随机变量加权的联合概率分布,从而构建电力系统暂态稳定概率模型。该模型能有效计及发电机的出力和内电势、负荷的有功和无功功率、故障类型、故障位置和故障切除时间等多个不确定性因素,不需要繁琐的公式推导,物理意义清晰,实现简单,计算效率高。经IEEE 10机39节点系统测试和蒙特卡罗(Monte-Carlo)模拟法的验证,表明所提模型和方法是有效可行的,具有广阔的工程应用前景。     

基于 Stacking元学习策略的电力系统暂态稳定评估

为提高电力系统暂态稳定评估单个模型的准确率,研究了基于元学习策略的暂态稳定评估问题,提出了支持向量机、决策树、朴素贝叶斯和K最近邻法作为基学习算法,线性回归为元学习算法的Stacking评估模型.该模型将上述基学习算法的概率榆出作为新训练数据的输入特征,同时保留原始的类标识.线性回归算法在新训练集上学习得到最终暂态稳定评估结果.新英格兰39节点测试系统和IEEE50机测试系统上仿真实现了该模型,仿真结果证明所提模型比单个模型的评估性能更好,为电力系统暂态稳定评估提供了新的思路.     

基于Stacking元学习策略的电力系统暂态稳定评估

为提高电力系统暂态稳定评估单个模型的准确率,研究了基于元学习策略的暂态稳定评估问题,提出了支持向量机、决策树、朴素贝叶斯和K最近邻法作为基学习算法,线性回归为元学习算法的Stacking评估模型。该模型将上述基学习算法的概率输出作为新训练数据的输入特征,同时保留原始的类标识。线性回归算法在新训练集上学习得到最终暂态稳定评估结果。新英格兰39节点测试系统和IEEE50机测试系统上仿真实现了该模型,仿真结果证明所提模型比单个模型的评估性能更好,为电力系统暂态稳定评估提供了新的思路。     

基于一维卷积神经网络的电力系统暂态稳定在线评估

传统电力系统暂态稳定评估基于时域仿真计算,计算复杂度高,难以在线应用。提出一种基于一维卷积神经网络的电力系统暂态稳定在线评估,可极大提升暂态稳定在线评估速度。通过马尔可夫链蒙特卡洛抽样算法进行电力系统运行状态模拟,生成大规模运行数据。通过电力系统时域仿真计算确定发电机最大功角差。将电力系统运行数据作为一维卷积神经网络的输入,发电机最大功角差作为输出,训练一维卷积神经网络。在线应用场景下,一维卷积神经网络可基于当前运行数据快速计算发电机最大功角差,实现暂态稳定性在线评估。新英格兰39节点系统验证了所提在线评估算法的可行性。     

电力系统暂态稳定评估组合模型的比较

组合模型能提高电力系统暂态稳定评估的分类性能。文中构建了12组输入特征,在IEEE 16节点和IEEE 50节点测试系统上生成了24个样本集。提出了一种测试分类综合指标。在24个样本集上比较了单个(神经网络、决策树、K最近邻法和支持向量机)和组合(装袋、提升、堆栈和随机森林)的暂态稳定评估模型测试指标发现,单个评估模型中,K最近邻法分类性能最好;组合方法均能提高分类性能,其中随机森林分类性能最好,其次是堆栈(支持向量机、K最近邻法、决策树)、提升-决策树和装袋-决策树。     

基于蒙特卡罗方法的大型电力用户电压暂降评估

为评估和解决用户节点的电压暂降问题,采用蒙特卡罗随机模拟方法对节点电压暂降进行评估,在不同的线路故障概率模型下,运用HyperSIM仿真工具计算和分析故障对用户节点电压暂降的影响程度,判断电网的薄弱环节,从而为电网改造和确定缓解装置的安装位置提供思路。通过对实际电力系统进行仿真,计算得到了负荷节点电压暂降幅值的期望值,找到了对负荷节点电压影响最大的环节,为进行电网规划调度提供了参考。     

大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法

提出大型电力系统可靠性评估的一种新的蒙特卡洛模拟方法-马尔可夫链蒙特卡洛方法(Markov chain Monte Carlo, MCMC)。MCMC方法是一种特殊的蒙特卡洛方法,它将随机过程中的马尔可夫过程引入到蒙特卡洛模拟中,实现动态蒙特卡洛模拟。该方法通过重复抽样,建立一个平稳分布与系统概率分布相同的马尔可夫链,从而得到系统的状态样本。由于MCMC方法考虑了系统各个状态间的相互影响,相比于随机采样的蒙特卡洛方法所得到的独立样本序列,更准确模拟了电力系统运行实际情况。IEEE-RTS 24节点算例表明,该算法可快速收敛,节省计算时间,提高计算速度。同时,由于每条马尔可夫链均收敛于同一个分布,即所谓平稳分布,所以算法具有良好的稳定性。对西北330 kV电网的可靠性评估再次表明了该方法的正确性和有效性以及该方法用于大型电力系统的可靠性评估的优越性和潜力。     

电力系统小扰动概率稳定性的蒙特卡罗仿真

计及发电方式、负荷水平及网络拓扑的不确定性,基于蒙特卡罗状态抽样方法,通过分析系统特征值、特征向量及参与因子等特征参数的概率特性和失稳概率研究电力系统小扰动概率稳定问题。分析中分别用离散分布随机变量和正态分布随机变量描述发输电元件状态及负荷水平的概率特性,并重点讨论了网络拓扑的不确定性对失稳概率指标的影响。一个两区域算例表明所提出的方法能够从概率统计意义上为小扰动稳定性分析及电力系统稳定器（PSS）的合理配置等提供更为丰富、全面的信息。     

基于序贯蒙特卡洛法的安全稳定控制系统架构可靠性分析

作为电力系统保护的第二道防线,安全稳定控制系统(简称稳控系统)对保障电网的可靠运行有着重要作用.文中在分析稳控系统架构以及装置不同运行模式特点的基础上,提出了一种稳控系统可靠性分析方法.首先,将稳控系统可靠性分为不同层间可靠性进行分析.然后,从稳控装置硬件、软件、运行特点以及通信通道的安全性出发,建立对不同稳控系统均有一定适用性的故障树模型.最后,考虑各部分的故障率以及维修时长,利用序贯蒙特卡洛法对模型进行仿真和可靠性分析.以实际稳控系统架构为例,通过仿真分析比较了该稳控系统在不同运行模式下的可靠性,验证了该方法的有效性.     

蒙特卡洛方法在电力系统静态安全风险评估中的应用

基于风险理论,综合考虑故障概率和故障严重程度评估电力系统静态安全风险。采用非序贯蒙特卡洛方法抽取系统的故障状态,提出通过失负荷风险指标、电压越限风险指标和过载风险指标对电力系统静态安全进行分析,并采用3标度层次分析法来确定系统单项风险值与综合风险值之间的权重关系。还对各项指标的应用进行了探讨分析,并利用河南某地区实际电网对各项风险指标进行了计算分析。算例表明基于蒙特卡洛方法的电力系统静态安全风险评估是可行的,它能定量的给出系统风险水平,为电力系统静态安全风险分析的研究提供一些有益参考。     

基于模式发现的电力系统稳定评估和规则提取

以基于SCADA信息快速判别电网稳定薄弱环节为目标，提出一种新的启发式暂态稳定评估策略。应用留数分析和递归切割技术在可观测量构成的特征空间发现稳定模式，并以模式发现结果为样本，提出基于决策树的产生式稳定判别规则提取方法。通过在新英格兰10机系统的应用和测试表明，所获得的规则具有良好的稳定分类能力和适应性，可从潮流信息快速判别稳定水平偏低的扰动位置。从规则自身还可获得有关在线监测重点和电网稳定增强措施的参考信息。     

基于拟蒙特卡洛的半不变量法概率潮流计算

随着风电并网容量的增加,概率潮流计算方法在计及风电出力不确定性的同时,还需考虑邻近风电场由于风速相关性导致的风电出力相关性问题。针对风电出力波动范围较大且存在相关性的特点,提出一种可考虑输入变量相关性的基于拟蒙特卡洛的半不变量法概率潮流计算方法。该方法利用基于Nataf变换的拟蒙特卡洛法产生具有相关性的风电出力样本,在各样本点处进行半不变量法概率潮流计算,基于各风电出力样本下的状态变量正态分布特性,依全概率公式整合所得正态分布得到最终的概率潮流结果。基于IEEE 30节点系统的算例分析表明,所提方法在较小采样规模下具有很高的计算精度,能够较精确地得到系统状态变量的概率分布。     

基于深度森林的电力系统暂态稳定评估方法

快速准确地实现暂态稳定评估,是电力系统安全运行的重要保障.近年来迅速发展的深度学习技术已经成为解决这一问题的有效手段,然而基于神经网络的深度学习模型存在着调参困难、训练时间长和样本需求量大等缺点.文中将故障切除时刻系统的物理量作为输入特征,以系统的暂态稳定状态作为输出结果,采用集成决策树方法,构建了基于深度森林的电力系...