基于ANN模型的在线电压稳定裕度评估

文章将ANN网络模型引入电压稳定裕度的评估体系中,采用实时的相量测量单元(PMU)获得了电压幅值和相位角,使电压稳定裕度就可以及时地被表示出来。进一步采用必要的的控制手段来控制电力系统可以有效的提高速率。最后在英格兰39节点测试系统上进行了验证。证明了ANN网络模型可以很好地分析正常状态系统和故障状态系统,人工神经网络模型在计算电力系统电压稳定裕度具有可行性。     

基于负荷裕度的在线电压稳定指标

提出了一种基于PMU同步测量数据的负荷节点有功极限和无功极限快速计算方法,在此基础上分别给出电压崩渍的有功裕度指标和无功裕度指标.该方法基于系统的当前运行点,采用π型电路模型对复杂网络进行在线参数辨识,在此基础上推导了负荷的有功裕度和无功裕度的快速计算方法,然后采用基于节点功率的电压稳定指标进行电压稳定判别.该方法能明确区分是由于有功过载还是无功缺乏所引起的电压失稳,并且具有良好的单调性和线性,能够为电压稳定的在线控制提供准确的参考依据.在IEEE 118节点系统中的仿真证明了该方法的有效性.     

基于复合神经网络的电力系统暂态稳定评估和裕度预测

提出一种基于复合神经网络的暂态稳定评估与故障临界切除时间(CCT)裕度预测新方法,它将概率神经网络(PNN)和径向基函数(RBF)网络组合使用,充分利用两者各自的优点,以提高暂态稳定评估能力和CCT裕度预测能力。该方法首先利用PNN进行暂态事故场景分类,分类时充分考虑了相邻故障样本类型重叠的影响;进一步采用RBF网络对分类结果进行裕度预测;最后,通过自检和校正以提高预测精度。利用New England 39节点系统,通过与反向传播(BP)神经网络、RBF神经网络等方法的比较,证明了本文方法的优越性。     

基于时域仿真的暂态稳定裕度及其灵敏度解析分析

结合时域仿真,提出了多机系统中单机加速面积,减速面积计算方法,稳定判据,稳定裕度,不稳定裕度。与传统的时域方法相比。本文方法能减少计算时间,给出丰富的系统稳定信息。本文所提稳定判据与时域仿真所得临界切除时间完全一致。提出了加速面积、减速面积以及减速功率的灵敏度分析方法,能用于经济运行中系统稳定裕度约束和在线稳定监示。     

电压稳定极限附近神经网络模拟及静态稳定裕度判定

基于系统电压静态稳定的观点,对给系统给定运行状态,在求取某节点一对相关邻近潮流解的基础上,用误差反向传播模型的人工神经网络来模拟该节点电压静态稳定临界状态附近的过渡过,较为准确地确定了节点电压稳定的临界状态,并可以确定过渡过程中任意状态下节点电压静态稳定裕度。     

基于负荷裕度灵敏度的电压稳定控制方法

提出应用系统控制参数与系统负荷裕度之间的灵敏度关系，对电力系统电压稳定进行控制的方法。首先建立了系统控制参数与系统负荷裕度之间灵敏度的数学模型，在此基础上对系统的各种控制参数的灵敏度值进行计算和排序，最后给出了预防电压失稳的控制方法。仿真结果证实了本方法计算控制参数灵敏度值排序的快速性、准确性以及控制的有效性。     

具有综合负荷模拟的暂态稳定裕度灵敏度分析

负荷的模拟对暂态稳定分析结果有十分重要的影响。常用的负荷模拟方法是恒定阻抗模拟和综合负荷模拟。结合时域仿真，提出了具有综合负荷模拟的暂态过程中发电机加速面积、减速面积、减速功率（稳定裕度）对网络节点有功无功及变压器变化的灵敏度分析方法，提出的灵敏度分析方法能够得出大扰动下非线性微分方程组状态变量解在任意时刻的灵敏度，当变量不是很大时，一阶灵敏度具有较好的精度，暂态稳定裕度灵敏度能用于暂稳控制装置地点选择、安全校正再调度中系统稳定裕度约束和在线稳定监示。     

基于时域仿真的暂态裕度灵敏度分析

结合时域仿真,提出了多机系统中单机加速面积、减速面积计算方法、临界机组单机等面积定则第一摇摆稳定判据、稳定裕度计算方法等。并提出了加速面积、减速面积、减速功率（稳定裕度）对网络节点有功、无功及变压器变比的灵敏度分析方法。临界机组群单机等面积定则第一摇摆稳定判据与时域仿真角度准则精度相同,但具有数值积分时间短的优点;暂态稳定裕度灵敏度能用于暂稳控制装置安装地点的选择、安全校正再调度及系统稳定裕度约束和在线稳定监视。     

基于局部电压稳定指标的裕度灵敏度分析及应用

提出一种基于局部电压稳定指标的裕度灵敏度分析新方法。以局部电压稳定指标为基础推导出负荷节点电压稳定裕度,该裕度具有确定的上、下界,且不受负荷增长方式影响;利用负荷节点电压稳定裕度有效识别了系统电压弱节点和弱节点集合;定义局部电压稳定指标的裕度灵敏度,确定与弱节点集合强相关的负荷节点,分析弱节点集合邻域节点无功波动对弱节点集合电压影响程度;最后将所提方法应用于系统无功补偿装置配置中,典型系统的仿真结果证明了所提方法的可行性和有效性。     

电压静态稳定裕度法确定无功补偿点

采用基于一种快速计算负荷节点电压静态稳定裕度的实用方法，确定负荷负点的无功缺陷程度，并根据系统的实际情况，选择无功缺额最大的几个负荷节点作为无功补偿点。     

福建电网在线电压稳定监视和控制系统

介绍了福建电网在线电压稳定监视与控制(VSMC)系统的主要功能和技术特点.在一个能量管理系统(EMS)扫描周期内,VSMC系统计算了当前运行态和一个预想故障集下沿一组不同负荷增长方向上的负荷裕度.一旦发现存在失稳故障或严重故障,自动启动预防控制(VSC)模块产生预防控制策略和一组新的监控母线电压下限值输出给自动电压控制(AVC)系统.VSC模块采用基于灵敏度分析与逐次线性规划技术的控制算法得到优化控制解,实现了电压稳定控制与静态安全校正控制之间的协调.该系统的突出特点是通过VSMC系统与AVC系统的接口,部分实现了在线电压稳定的闭环预防控制.福建电网VSMc系统的运行表明,它可以有效地帮助运行人员实时监视和自动采取措施来提高电压稳定裕度.     

基于模糊神经网络的电力系统暂态稳定控制决策

利用故障后短时间内各发电机的功角信息 ,提出了一种复合神经网络结构 ,用于确定首摆暂态稳定协调切机和切负荷决策。整个神经网络是由分类部分和决策部分组成的两级网络 ,分类部分采用一种模糊竞争径向基网络 ,决策部分采用模糊竞争前馈网络实现函数逼近功能。对4 9机实际系统的数值仿真研究结果表明 ,本文方法决策精度高 ,训练速度快 ,具有实用前景     

基于改进型反向传播网络预测电压稳定裕度的计算

针对系统电压稳定裕度问题,提出一种基于反向传播(back-propagation,BP)网络算法的新算法--自适应学习速率-附加动量法和弹性BP算法相结合的改进型BP算法,该方法利用了BP算法的非线性处理性,模拟出负荷节点的P-U曲线,并根据曲线计算出电压稳定裕度和电压稳定薄弱点.改进型BP算法加快了BP算法的收敛速度...     

基于人工鱼群算法的静态电压稳定评估

提出一种静态电压稳定裕度计算的新方法——人工鱼群算法,该算法就是根据鱼群觅食和生长特点,通过构造人工鱼来模仿鱼群的觅食、聚群及追尾行为,从而实现寻优,能快速寻找到全局最优解,从而求得电压稳定裕度的最大值。运用该算法对IEEE14和IEEE39等节点系统进行仿真计算,计算结果与连续潮流算法和原-对偶内点算法比较,证明此算法的有效性。     

基于静态电压稳定分析的电压薄弱节点研究

简要介绍了静态电压稳定分析的基本理论与方法,在充分考虑各种分析方法的优缺点的基础上,设计了有功裕度指标和灵敏度指标结合的分析法.该方法通过对安徽电网采集数据进行计算,结果与安徽电网实际情况相吻合,证明了该方法的有效性.     

基于深度学习的多输入特征融合的暂态电压稳定性评估方法

暂态电压稳定性评估是电力系统稳定性评估中的难点和重点.提出一种基于深度学习、考虑多输入特征集的暂态电压稳定性评估方法,首先建立包含故障前、故障发生时刻、故障切除时刻的多输入故障集;然后基于深度学习建立卷积神经网络并离线训练PMU数据,最终达到快速准确评估暂态电压稳定性的目的.仿真结果表明,提出的评估方法与现有的神经网络...     

基于模糊神经网络的电力系统预想事故排序方法

提出了一种基于模糊神经网络的电力系统预想事故排序新方法。该方法首先定义了反映预想事故严重程度的有功性能指标,同时构造3层人工神经网络(ANN)并采用误差反向传播(BP)算法加以训练;其次对ANN的输入用模糊神经网络进行特征选择,减少了输入层和中间隐含层的神经元个数及训练时间;最后通过IEEE 30节点系统验证了所提方法的有效性,仿真结果说明采用模糊神经网络进行输入量特征选择预处理可减少神经网络的训练时间。     

基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法

高压输电线接地故障的正确、快速识别是处理故障的前提之一。该文提出了一种基于数学形态谱和人工神经网络识别高压输电线路接地故障类型的新方法。数学形态学颗粒分析是一种用来处理图像的粒度和形状特征的图像处理工具。该方法通过对故障电流进行相模变换后,用数学形态学颗粒分析方法提取序电流分量的形态谱,并作为神经网络的输入,实现对接地故障类型的识别。仿真表明,该方法具有较高是识别率。     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。