基于KM-RF算法的电力系统暂态稳定评估

针对电力系统暂态稳定评估当中数据不平衡处理以及评估性能优化问题,提出了一种基于随机森林和K-means聚类的组合分类算法的暂态稳定评估方法.选取具有代表性的特征量构成原始特征集,并对数据进行归一化处理和相关性分析,以提升性能和运算效率.使用K-means聚类算法进行类分解,解决数据的不平衡问题,然后使用随机森林算法进行评估.最后,利用新英格兰10机39节点测试系统仿真,并与决策树、随机森林和支持向量机算法进行比较.在命中率、准确率以及整体系数上所提方法均为最高,误中率则是最低,由此表明方法效果好、误差小,具有一定的实用价值.     

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...     

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。     

考虑拓扑变化的电力系统暂态稳定评估

针对电力系统拓扑频繁变化导致暂态稳定评估（TSA）困难的问题,提出一种新颖的基于深度学习的TSA方案。基于深度森林（DF）构建暂态稳定评估模型,创新性地提出考虑主动学习技术和分级策略的DF更新方案。该方案从样本生成和模型训练两方面最大限度节省更新时间,并在电力系统拓扑变化后快速更新DF模型,有较强实用性。最后,在新英格兰39节点系统中对所提TSA方案进行验证,结果表明该方案对拓扑频繁变化的电力系统有更强的适应性与鲁棒性。     

基于马尔可夫链蒙特卡罗方法的电力系统暂态稳定概率评估

研究了一种电力系统暂态稳定概率评估方法,提出了利用马尔可夫链蒙特卡罗方法模拟负荷水平,考虑随机序列之间的相关性;模拟过程中,提出以故障信息作为输入特征、基于AdaBoost-DT的暂态稳定评估方法。新英格兰39节点测试系统的仿真表明,本文提出的马尔可夫链蒙特卡罗方法比传统的蒙特卡罗方法更快速收敛,同时AdaBoost-DT大幅减少仿真时间,且能有效预测暂态稳定性。     

复合神经网络在电力系统暂态稳定评估中的应用

提出了一种基于复合人工神经网络的电力系统暂态稳定评估方法。该复合网络由Kohonen网络与若干径向基(RBF)网络组成。它结合了两种网络的优点,因此提高了稳定评估能力。分别采用Kohonen网络、径向基网络以及该复合网络对华中电网的仿真结果证实了该方法的优越性。     

负荷模型对电力系统暂态稳定计算的影响

负荷模型是影响电力系统暂态稳定的重要因素之一。迄今为止,暂态稳定计算中通常假定负荷由代表性的电动机和恒抗组成。文中提供了河南电力系统分别以传统的电动机和加恒阻抗模型和实测静态指数负荷模型算得的暂态稳定结果。两者情况有相当的差距,故而何种负荷模型更适合实际情况是值得进一步研究的问题。     

基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估

理论和仿真研究表明,依靠少量受扰严重机组的动态特征能够有效地判别大电网的暂态稳定性。提出一种组合搜索严重受扰机组,并据此构造稳定评估原始输入特征的方法。进一步利用主成分分析法降低特征维数,构成机器学习评估模型的输入特征。在新英格兰39节点测试系统和IEEE 50机测试系统上,利用所提方法仿真实现了决策树、支持向量机和k最近邻法等暂态稳定评估模型,结果表明所提出的构建电力系统暂态稳定评估输入特征方法有效,有助于改变原始特征构建的主观和随意性。     

利用自组织映射SOM实现电力系统暂态稳定评估结果可视化

自组织映射SOM(self-organizing map)具有拓扑关系保持的优良性能,可应用于降维可视化.该文基于SOM实现暂态稳定评估结果的可视化.采用经典的SOM算法分别对原始特征和特征选取后的IEEE16机暂态稳定分类数据进行可视化,表明了可视化的可行性以及特征选取的重要性.采用一种改进的SOM算法-DPSOM算法,提高了可视化的性能,得到了满意的暂态稳定评估分类可视化结果.     

数据挖掘在电力系统暂态稳定评估中的应用综述

人工智能和数据挖掘在发现潜在问题和提高计算效率等方面有较大的优越性。综述了几年来人工智能与数据挖掘等技术应用于电力系统暂态稳定评估所取得的研究成果。对所涉及的主成分分析、遗传算法、粗糙集、信息熵等数据预处理方法,神经网络与支持向量机等分类器,可视化显示等方面的研究成果进行了深入的分析和比较,指出了存在的问题,并对以后的发展方向进行了一定的展望。     

基于MGS-LGBM算法的电力系统暂态稳定评估

多粒度级联轻型梯度提升机(MGS-LGBM)具有超参数设置简单、模型泛化能力强、分类准确率高、训练评估快等特点。为提高电力系统暂态稳定评估的准确性和快速性,将MGS-LGBM引入电力系统暂态评估中。首先通过时域仿真提取原始数据,构造能够反映系统稳定情况的23维特征量,输入MGS-LGBM模型中,稳定结果作为输出量,利用模型中的多粒度扫描和级联结构对样本特征和结果进行高效并行训练。通过新英格兰10机39节点系统仿真验证MGS-LGBM算法,通过与其它机器学习算法比较,算法在提高暂态评估准确率的同时兼顾快速性,且在含有无关特征和训练集较少的情况下仍能保持较好的评估性能。     

基于改进深度置信网络的电力系统暂态稳定评估研究

为了提高深度置信网络的评估性能,提出一种基于稀疏降噪自动编码器和深度置信网络相结合的暂态稳定评估方法。首先,构建一组对系统暂态变化敏感且维数与系统规模无关的原始输入特征;其次,通过稀疏降噪自动编码器的无监督学习过程提取输入特征,用得到的权值和偏置初始化深度置信网络;最后,采用“预训练－微调”2种学习方法训练深度置信网络,获得原始输入特征与系统暂态稳定结果之间的映射关系。与采用随机初始化受限玻尔兹曼机的传统深度置信网络相比,本文提出的改进评估方法在一定程度上克服了由于随机初始化导致评估准确率无法达到最优的弊端。在新英格兰10机39节点系统上的仿真结果表明,该方法比常用的机器学习算法和深度置信网络有更好的评估性能,仿真结果还证明了本文所提方法具有良好的特征提取能力。     

图像化数据驱动的电力系统暂态稳定性在线评估方法

目前电力系统暂态稳定性评估（TSA）大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降。提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法（2D-PCA）对原始图像进行特征降维,并建立卷积神经网络（CNN）模型进行系统稳定性预测。在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用。     

基于发电机对暂态势能集的电力系统暂态稳定快速评估

基于传统暂态能量函数方法,以简单3机3节点系统推导出一种基于发电机对暂态势能的系统暂态势能函数表达式。该暂态势能计算函数不需要全系统的网络拓扑参数或故障位置信息,仅需实时采集系统中少量的发电机机端电气状态量,计算方法简单有效。基于该发电机对暂态势能定义了受扰严重机组判别指标集,利用该指标的聚集特性在故障清除后极短时间内辨识系统的主导失稳模式,根据临界机组分群结果采用EEAC法快速计算当前故障模式下的系统暂态稳定裕度。IEEE 3机9节点、新英格兰10机39节点系统、某省级实际电网算例结果验证了该方法的正确性和有效性。     

提升型贝叶斯分类器在电力系统暂态稳定评估中的应用

应用人工智能技术可实现电力系统暂态稳定的快速评估,朴素贝叶斯分类器作为人工智能方法的一种,其训练计算复杂度是线性的,是解决分类问题最实用、有效的方法之一,但由于它是建立在属性变量相对类变量独立的假设前提下,故存在一定的误分类率.本文采用Adaptive Boost(AdaBoost)算法对朴素贝叶斯分类器进行提升,有效地降低了误分类率,并将提升型贝叶斯分类器用于电力系统暂态稳定评估.选取能迅速反映电力系统暂态过程的特征量,作为贝叶斯分类器的属性变量,将系统稳定或不稳定作为类变量,采用数值仿真算法产生大量样本,并对属性的连续数据进行离散化处理,构造了用于暂态稳定评估的提升型贝叶斯分类器.对新英格兰10机39节点系统进行仿真,结果表明:提升型贝叶斯分类器用于电力系统暂态稳定评估可有效降低机器学习的复杂度和提高暂态稳定的分类精度.     

面向同步相量轨迹簇规则的电力系统暂态稳定实时评估

设计同步相量测量条件下,面向发电机节点电压同步相量复平面轨迹规则的暂稳实时评估算法.利用K均值和模糊C均值组合算法在线识别扰动后若干周波内轨迹簇同调与聚类偏移特征,采用分类与回归树抽取所定义特征量规则,以实时轨迹簇的相对位置组合特征值规则而非轨迹状态(如幅值大小)本身来评估未来暂稳状态.实践表明,算法能在8～20周波内不依赖模型地高精度预估未来4s系统是否稳定及临界机、受扰程度等重要信息,且不依赖于既定扰动模式,侧重于系统对大扰动的泛化响应模式挖掘,回避了主导失稳模式判别,且避免了针对不同故障的多套规则存储.新英格兰10机39节点系统算例验证了方法的有效性.     

修正的暂态能量函数及其在电力系统稳定性分析中的应用

针对电力系统稳定性分析中混合算法的缺点,本文推导了修正的暂态能量函数,并提出用其代替暂态能量函数的改进混合算法。仿真分析结果说明了由改进混合算法获得的稳定性裕度曲线更便于进行稳定性极限参数和临界故障切除时间分析。文章最后通过比较在３９节点１０发电机电网上获得的两种不同的能量函数能量裕度曲线说明了本文对混合算法的改进。