电力系统暂态稳定的数值积分计算法

详细论述了求解分析电力系统暂态稳定用的非线性一阶微分方程的３种数值积分法,Ｅｕｌｅｒ法、改进Ｅｕｌｅｒ法和龙格－库塔（Ｒ－Ｋ）法（二阶Ｒ－Ｋ法、四阶Ｒ－Ｋ法及Ｇｉｌｌ的改上阶Ｒ－Ｋ法）。     

改善开关特性提高电力系统暂态稳定性

电力系统稳定性就是要保持发电机组输入与输出功率平衡。本文提出了对功率平衡起决定性作用的开关特性进行改善，使开关动态性能可响应发电机组电磁功率的改变，以保持功率平衡，从而提高电力系统暂态稳定性。     

并行BP网在电力系统暂态稳定分析中的应用

提出了一种新型的ＢＰ网络－并行ＢＰ网，以模糊区为中心将样本分类，不同类样本与相应的ＢＰ子网相对应。选用筛选后的暂态特征量作为各ＢＰ子网的输入。以６机系统为例验证了该方法的快速，准确。     

考虑非线性通过移相器控制提高电力系统暂态稳定性

本文研究在发电厂中装设移相变压器,当系统发生短路等大干扰时,通过移相器来控制相位角,从而改变发电机输出的电磁功率,可防止机组失步。仿真结果及动模试验结果均证明移相器控制能非常有效地改善电力系统运行的暂态稳定性。     

复杂电力系统暂态稳定分析的实用算法研究

通过多机电力系统暂态稳定分析,对系统进行了动态等值,给出了实用的同调机群的识别方法,并对同调机群进行了有效地聚合,使等值发电机可根据对精度的要求选用不同的模型,提高了计算速度和精度。     

直接法在电力系统暂态稳定分析中的应用

最近十几年来，直接法在电力系统暂态稳定分析中取得了丰硕的成果，本文简要地回顾了直接法在暂态稳定分析中的历史和现状，并从暂态能量对机组失稳的影响出发，对暂态能量函数法的几个分支作了简单讨论，给出了一个关于孤立稳定域现象的物理解释，最后，对直接法的发展作了展望。     

藉助于先进的动态制动提高暂态稳定性

基于现代电力电子技术的先进地动态制动，是提高电力系统输电暂态稳定性的最直接，有效的方法之一，本文从相平面分析方法出发。推导出一种先进动态制动的控制策略，计算机仿真的结果表明，先进的动态制动能显著地提高暂态稳定，还能阻尼输电系统的振荡。     

交直流联合电力系统暂态能量函数分析

考虑ＤＣ系统的详细模型，在应用高阶Ｔａｙｌｏｒ级数展开技术模拟交直流联合系统持续故障轨线的基础上，提出一种快速求取交直流联合系统临界切除时间的方法。     

改善开关特性 提高电力系统暂态稳定性

电力系统稳定性就是要保持发电机组输入与输出功率平衡。本文提出了对功率平衡起决定性作用的开关特性进行改善,使开关动态性能可响应发电机组电磁功率的改变,以保持功率平衡,从而提高电力系统暂态稳定性。     

PC机集群系统在电力系统暂态稳定分析中的应用

从网络分割的角度出发,采用了一种基于支路分割的并行算法,以分割支路两端的电压为交接变量,将分割支路两端的节点看作有注入电流的节点,通过迭代最终实现并行计算。继而以MPICH.NT.1.2.5作为操作平台,利用传递函数库实现并行通讯。最后通过IEEE39节点系统对该算法进行了测试,验证了该算法的正确性,并且通过与传统算法的比较得到了令人满意的并行加速比。     

大规模风电接入对电力系统暂态稳定性影响机理研究

根据双馈风机的暂态特性,详细分析将双馈风机视为恒功率源的可行性,并提出相关限制条件。分析风电机组接入引起潮流分布和系统惯量变化的2种情景,即通过减少同步机出力以平衡新增风电、停运部分同步机组平衡风电;并在此基础上,基于直流潮流模型和等面积定则,分析风电接入后对电力系统暂态稳定性的影响机理。最后,通过仿真分析验证该暂态稳定机理的正确性。     

利用暂态能量分析调速控制提高稳定性的机理

将故障期间由发电机转子上的不平衡转矩形成的能量作为过剩暂态能量(STE),以其作为反映发电机受到故障扰动程度的指标。故障切除后,STE 减去能量耗散项后等于暂态能量(TE)。利用 TE 对汽轮机调速系统附加 H∞控制(TGAHC)对稳定性的作用原理进行了理论分析。分析结果表明:TGAHC 能够加速暂态能量的衰减,有助于减少故障后发电机转子的振荡时间,具有提高电力系统稳定性的作用。单机系统的数字仿真结果验证了理论分析结果。     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚁群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的＂早熟＂.将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

电力系统稳定域确定及算法特性研究

针对传统的稳定域确定方法保守性强的缺点,提出基于流形理论计算电力系统的稳定域. 将稳定平衡点稳定边界上的所有I型不稳定平衡点的稳定流形作为稳定边界,主要思路如下：对非线性电力系统进行求解,得到所有的平衡点;通过轨道弧长法,得到各个I型不稳定平衡点的稳定流形;将各个稳定流形的并集作为系统的稳定边界. 以单机无穷大系统作为案例进行仿真验证,分别同蒙特卡洛方法及可达集理论方法确定稳定域进行对比. 研究结果表明,利用流形理论可以用于求解高维数电力系统的稳定域,具有较高的精度.     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

Lyapunov-Krasovskii functional based power system stability analysis in environment of WAMS

In order to analyze power system stability in environment of WAMS (wide area measurement system), a new steady state stability model with time-varying delay was proposed for power system. The factors of exciter and power system stabilizer with delay were introduced into analytical model. To decrease conservativeness of stability analysis, an improved Lyapunov-Krasovskii functional was constructed, and then a new delay-dependent steady state stability criterion for power system, which overcomes the disadvantages of eigenvalue computation method, was derived. The proposed model and criterion were tested on synchronousmachine infinite-bus power system. The test results demonstrate that Lyapunov-Krasovskii functional based power system stability analysis method is applicable and effective in the analysis of time delay power system stability.     

免疫遗传算法及其在电力系统EELD中的应用

电力系统EELD问题是一个满足一定约束条件的多目标优化问题,利用基于进化策略的免疫遗传算法对这一问题求解.将发电燃料成本和污染控制成本视为抗原,各电力生产单元发电量的最优解视为抗体,以一个含有5个电力生产单元的燃煤电力系统模型为对象,给出利用免疫遗传算法解决这一问题的主要方法和步骤.并与基于遗传算法和Hopfield神经网络方法进行比较分析.结果证明此算法可以优化分配电力系统中各电力单元发电量,达到环境经济合理配置.     

考虑风力发电的电力系统小干扰稳定性分析

建立了适合小干扰稳定分析的风力发电机组的数学模型,用于研究含风电电力系统的小干扰稳定性,推导了考虑同步发电机励磁调节系统动态行为的全系统状态矩阵公式。利用特征值分析法,分析系统的小干扰稳定性。通过算例分析,表明风电场接入系统时,对系统中同步发电机强相关振荡模式的频率影响不大,但当风电出力增加时,相关振荡模式的阻尼增强,有利于系统小干扰稳定性。风电场接入受电端区域时,区域间振荡模式阻尼特性相对差一些,更容易发生振荡。     

采用极限梯度提升算法的电力系统电压稳定裕度预测

将极限梯度提升树（XGBoost）算法应用于电力系统电压稳定评估问题. 根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法. 在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节. 在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求. 同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定.