基于特征量和卷积神经网络的暂态电压稳定评估

针对目前传统方法无法准确快速判断系统暂态电压稳定性的问题,提出一种基于特征量和卷积神经网络(convolutional neural networks,CNN)的暂态电压稳定评估方法.首先基于传统电压稳定指标分解及响应数据,从原始电气量中进行36维电压稳定构建特征量,将特征量输入卷积神经网络中进行有监督学习,最后将训练所得到的模型应用于电力系统暂态稳定评估中.利用新英格兰10机39节点标准算例对电网进行了仿真,结果表明该方法具有错误率低、精确率高、测试时间短的特点,能够准确快速判断出系统的暂态电压失稳,提高了电力系统的稳定性.     

基于v-NPSVM的暂态稳定评估方法研究

提出一种基于v-NPSVM(v-Non-Parallel Support Vector Machine,v-NPSVM)的电力系统暂态稳定评估方法,在NPSVM分类器中引入v值重构分类器,可继承NPSVM评估精度高和时间复杂度低的优势,同时有效量化电力系统稳定状态的稀疏程度,解决不均衡稳定性分类问题.首先,采用系统指标和投影能量函数指标构建暂态稳定指标的原始特征集,通过最大相关最小冗余特征选择方法对暂态指标集进行特征压缩,寻找对电网暂态变化敏感度高的特征子集.然后,基于v-NPSVM思想将样本集分成稳定类与不稳定类,分别映射到高维空间,实现非线性暂态稳定评估问题的线性转化,寻找稳定类与不稳定类的最佳投影坐标轴,通过v值改变支持向量的占比,进而改善电力系统暂态的评估准确率.最后,以IEEE-145节点系统的仿真计算,验证了所提方法的有效性和准确性.     

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。     

基于Matlab的电力系统稳定性分析与仿真

电力系统稳定性分析是衡量电力系统安全稳定水平和建设发展规划中的重要过程。针对不同的干扰形式和大小则可采用不同的分析方法来判断系统的稳定性。首先,提出了电力系统稳定性概念,简单地介绍了电力系统静态稳定性和暂态稳定性;其次,采用作为Matlab子模块的Simulink对电力系统静态、暂态稳定性进行了仿真,并且提出了提高电力系统静态、暂态稳定性的措施。     

基于MATLAB的电力系统稳态仿真分析

通过matlab中的sumilink电力系统仿真模块,搭建了一个单机无穷大系统,设置短路故障并采取电力系统稳性措施,通过仿真系统输出相角、电压、转速的波形进行对比分析,结果表明:电力系统稳定器、快速切除故障、故障限流器、能够提高电力系统暂态稳定性.     

不同风电机组并网对电力系统暂态电压稳定性的影响

随着中国三北风电基地的初步建成,初步实现了大型风电场集中并网。但由于风电场始终处于电网的末端,场内机型不一,网架结构较弱,致使电网有功和无功波动,降低了电力系统暂态电压稳定性。针对上述问题,建立基于普通异步风力发电机组(AWT)、双馈异步风力发电机组(DFIG)的暂态数学模型,并以新疆某地区风电场作为实例,利用PSASP仿真软件分析这两类型风力发电机组以各种比例接入系统后的暂态电压稳定性。仿真结果以及临界故障清除时间(CCT)表明:并入电网的风电场DFIG占有量越多,系统的暂态电压相对越稳定。     

基于能量函数的电网暂态稳定性离线量化指标研究

基于李亚普罗夫直接法的能量裕度一直被认为是评价电力系统暂态稳定性的一个重要指标,而能量裕度一直是在线应用关注的重点。该文首先结合经典的电力系统转子运动方程,构建了暂态能量函数模型,然后分析了稳定域基本特征及其与电力系统势能边界的对应关系,并采用二次扰动与基于势能边界特性的插值法相结合的思路获取势能最大值,最后基于势能最大值构建了电网暂态稳定性量化指标。通过在三机系统和IEEE-30母线系统的系列仿真结果及其与CUEP法的对比,验证了该方法能够提高计算速度和计算精度,可用于电力系统暂态稳定性的离线评估。     

基于堆稀疏自编码神经网络的电网安全预判

为了满足安全裕度概念下电力系统暂态稳定评估的准确率和时效性,提出了基于深度学习的堆稀疏自编码神经网络(SSAEN)预判模型.首先尝试将母线时序电压数据构成的矩阵看作蕴含暂态运行机制的模式图,然后利用SSAEN逐层级地挖掘模式图的主导特征,并通过分析SSAEN的连接权重阐述了主导特征及其演变过程.最后通过Logistic分类器识别主导特征,预判未来时刻系统的稳定性.基于IEEE39系统仿真样本进行了实验,实验结果表明,SSAEN具有较高的准确度和预测速度,可为系统暂态失稳情况提供足够的安全时间裕度.     

基于同步相量测量单元的观测线性化追踪目标 励磁控制策略

为了进一步改善电力系统的暂态稳定性,结合同步相量测量单元（PMU）和观测线性化追踪目标控制理论,推导出了基于同步坐标系和参考机坐标系的多机电力系统观测线性化追踪目标励磁控制规律。该控制策略利用PMU测量得到的系统实时运行状态量实现了状态方程线性化,从而可以对励磁控制器进行线性最优控制设计,避免了非线性系统局部线性化的不精确性和精确线性化时系统模型设计的复杂性,适合于在线应用。仿真结果表明,该控制策略较之非线性最优励磁控制能更好地提高电力系统的暂态稳定性。     

基于支持向量机的电力系统暂态稳定分类研究

研究了支持向量机在电力系统暂态稳定评估中的应用,设计了一个新的支持向量机分类器用于暂态稳定分类。基于支持向量机分类器的输出,把样本划分为 3 类:稳定类,不稳定类和边界区样本,减少了误分类,提高了暂态稳定评估结果的可靠性。在新英格兰 10 机 39 节点系统中的仿真结果验证了该分类器的分类效果。同时,将分类结果与传统 BP 算法的结果进行了比较,对模型参数对输出结果的影响和本方法的适用范围进行了分析。     

基于遗传算法的自适应滤波器设计与实例仿真

LMS算法是自适应滤波器最为常用的算法,该算法比较简单,但决定其收敛速度和稳定性的学习速率难以确定;遗传算法是一种高度并行的全局搜索方法,能够有效地用于自适应滤波器的权系数寻优.文章讨论了基于遗传算法的自适应滤波器的设计过程,并作为一个应用实例,将其应用于线性系统辨识中,取得了较好的仿真结果.     

改进的群集智能优化算法在任务排序中的应用

针对集成设计过程中用遗传算法进行任务排序的执行效率、收敛性等问题,考虑任务之间耦合关系对任务执行结果的影响,对遗传算法进行改进,并结合粒子群算法,提出了一种优化算法。并用实例进行了验证,结果表明该算法收敛速度快,结果稳定。对于不同的初始种群,结果都能找到全局最优解。     

用免疫遗传算法实现配送路线求解

合理的配送路线可以提高物流配送的效率。针对遗传算法局部搜索能力较差的缺点,提出将免疫算法与遗传算法相结合的遗传免疫算法来对物流配送路线进行优化。采用免疫检测与免疫选择对遗传算法进行改进,并阐述了免疫算法求解配送最优路径的步骤。实例证明,免疫算法能较好地解决遗传算法中出现的退化现象,而且使收敛速度显著提高,具有良好的局部与整体收敛性,是有效可行的。     

基于QGA优化的BP神经网络的大坝渗流预报模型

针对BP神经网络的过拟合和收敛速度慢等问题,基于量子遗传算法（QGA）对网络初始权值、阀值进行优化,结合某电站实测资料建立了大坝渗流预报模型,通过对模型实例的比较,验证了模型的优越性．该模型在实际工程应用中有一定借鉴意义．     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

解决车间作业调度问题的嫁接遗传算法

针对现有遗传算法在解决大规模车间作业调度问题时存在收敛速度过慢与早熟的局限,基于植物学的嫁接思想,提出了一种改进的混合遗传算法——嫁接遗传算法. 算法通过引入嫁接种群和交叉概率矩阵,在明显加快收敛速度的同时,还增强了避免早熟的能力. 最后通过经典的调度例子测试表明了算法的有效性和高效性.     

基于改进遗传算法的配电网无功优化规划

以年综合费用最小为目标,建立了考虑系统多负荷水平的配电网无功优化规划数学模型;提出了在灵敏度分析的基础上以负荷功率阻抗矩法确定补偿节点,利用灵敏度分析和灾变思想改进遗传算法的配电网无功规划优化方法;该方法加强了遗传交叉、变异操作的针对性,提高了算法的收敛速度;算例结果表明了其有效性和实用性。     

基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。