基于混合模型和交叉熵重要性抽样的 发电系统可靠性评估

目前应用在发电系统可靠性评估中的交叉熵重要性抽样方法采用单一的概率质量函数描述发电系统的状态,该方法在处理高可靠性系统时需要进行大量的预抽样才能得到具有较好方差减小效果的最优概率质量函数以达到加快可靠性指标收敛的目的,而大量的预抽样过程会导致可靠性评估总体效率的下降。因此文章提出基于混合概率质量函数模型与交叉熵重要性抽样相结合的发电系统可靠性评估新方法,该方法采用多个概率质量函数描述发电系统的状态,并基于最小交叉熵原理对各概率质量函数及其对应权重进行迭代更新,最后由各概率质量函数的加权形成最优概率质量函数,利用所得最优概率质量函数对系统状态进行抽样和可靠性计算。相比于现有方法,该方法预抽样过程所需样本较少,可以在保证可靠性指标准确性的同时大幅加快系统可靠性指标的收敛速度,在处理高可靠性系统时效果更加明显。算例验证了文中方法的优势。     

基于重要抽样与极限学习机的大电网可靠性评估

由于不确定因素多、电网规模大,原始蒙特卡洛模拟(MCS)在复杂电力系统可靠性评估中无法满足实时高效的要求。提出一种基于交叉熵(CE)的重要抽样与极限学习机(ELM)相结合的可靠性评估算法,一方面通过在系统抽样环节引入CE构建元件的最优概率分布,减小方差变化,加快指标收敛速度;另一方面,采用ELM对重要抽样的状态样本进行有监督学习,以所构建的网络学习模型替代传统非线性规划方法进行状态评估,提高单次系统状态评估的效率,从而实现快速可靠性评估。对IEEE RTS-79系统进行可靠性评估,与原始MCS和CE重要抽样的对比结果表明,在一定的误差范围内所提算法合理、有效,其计算效率较原始MCS和CE显著提高。     

基于交叉熵的蒙特卡洛法在发电系统充裕度评估中的应用

针对传统蒙特卡洛法对稀有事件的敏感性等问题,提出了一种基于交叉熵的蒙特卡洛法,将其应用于发电系统充裕度评估中。基本思想是使用重要抽样密度函数,通过求解最优问题获得该函数的最优参数,从而提高传统蒙特卡洛法的抽样效率。最后使用可靠性测试系统IEEE-RTS以及修改后的测试系统对提出的方法进行验证,将仿真结果与使用传统蒙特卡洛法得到的结果进行比较,表明该方法在保证评估精度的基础上大大提高了计算速度。     

用于系统可靠性评估的各阶故障独立重要抽样算法

提出一种电力系统可靠性评估的高效算法,即各阶故障状态子空间独立重要抽样算法.该算法将系统状态空间分割为无故障状态子空间和各阶故障状态子空间,完全避免了对无故障状态子空间的抽样;且由于低阶故障状态子空间状态个数较少,采用解析法对其分析,而高阶故障状态子空间状态个数庞大,采用重要抽样法对其进行模拟分析;并对这些子空间的抽样次数进行最优分配.由于完全避免了对无故障状态子空间的抽样,并对各阶子空间进行独立分析,该算法在计算效率上具有很大的优势,适用于高可靠性系统.应用该算法对IEEE-RTS系统的发输电部分进行可靠性评估,并与自适应重要抽样方法和直接蒙特卡罗法进行比较,结果表明该算法在计算效率上具有明显优势.     

电力系统可靠性评估的重要抽样影响增量方法

针对大规模输电系统可靠性评估效率较低的问题,提出了一种基于重要抽样的影响增量方法。首先,利用迭代方法构造新的事故概率分布函数,进而得到重要抽样权函数;其次,根据所构造的事故概率分布函数对失效空间进行偏倚抽样,得到大量对评估结果有效的样本;最后利用基于影响增量的计算公式对系统可靠性指标进行计算。该方法可以在分析较少的事故状态下,达到大量抽样的蒙特卡洛方法的评估精度,影响增量公式将高阶事故权重向低阶事故转移,从而提升可靠性评估的准确性和效率,同时重要抽样方法减小了方差并加快收敛速度,进一步提升了可靠性评估的计算效率。算例分析部分选取IEEE-RTS-24节点测试系统,测试结果证实了所提方法的高精度和高效率特性。     

发电厂可靠性评估的解析方法

本文以沙角B厂为例说明了发电厂可靠性评估的解析方法，得出了沙角B厂的一系列可靠性指标。敏感度分析表明发电机和变压器是系统的薄弱环节，针对该薄弱环节，本文提出了改善系统可靠性的措施，并分析了相应的投资成本。本文介绍的方法广泛适用于电力系统中发电厂可靠性评估。     

基于模糊专家系统的输电线路非解析可靠性模型

输电线路故障被认为是致使电网连锁故障发展的主要因素,因此,考虑系统运行状况及线路运行环境评估输电线路的可靠性水平,是准确评估电力系统运行可靠性的基础。通过计算p-值对影响线路故障率的因素进行重要度排序,并筛选出了重要因素。在此基础上,建立基于模糊专家系统的线路非解析可靠性模型。该模型结合专家的知识和经验选择合适的模糊集、隶属度函数和模糊规则,考虑各影响因素对线路故障率的综合影响,弥补了历史数据不完善带来的缺陷。通过IEEE RTS算例,分析不同天气和系统状态下,线路故障率的变化情况。计算结果表明,线路非解析可靠性模型能够正确反映天气状况和系统状态的变化,为评估线路运行风险和电力系统运行可靠性提供了基础。     

基于模拟退火算法的元件未知可靠性参数求取方法

元件可靠性参数是进行电力系统可靠性评估的基础,错误的元件可靠性参数必然带来错误的评估结果,进而影响电力系统规划的准确度。考虑到随着负荷侧智能电表等的普及和安装,可以获取相对准确的系统/节点可靠性指标,本文提出了一种利用系统/节点可靠性指标求取未知的元件可靠性参数的方法。首先,基于非序贯蒙特卡洛模拟(Non-sequential Monte Carlo simulation, NMCS)的可靠性评估,建立了可靠性指标关于可变可靠性参数的解析表达式,该解析表达式由给定的元件可靠性参数可以直接地获取可靠性指标值。基于该解析表达式,构建了求取未知元件可靠性参数的非线性方程组;其次,针对非线性方程组的常规求解算法普遍依赖未知变量的初值而未知参数的初值无法直接获取的难点,利用基于模拟退火算法的高阶多项式逼近来给出待求参数的初始值。最后,对于部分误差较大的参数采用具有大范围收敛特性的延拓法进行修正,最终求取准确的未知可靠性参数。分别采用RBTS, IEEE-RTS79和川渝电网测试系统进行分析,算例结果表明：所提方法能有效准确地求取未知的元件可靠性参数。     

基于改进交叉熵算法的电力系统随机生产模拟

蒙特卡洛模拟的计算效率与系统的可靠性密切相关,在其用于高可靠性系统的随机模拟时存在计算效率偏低的问题。为此,提出了一种基于多层交叉熵与对偶变数抽样技术相结合的随机模拟算法。首先使用多层交叉熵构造零方差概率密度函数的近似函数,提高小概率失效事件的抽取概率;其次基于已构造的近似概率函数,采用对偶变数抽样法进行抽样,进一步提高抽样的收敛速度。以IEEE RTS修改系统为例进行了算例分析,算例结果验证了所提出的基于改进交叉熵的电力系统随机生产模拟算法的有效性。     

电网可靠性评估中负荷相关性的广义交叉熵模型EI北大核心CSCD

节点负荷相关性的概率密度估计模型是实现负荷相关性变化对电网可靠性影响研究的关键环节。该文从模型稀疏性和模型准确性兼顾的角度,提出多维节点负荷联合概率密度估计的改进广义交叉熵模型(generalized cross entropy,GCE)。该文以广义交叉熵公设为基础,构建概率密度函数的有约束泛函极值问题及其对偶优化问题,并将对偶问题转换成核函数权重的二次规划问题,从而实现概率密度的准确估计及其稀疏性的自适应优化。此外,针对传统GCE模型在权重优化求解中存在的问题进行改进,进一步提高了密度估计的准确性。通过将改进GCE模型与传统GCE、非参数密度估计和半参数密度估计在稀疏性和准确性上的理论分析和算例比较,以及对RBTS、IEEE-RTS79、IEEE-RTS96测试系统的评估分析,验证了改进GCE模型的有效性。     

基于初值修正的电力元件可靠性参数校正

由于元件停运记录的疏漏,少部分元件可靠性参数统计值可能存在错误。错误的可靠性参数会导致误差较大的评估结果,进而影响电网的规划和运行决策,因此,有必要辨识并校正错误可靠性参数。在该背景下,本文利用电力系统可靠性评估逆问题理论,提出基于初值估计策略的元件可靠性参数辨识和校正方法。首先,提出可靠性参数辨识与校正效果的评价指标。其次,采用具有全局寻优能力的改进粒子群优化算法,估计敏感可靠性参数。然后,采用基于参数初值动态修正的滚动估计算法,估计全体参数,并根据各参数估值与其统计值的偏差,辨识错误参数。最后,利用区间算法校正错误参数。算例表明：当系统中参数错误的元件占比不超过9%时,所提模型及算法可辨识出全部错误参数,且其校正结果的误差在1%以内。     

基于粒子群优化算法的锂电池模型参数辨识

基于戴维南电池模型,采用粒子群优化算法进行离线参数辨识.粒子群优化算法作为一种高效并且简单的算法,在平衡全局优化能力和局部优化能力方面具有显著的优势.     

感应电动机负荷模型参数解析灵敏度分析及参数辨识策略研究

通过对感应电动机参数的解析灵敏度分析,较好地解释了感应电动机负荷模型中部分参数易辨识,部分参数难以辨识且辨识结果较离散这一现象.研究结果表明:灵敏度大的参数易辨识,灵敏度小的参数难辨识,且辨识结果较离散;在不同的激励强度下,感应电动机负荷模型各参数灵敏度将随激励的增强而增大.文中提出了一种新的感应电动机负荷模型参数辨识策略.经现场实测数据建模,验证了该辨识策略的有效性及可行性.     

基于交叉熵赋权法的电能质量综合评估

指标权重的确定对于电能质量综合评估影响巨大,优良的权重确定应充分表征各电能质量指标间差异,减少不确定因素,增强权重区分程度。为此,提出一种基于交叉熵(Cross Entropy)的权重赋值算法,并结合TOPSIS理论,给出更加客观合理的Cross Entropy-TOPSIS综合评价模型。通过实例分析,并与传统赋权方法进行比较分析,验证了该模型的有效性。     

基于概率可靠性评估的永磁直驱风机低电压穿越控制模型参数辨识

参数的准确获取有助于提高永磁直驱风机低电压穿越控制模型的仿真精度。复杂模型不仅存在参数多、无法全部测试获取的问题,非目标参数的不精确状况也会影响到目标参数辨识的准确度。通过灵敏度分析判断参数获取的难易程度,作为选择辨识顺序的依据。将非目标参数随机设置在经验范围内,采用概率可靠性评估方法选取用于准确辨识目标参数的观测变量。针对目标参数,采取兼顾辨识优先顺序和对应观测变量选取的分步辨识策略,获取高概率可靠性的辨识结果作为最终参数值,消除非目标参数设置不准确的影响。基于所提方法,对永磁直驱风机低电压穿越控制模型中目标参数进行理论辨识,并通过实测数据进行验证。     

基于元件层级和电源可达性的配电网可靠性评估混合算法

提出一种配电网可靠性快速评估算法以解决重复遍历网络拓扑的问题。以开关元件为界形成配电系统元件分区和负荷分区。提出建立元件等级和开关层级以直接判断动作保护元件的位置,结合高度稀疏的等效支路连接矩阵快速分析负荷与电源及备用电源之间的可达性,建立等效负荷故障后果模式列表。采用序贯蒙特卡罗模拟,根据元件所属分区搜索负荷故障类型,统计故障停电次数和停电时间,计算可靠性指标。分别以各元件分摊的负荷故障时间和系统缺供电能量辨识负荷点和系统的薄弱环节。算例验证结果表明,该算法能正确高效地计算可靠性指标,适用于复杂配电网可靠性评估。     

混沌优化用于电力系统静态负荷模型参数辨识

提出了一种应用混沌优化方法进行电力系统静态负荷模型参数辨识的新策略。混沌优化方法利用混沌变量的随机性、规律性、遍历性寻优,能够克服传统的基于梯度寻优的辨识方法容易陷入局部极小点的不足,而且方法简单、快速、易于掌握。实际算例的结果证实了混沌优化方法用于电力系统静态负荷模型辨识的有效性。     

风力发电系统可靠性评估解析模型

为了进行风力发电系统的可靠性评估,基于小时风速的平均值和标准差,建立了较为精确的风速概率解析模型,弥补了常用的ARMA模型需要每小时风速实际数据和长时间模拟的不足。进而利用风电机组输出功率与风速的关系,建立了风电机组输出功率分布的解析模型。应用IEEE-RTBS和IEEE-RTS系统,将该模型和ARMA模型在风速概率分布、发电功率概率分布、可靠性指标等方面的计算结果进行比较分析。算例结果验证了所建立的解析模型的正确性和有效性,能实现包含风电场的电力系统的可靠性评估。     

基于正交交叉操作的遗传算法及在水轮机调速器参数优化中的应用

为了确保获得最优参数，本借助正交试验的设计思想，定义了正交交叉操作，并将基于正交交叉操作的遗传算法应用于水轮机调速器参数优化过程，仿真试验结果表明了算法的有效性和鲁棒性。     

基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命预测

针对锂离子电池寿命预测中模型普适性差、预测精度不足等问题,提出一种基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命RUL预测方法。首先构造锂离子电池实际容量与其循环周期的退化机理模型。对锂离子电池寿命试验数据进行凸优化降噪处理;基于预处理得到的可靠性较高的数据,采用最小二乘法对所建机理模型的参数进行辨识,从而得到精确的模型表达式,实现锂离子电池RUL的预测。基于NASA锂离子电池数据集预测并评估锂离子电池的RUL,预测结果验证了模型良好的通用性,误差范围为4%左右。