电力系统动态安全分析的ANN动态安全域

采用人工神经网络（ANN）多维空间的强拟合特性,能够较精确地拟合动态安全域,减少了临界点以及稳定点和非稳定点的误判,克服了超平面理论近似拟合电力系统动态安全域误差较大的不足。同时,对于某个具体的故障,采用临界切除时间tcr建立ANN稳定裕度拟合器,确定电力系统中运行点的稳定裕度。通过PSASP中的3机9节点模型验证了此理论的正确性,而且准确性优于采用超平面理论拟合的动态安全域。     

基于实用动态安全域的电力系统安全成本优化

基于实用动态安全域(PDSR)提出一种电力市场环境下的电力系统安全成本优化(最优安全控制)模型及算法。该模型计及了暂态稳定性约束、事故发生概率及系统失稳损失。独立系统运行员(ISO)依该模型能确定安全成本最低的系统安全水平，即确定系统安全性和经济性的平衡点。安全成本由备用成本、再调度成本和期望失稳损失组成。而且所提算法计算速度快、易于实现。另外，该文提出的模型及算法也可方便的应用于传统垂直统一管理模式下的电力系统，只要分别用发电机备用成本曲线和边际成本曲线替换发电商向ISO呈报的备用容量价格曲线和再调度功率价格曲线即可。最后以新英格兰10机39节点系统为例，检验了所提模型的合理性及算法的可行性。     

电力系统功率注入空间的动态安全域

本文根据电力系统结构保留模型和微分拓扑理论,阐述了用一组超平面近似描述动态安全域边界的理论依据,给出了决定这些超平面的解析表达式,并用算例作了验证。     

电力系统动态安全域的实用解法

近年来，电力系统动态安全域（DSR)已越来越为人所接受，它可以提供更为丰富的安全信息，有着广阔的在线应用前景。该文基于暂态能量函数分析，推导出一种新的求取实用动态安全域(PDSR)的方法。通过大量的数值仿真计算表明，实用动态安全域(PDSR)可由描述各节点注入功率上、下限的垂直于坐标轴的超平面和描述暂态稳定性临界点的超平面围成。基于此事实，该文给出了一种快速计算对应于临界暂态稳定的边界超平面的直接法。这种方法是将溢出点处的暂态稳定域边界法矢量近似为常数，并通过线性化把事故后系统轨迹的切向量表示为注入功率的线性函数，然后依据在临界注入下两者之间的正交性，推导出了超平面型式PDSR边界的解析表达式。在新英格兰10机39节点系统上的测试结果表明了这种方法与数值仿真方法的一致性。     

用于电力系统谐波分析的ANN算法

醉评论 种新的、适用于电力系统谐波分析的ＡＮＮ算法，该算法采用ＡＤＡＬＩＮＥ模型和ＬＭＳ学习机制。文中给出了利用该算法进行谐波分析的仿真结果，并与傅氏算法和最小二乘算法的计划结果进行了比较。算例表明，ＡＮＮ算法具有精度高、收敛速度快的特点，用该算法得到的结果是令人满意的。     

基于动态安全域的电力系统安全概率评估模型

针对电力系统安全性问题特性,提出一种基于动态安全域的安全概率评估模型。模型核心是不安全概率指标,并通过该指标来表征各电力元件以及整个电力系统的安全性状况。概率方法的引入,使得模型不仅计及系统中各种主要的不确定性因素,而且对系统的安全状况进行了定量的描述。动态安全域理论大大降低了安全概率评估的计算量,使得该模型具有实用性。评估结果可以用于指导运行人员在安全控制中制定正确的决策。用新英格兰10机39节点系统(New England 10-generator 39-bussystem)对该模型做了验证。     

求解电力系统动态安全域的改进解析法

电力系统动态安全域是电力系统安全性研究的重要方面,其解析法求解速度很快,但误差较大。大量计算发现,解析法求得的安全域边界超平面系数和传统的拟合法求得的系数之间有较强的相关性,据此提出了求解电力系统动态安全域的改进解析法。首先在一个临界注入点处通过解析法计算得到一组平面系数,然后根据相关性和其它临界注入点的安全性信息,得到该组系数与真实值之间的偏移值,最后得到该系数的改进值。该方法在保留解析法快速性特点的基础上,显著减小了计算误差。用新英格兰10机39节点系统算例进行验证,最大误差由改进前的4.08%减小到0.50%,表明所提方法是有效的。     

基于混合决策树——人工神经网络的电力系统动态安全评价

本文建议用一种新型的决策树（ＤＴ）－人工神经网络（ＡＮＮ）混合结构形式，把简单的ＡＮＮ装于ＤＴ的叶子上来拟合电力系统动态安全域，并且提出了一种改进的神经网络训练学习方法。同时，依据近似安全域的知识改进了样本的选取方法。验证表明，在采取了这三种新的方法之后所得的结果同传统的决策树和神经网络相比，不仅可使训练速度提高近一个数量级，而且在边界上具有很高的精度。     

电力系统动态安全域的LS-SVM在线拟合法

提出了一种基于支持向量机的电力系统动态安全域在线拟合方法。支持向量机在解决非线性有限样本和高维识别方面有明显优势,但标准支持向量机在学习时需要求解复杂的二次规划问题,耗时较多。为此采用最小二乘支持向量机的二值分类算法,构造了二类和三类分类器对运行点的稳定状态进行判断,以最小二乘线性系统代替二次规划方法的标准支持向量机进行模式识别和函数估计,解决了大样本数据建模和运算速度慢的问题。同时采用回归算法构造稳定裕度拟合器,对系统既定故障下运行点的临界切除时间进行在线拟合并计算出稳定裕度。最后以EPRI-36节点模型为算例进行仿真计算,仿真结果表明该方法避免“维灾难”问题的同时,能更好地拟合动态安全域的边界,且进一步证明了该方法的有效性和准确性。     

基于实用动态安全域的电力系统安全性综合控制

基于实用动态安全域（PDSR）的边界可用超平面表示的事实及扩展实用动态安全域临界面的迁移规律,给出了一种最优安全性综合控制的新方法.该方法以综合控制总成本为目标函数,以超平面形式的不等式为暂态稳定约束,将安全性综合控制问题归结成一个最优化问题.针对该优化问题的特点,提出了一种＂积极约束松弛法＂的优化策略,它能将预想事故集分解成使控制总成本最小的2个子集,并分别由预防控制和紧急控制保证其中事故的安全性.在新英格兰10机39节点系统上的仿真算例验证了文中所提优化策略的有效性,也表明综合控制方案远比纯预防控制方案和纯紧急控制方案经济.     

基于实用动态安全域的紧急控制策略

研究了考虑紧急控制措施的扩展实用动态安全域临界面的迁移规律,并用紧急控制措施所引起的实用动态安全域临界面沿其外法线方向的迁移距离来表示紧急控制措施的有效性,给出了切机和切负荷以及二者配合操作的控制有效性的定量表示方法.据此提出了一种新的电力系统暂态稳定紧急控制方法,该方法通过选择不同的措施控制安全域临界面的推移,使扩展后的实用动态安全域能涵盖当前系统运行点,保证系统不会发生暂态失稳现象.在此基础上,通过把控制措施量化为一成本指标,建立了暂态稳定紧急控制的数学模型,并基于控制有效性灵敏度指标给出了该问题的优化策略.在10机39节点新英格兰系统上的测试结果表明了这种方法的有效性.     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

基于决策表-粗糙集理论的动态安全分析神经网络输入特征优选

提出了一种动态安全分析神经网络输入特征的优选方法。该方法将决策表最优特征子集理论与粗糙集理论的元素离散化方法相结合,在保证较高精度的运行点分类和稳定裕度计算的基础上,从大维数的注入元中优选特征元作为神经网络输入特征,以降低其输入特征的个数,较好地解决了神经网络动态安全域方法用于大系统所面临的“维灾难”问题。通过对电力系统分析综合程序(PSASP)中EPRI-36测试系统的仿真计算,验证了该方法的有效性。     

基于地理信息系统的电力系统静态安全分析可视化方法

可视化是近年来发展起来的一种计算机实用方法,由于其对大规模数据处理和体现的高效性和直观性,故在多种领域得到广泛应用,而在电力系统中的应用尚处于研究阶段。     

运用轨迹灵敏度的电力系统动态安全控制

根据Banach空间范数的定义,提出了电力系统运行状态与控制目标之间的距离指标的概念。在故障后系统轨迹灵敏度理论的基础上进一步拓展,提出了将上述距离对可控的系统运行变量的灵敏度矢量的概念,并指出按此灵敏度矢量可以实现电力系统的动态安全控制。对所提出的运用轨迹灵敏度的电力系统动态安全控制问题给出了算法,并在IEEE 4机11节点试验系统上进行了计算。计算结果表明了该动态安全控制方案的有效性。     

华北电网广域实时动态监测系统

基于同步相量测量技术的电网实时动态监测系统能在线监测系统动态过程的全貌,同时,其记录的电网扰动事件数据有助于对仿真系统的模型与参数进行离线校核.文章结合华北电网实时动态监测系统的研制,论述了该系统的构成、主要功能和特点.该系统一期工程由华北网调主站系统和安装在7个关键发电厂和变电站的子站装置构成,子站与主站之间通过调度数据网连接.文章结合东北500kV系统三相短路大扰动试验介绍了该系统在华北电网中的实际应用情况.     

CBR和Multi-Agent在电力系统安全控制中的应用

为了适应市场环境多变和不确定因素增给电网安全控制带来的挑战,作者在分析电网调度自动化向信息化方向发展的基础上,就采用CBR(实例推理)和Multi-Agent(多智能主体)技术辅助调度员解决电网安全控制问题进行了介绍和讨论.     

基于相似搜索和神经网络的日前市场边际电价预测

为了对电力市场次日系统边际电价(SMP)进行准确预测,本文根据数据挖掘中的相似搜索理论和人工神经网络(ANN)工具建立了预测模型,其中相似搜索用来生成神经网络的训练集和输入矩阵,并运用Matlab6.5中的神经网络工具实现该模型。采用美国加州电力市场的历史数据进行实例计算,证明该方法对工作日SMP的预测效果较好,也证明了选择与预测日负荷相似或邻近日的历史数据进行网络训练方法的有效性。     

基于人工神经网络的变压器绝缘模型放电模式识别的研究

分析了变压器绝缘的主要放电形式,设计了模拟变压器放电的7种试验模型和3种模拟空气中放电干扰的模型,进行了不情况下模型的放电试验。使用数字化测量装置,取得了各种模型放电的放电量－相位信息。采用三维谱图提取放电指纹特征,并用人工神经网络ANN来识别不同的放电类型。研究结果表明,人工神经网络对油纸变压器绝缘放电有足够的识别能力。