基于正则化投影孪生支持向量机的电力系统暂态稳定评估

提出一种基于正则化投影孪生支持向量机的暂态稳定评估方法。将基于传统支持向量机进行暂态稳定评估的高维二项式优化问题转化为两个低维二项式优化问题,并在投影孪生支持向量机的目标函数中引入正则项来改善评估稳定性。首先,构建由系统特征和投影能量函数特征组成的初始样本集,通过特征选择对初始特征进行压缩,获取可有效表征暂态稳定性的最优特征集。然后,基于正则化投影孪生支持向量机的思想将暂态稳定状态分成稳定类与不稳定类,寻找各稳定状态的最佳投影坐标轴,使稳定类投影到稳定类投影超平面上后尽可能地聚成簇,而不稳定类投影到稳定类投影超平面上后尽可能远离稳定类聚成的簇,降低暂态稳定评估的计算时间,同时借助遗传算法进行参数选择以提高准确率。最后,通过IEEE-145和南方电网算例的仿真分析,验证了所提方法的有效性和准确性。     

基于LSSVM和证据理论的电力系统暂态稳定评估

提出了一种基于最小二乘支持向量机和D-S证据理论的信息融合模型的电力系统暂态稳定评估方法。选取了稳态特征量、故障初始时刻特征量和暂态特征量构成不同组输入特征,采用最小二乘支持向量机分类器进行暂态稳定评估,再对子分类器的结果在输出空间利用D-S证据理论实现决策级融合,以提高电力系统暂态稳定评估的可靠性。利用电力系统综合分析程序(PSASP)对EPRI-36节点系统进行了仿真计算,结果表明:可以提高训练效率以及分类的准确性。     

基于特征椭球和支持向量机复合映射的暂态稳定预测模型

针对电力系统暂态稳定预测问题,提出基于特征椭球理论(characteristic ellipsoid,CELL)和支持向量机(support vector machine,SVM)复合映射的方法。通过采集系统受扰后的同步相量测量单元(phasor measurement unit,PMU)量测数据,将其映射至多维样本空间中生成特征椭球。椭球形态的变化能反映出受扰系统在稳定与失稳场景下不同的动态行为,从而识别出系统的暂态稳定性。以包含了系统暂态过程信息的椭球几何属性,如体积、偏心率、中心点、体积变化率等,构造支持向量机评估模型的输入特征,训练所得支持向量机模型能够实现电力系统暂态稳定在线预测。该方法以椭球的动态变化作为暂态稳定判据,利用较少的量测数据就能为暂态稳定识别提供足够的信息量,同时保证较高的准确率。通过IEEE 39节点系统和我国西南某省级区域输电系统的算例测试,验证了方法的可行性和有效性。     

基于响应轨迹和核心向量机的电力系统在线暂态稳定评估

针对现行调度需求提出基于响应轨迹和核心向量机的电力系统在线暂态稳定评估方法。首先将响应数据构建的原始特征集映射至高维特征空间,然后将暂态稳定评估问题定义为核心向量机中的最小闭包球问题,通过最优近似求解进行故障筛选和快速暂态稳定判别,且离线的训练和在线的匹配保证了暂态稳定评估过程能够满足在线计算的要求。10机39节点和某实际省级电网算例的计算结果表明,所提方法具有更低的时间和空间复杂度,并具有更高的评估精度。     

电力系统暂态稳定概率评估方法

提出了一种基于蒙特卡罗-支持向量机的电力系统暂态稳定概率评估方法。首先构建了一组包含电力系统稳定和故障信息的原始特征,经特征选择降维后作为支持向量机的输入,在训练集上进行10折交叉验证,研究了4种支持向量机,其中径向基核支持向量机具有优良的评估性能;然后采用非序贯蒙特卡罗模拟方法选择随机因素,径向基核支持向量机加速暂态稳定评估过程,利用累计分类结果计算电力系统暂态不稳定概率。新英格兰39节点测试系统算例表明,该方法能大幅减少模拟时间,满足暂态稳定概率评估的精度要求。     

基于稀疏贝叶斯学习的电力系统暂态稳定评估

介绍了基于稀疏贝叶斯学习理论的模式识别技术相关向量机及其分类器,在此基础上构建了电力系统暂态稳定评估模型.以EPRI36电力系统暂态稳定仿真数据为例,在相同的数据输入和相同的仿真环境下同时构建相关向量机和支持向量机2种暂态稳定评估模型.仿真预测计算显示,作为一种全新的概率学习模型,相关向量机不仅得到了比支持向量机更高的预测精确度,而且还能得到支持向量机无法完成的概率性预测和更高的稀疏性计算.     

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。     

基于支持向量机和决策函数的暂态稳定评估方法

暂态稳定评估是保证电力系统安全稳定运行的关键点,为解决应用机器学习进行暂态稳定评估保守性不足的问题,提出了一种基于支持向量机和决策函数的暂态稳定评估方法。该方法以故障前潮流量为初始特征集,结合暂态安全稳定量化评估和统计理论方法,提取输入特征;通过支持向量机训练暂态稳定评估模型,得出评估模型的决策函数,并依据支持向量的决策值确定门槛值,保证评估结果保守性。新英格兰10机39节点测试系统和实际系统算例验证了所提方法的可靠性和实用性。     

基于轨迹输入特征支持向量机的湖南电网暂态稳定在线识别

针对目前基于人工智能算法的电力系统暂态稳定评估输入特征选择困难的问题,采用发电机单一状态变量故障清除后一段时间内的轨迹作为支持向量机(Support Vector Machine,SVM)的输入特征,并采用网格法寻找支持向量机在交叉验证意义下的最优参数。通过对这类支持向量机的性能进行详细的分析和对比,给出了3个分类准确度很高的发电机状态变量。在湖南电网的测试系统上仿真实现了该模型,仿真结果证明所提基于轨迹输入特征的支持向量机具有很高的精度,为支持向量机输入特征的选取提供了新思路。     

基于投影能量函数和Pin-SVM的电力系统暂态稳定评估

提出一种基于Pin-SVM的电力系统暂态稳定评估方法。首先,采用系统指标(如平均机械功率、初始加速度和系统冲击等)和投影能量函数指标(如投影角速度、投影角加速度和投影动能PKE)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Pin-SVM思想将特征子集映射到高维空间,实现非线性暂态稳定评估问题的线性转换,进而引入分位数改变系统稳定类与不稳定类之间的最近点位置,将暂态稳定分类问题转换为在Pin-SVM中寻找最优分位数距离问题,以减小边界干扰样本的影响,提高电力系统暂态评估方法的评估准确率和稳定性。最后,以IEEE-39节点系统、IEEE-145节点系统和某实际算例进行仿真计算,计算结果验证了该方法的有效性和准确性。     

基于轨迹簇和MBLDA的受端电网暂态电压稳定评估

针对现有暂态电压状态的多样化以及暂态电压稳定模型训练速度有待进一步提升的问题,提出一种基于电压轨迹簇和多类间线性判别分析(Multiple Between-class Linear Discriminant Analysis, MBLDA)的交直流系统暂态电压稳定评估方法。首先,获取故障后系统关键节点电压受扰轨迹簇信息,借助轨迹簇的几何属性建立暂态电压稳定评估的原始特征集。进而采用ReliefF算法对原始特征集进行压缩,筛选出与系统暂态电压稳定状态密切相关的特征子集,有效表征暂态电压稳定的四种状态(电压迅速恢复、电压延迟恢复、持续低电压、电压振荡)。然后,将高维电压特征空间的特征值方程转化为欠定齐次方程组,提高暂态电压稳定评估模型的训练速度,进而建立大规模系统电压特征集与4种暂态电压稳定状态的映射关系。最后,通过修改后的IEEE39节点系统和修改后的IEEE145节点系统的仿真分析,验证所提方法的可行性与有效性。     

基于APIT-MEMD的电力系统低频振荡模式辨识新方法

传统多元经验模态分解(Multivariate Empirical Mode Decomposition, MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影多元经验模态分解(Adaptive-Projection Intrinsically Transformed Multivariate Empirical Mode Decomposition, APIT-MEMD)的电力系统主导振荡模式辨识方法。首先采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确分离出各量测信道内含有振荡模式的固有模态函数(Intrinsic Mode Functions, IMF)信号。然后,采用Teager能量判据甄选能表征主导振荡模式的IMF信号。进而,采用希尔伯特黄变换(Hilbert-Huang Transform, HHT)实现对各IMF中所含主导振荡模式的频率和阻尼比估计。最后,将所提方法应用到IEEE-68节点时域仿真算例和辽宁电网广域实测算例中进行分析和验证,结果表明所提方法的可行性和有效性。     

基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

基于MEMD和HHT的电力系统低频振荡模式识别方法研究

提出了一种基于多元经验模态分解(Multivariate empirical mode decomposition,MEMD)和希尔伯特黄变换(Hilbert-Huang Transform,HHT)相结合的电力系统低频振荡模式辨识新方法。针对经验模态分解(Empirical Mode Decomposition,EMD)只适用于单通道模式辨识的局限性,以及存在模式混叠和辨识效率低的缺点,引入MEMD方法对多通道量测信号进行分解处理,获取各通道中表征不同频率尺度的固有模态函数(Intrinsic Mode Functions,IMF)分量,实现多通道量测信息的协同分解。在此基础上,引入Teager能量算子筛选出含主导振荡模式的关键IMF。针对主导振荡模式在振荡过程的时变特性,借助HHT追踪各主导振荡模式的瞬时振荡频率和阻尼比。最后,通过16机68节点测试系统仿真数据和辽宁电网PMU实测数据对所提方法进行分析、验证。结果表明了所提方法的准确性和有效性。     

基于故障全景信息的电力系统暂态稳定分析方法

为了准确判断电力系统在故障后的暂态稳定状态,提出一种基于故障全景信息的电力系统暂态稳定分析方法。首先对影响系统暂态稳定的因素进行了分析,构建了以故障时间、故障位置、故障类型及接地电阻等信息为要素的故障全景信息。然后通过两次收缩系统导纳矩阵将故障全景信息融合到最终导纳阵中,从理论上推导了故障全景信息对发电机电磁功率的影响。在此基础上利用扩展等面积法形成不同故障场景下系统暂态稳定裕度的三维曲面,通过提取该曲面与零裕度平面的交线得到系统的暂态稳定边界。最后,分别利用IEEE 3机9节点系统和新英格兰10机39节点系统进行了仿真验证。结果表明,所提方法有利于提高系统在各种类型故障下暂态稳定判断的准确度。     

基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估

为了提高支持向量机(Support Vector Machine, SVM)的分类性能,提出了根据关键样本集构造的SVM综合分类模型进行电力系统暂态稳定评估的方法。给出了基于不同特征量的SVM综合分类模型的构建方法、关键样本集的产生方法以及基于综合分类模型和关键样本集的SVM分类步骤。采用3机9节点典型算例和某省级电网算例进行分类效果分析。分析结果表明,所提出的基于SVM综合分类模型和关键样本集的方法,相较于传统SVM方法,大幅度减少了将不稳定样本判定为稳定的漏分类数,提高了SVM方法的实用性。所提出的基于关键样本集构造分类模型的思路对于其他数据挖掘方法也有一定的借鉴意义。     

配电网电压控制的分布式光伏无功仿射可调鲁棒优化方法

随着高比例分布式光伏发电并网引发的配电网电压波动越限问题,提出基于仿射可调鲁棒优化的分布式光伏无功功率调节方法。首先,通过建立以配电网有功网损和节点电压偏差最小化的综合优化模型,采用多面体线性化方法将综合优化模型转化为二次规划模型。然后,在考虑分布式光伏有功出力预算不确定性集的基础上,通过对偶变换将鲁棒优化模型转化为确定性的二次规划模型。在含高比例分布式光伏的IEEE-33和IEEE-123节点的配电系统仿真结果表明,与分布式光伏零无功调节相比,所提出的仿射可调鲁棒优化方法较传统的鲁棒优化方法能大幅度地改善网损和节点电压优化结果,具有较低的保守性,最为接近蒙特卡洛仿真结果。     

一种电网等值分解及短路计算新方法

近年来我国电网规模及复杂性不断增加,现有继电保护离线整定方法已越来越难满足保护性能的要求。随着广域信息测量及电网通信技术的快速发展,继电保护在线整定无疑是解决上述问题的有效措施,而对大型电力系统网络结构及运行方式进行快速短路计算是在线整定技术发展的一项重要前提。首先提出了一种电力系统扰动域划分方法,在此基础上将复杂大电网等值分解为若干小型子网以简化短路及整定计算求解过程,并进一步基于LDU分解法设计了一种采取并行运算的快速短路计算新方法。基于OPENMP并行计算平台的程序计算结果证明了新方法与传统单核串行计算相比运算速度显著提升,为在线整定技术的发展提供了新的思路及解决方案。     

基于边临毁度的电力通信网脆弱性分析

电力通信网脆弱性分析对确保电力系统安全运行和加强电网健壮性具有重要意义。首先建立了电力通信网络模型,从网络的业务层、网络传输层和物理层指标出发,建立了基于临毁度和网络损失度的电力通信网的脆弱性评估和分析模型。接着对边的业务传输时延指标、带宽占比指标和物理故障概率指标评估得出网络部件(节点、边)的临毁度。最后结合网络部件失效后的系统损失度,得出网络部件的脆弱度评估值。以IEEE-30节点系统为例进行仿真,完成了通信网络部件的脆弱性评估分析,结果表明通信链路的长度和业务分配方案与电力通信网的脆弱性密切相关。     

考虑机会约束的配电网光伏并网容量分布鲁棒优化方法

传统的经验性概率分布描述分布式光伏出力的不确定性难以准确获取概率分布参数。为此,提出一种基于Kullback-Leibler散度的分布鲁棒优化方法来评估配电网分布式光伏的最大并网容量。首先,通过Kullback-Leibler散度来量化实际概率分布与经验性概率分布之间距离,建立分布式光伏出力不确定性的模糊集。在考虑节点电压和传输容量越限机会约束的情况下,建立了分布式光伏并网容量分布鲁棒优化模型。通过采用风险价值和样本平均近似方法将分布鲁棒优化模型转化为一个混合整数规划问题求解。在改进的IEEE-33节点系统的仿真结果表明了所提出分布鲁棒优化方法的有效性和鲁棒性。