考虑负荷增长随机性的大电网电压稳定概率评估

针对电压稳定负荷裕度计算中负荷增长随机性的影响,提出一种大电网电压稳定概率评估方法。该方法根据历史负荷数据采用改进K均值聚类算法将负荷分类,基于负荷预测和负荷分类结果定义负荷随机增长的期望,在此基础上建立负荷增长方向概率模型,并采用拉丁超立方采样技术获得负荷增长方向样本,运用连续潮流对各样本进行确定性的负荷裕度计算。运用该方法对我国某实际电网进行电压稳定概率评估,评估结果验证了该方法的有效性和实用性。     

面向运行规划可靠性的综合聚类负荷模型

针对目前运行规划可靠性评估中负荷模型的不足,提出了一种综合聚类负荷模型,该模型能综合考虑负荷节点的特征量信息,分类精度显著提高.对研究时段内的多个负荷水平进行综合聚类的基础上采用多维正态分布抽样技术,计及节点负荷相关性和负荷预测标准差,确定评估期间的节点负荷值.在负荷分类基础上结合累积概率负荷模型,推导了停电频率指标的计算公式,解决了非序贯仿真中考虑负荷转移的频率计算问题.通过算例,分析了负荷分类、负荷预测不确定性、节点负荷相关性和负荷转移频率对可靠性指标的影响,验证了模型的正确性和有效性.     

基于两点估计法的交直流混合系统电压稳定概率评估

传统的交直流系统电压稳定分析大多是建立在确定性方法上的,没有考虑系统中各种随机因素的影响,不利于交直流系统运行的经济性和合理性。为了弥补确定性方法的不足,提出了一种基于两点估计法的交直流混合系统电压稳定分析方法。该方法考虑负荷水平和负荷增长系数的随机性,建立了交直流混合系统的负荷裕度模型。通过少量确定性计算求出负荷裕度和临界点处节点电压的前3阶矩,从而得到待求变量的近似概率分布,确定某一负荷水平下交直流系统电压失稳的概率。与蒙特卡罗法进行比较,计算精度满足要求,并且大大地缩短了计算时间。     

基于改进k-均值聚类的负荷概率模型

提出采用改进的k-均值聚类方法对电力系统小时负荷进行聚类,避免了传统k-均值聚类存在的聚类中心初始值难以确定、聚类结果不稳定的问题。在建立聚类负荷模型的基础上,进一步建立了考虑负荷不确定性和相关性的负荷概率模型。RBTS和IEEE RTS79算例分析结果表明,采用所建立的聚类负荷模型时的发电系统可靠性计算结果精度高,节省了状态抽样法的计算时间;负荷不确定性和相关性对发电系统可靠性有较大影响。所建立的负荷概率模型为采用解析法和状态抽样法进行发电和发输电系统可靠性评估提供了基础。     

基于节点静态电压崩溃概率的电压稳定指标研究

通过对节点静态电压变化模型的分析,提出一种考虑有功与无功相对制约关系及功率因数变化的电压稳定静态指标模型,IEEE30节点系统的仿真结果表明该指标能更敏感地识别出系统的薄弱节点,为静态电压稳定的预防控制提供参考,具有计算量小、速度快、灵敏度高等优点。     

基于模糊聚类的神经网络短期负荷预测方法

针对电力负荷的特点，综合考虑天气、日类型、历史负荷等对未来负荷变化的影响，提出了一种新的短期负荷预测方法。通过模糊聚类选取学习样本，采用反向传播算法，对24点每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力，提高了学习效能，在负荷平稳的季节和负荷波动较大的季节都具有较好的预测精度。     

基于模糊神经网络的电力系统电压稳定评估

设计了一个多输入单输出的模糊神经网络,通过计算带静止无功补偿器电力系统的负荷能力极限,对系统的电压稳定性进行评估,有功与无功负载的不确定性、有功与无功发生器、母线电压以及SVC的参数都被考虑进来。首先,Kohonen自组织变换聚类所有节点的有功和无功负荷来减少输入量个数,这样就限定了网络的大小减少了计算量。其次,采用一种混合非线性隶属度函数,将输入变量模糊化。最后,设计一个模糊输入的三层前馈神经网络进行训练评定电力系统的负荷能力裕度。     

基于减法聚类的模糊神经网络负荷建模

负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义.     

基于模糊神经网络的电力系统电压稳定评估

设计了一个多输入单输出的模糊神经网络,通过计算带静止无功补偿器电力系统的负荷能力极限,对系统的电压稳定性进行评估,有功与无功负载的不确定性、有功与无功发生器、母线电压以及SVC的参数都被考虑进来.首先,Kohonen自组织变换聚类所有节点的有功和无功负荷来减少输入量个数,这样就限定了网络的大小减少了计算量.其次,采用一种混合非线性隶属度函数,将输入变量模糊化.最后,设计一个模糊输入的三层前馈神经网络进行训练评定电力系统的负荷能力裕度.     

基于模糊识别与模糊聚类理论的短期负荷预测

依据模糊模式识别、模糊聚类理论 ,提出一种短期负荷预测的新方法 ,应用相应的隶属度来描述负荷与影响负荷因素之间的关系。实践表明 ,该方法具有预测精度高、误差小的优点 ,是值得广泛推广的好方法。     

基于模糊综合评价的聚类分析在电力负荷建模中的应用

阐述了在电力负荷建模中,统计综合法建模是以典型用户的选取为基础的,在此基础上,通过分析变电站综合负荷的构成以及用户设备容量比例,提出了基于模糊综合评价的聚类和模糊C均值聚类两种方法,并对某市工业典型用户进行分类,结果表明基于模糊综合评价的聚类分析能够克服模糊C均值聚类法中主观差异性对分类的影响,概念更为清晰,聚类结果更为合理。     

基于模糊聚类的电力系统载荷能力安全预警方法

针对电力系统静态安全分析工程应用的需要,提出了以节点载荷能力为核心的电压稳定指标预警分析方法.该方法用红、黄、绿3种通用的预警颜色分段标识系统能够承受单一节点负荷增长的能力,并给出各预警色段所允许的节点载荷能力的界域.将能够表征节点载荷能力的相关电压稳定指标定义为聚类特征向量,基于各节点的实时特征向量值对系统中所有带负荷的节点进行模糊聚类,然后按照着色逻辑规则对聚类中心特征向量值和相应的聚类节点集进行着色分析.各预警色段节点集所允许的负荷增长范围可以通过离线仿真获得.IEEE 30系统的仿真试验验证了该方法的有效性和实用性.     

电压稳定的概率特征根分析

将传统的小干扰电压稳定性分析法扩展到基于一般性多机系统表达(GMR)技术的概率特征根分析环境。在正态分布的假设下,考虑了由节点功率运行曲线确定的系统多运行方式。某特征根位于复平面左半平面的分布概率表征了该模式的稳定程度,从而由特征根的分布概率和特征根对节点电压的电压失稳模式系数可以判断系统多运行方式时系统电压稳定的薄弱点,同时可为SVC的安装地点提供选择依据。在3机9节点系统上的计算分析表明了该方法的有效性,对目前多馈入交直流混合输电系统中凸现的电压稳定性问题的研究具有一定的意义。     

基于模糊聚类的多神经网络在短期电力负荷预测中的应用

根据城市短期电力负荷所呈现出的趋势性和一定的周期性,本文提出了模糊聚类和多个神经网络相结合的负荷预测方法,即首先根据一定长度时间段负荷的变化趋势相似性,将众多相同时间段长度的样本聚类,再用不同的神经网络对每个类别的数据样本进行学习,最后将待测数据所属时间段判定类别后用相应的神经网络进行预测.文中采用某市电力负荷实测数据进行了建模和计算,通过与普通的单一人工神经网络方法的比较,证明该方法具有预测平均绝对误差小、训练速度快、推广能力好的优点,有潜在的应用价值.     

基于电压稳定的切负荷策略研究

切负荷相对其他措施来说是使由于故障导致电压崩溃的系统恢复电压稳定的一种有效方法。对故障切负荷的策略作了一些研究,提出了选取切负荷地点和确定最小切负荷量的方法,并最终以实例证明了该方法的可行性。     

大干扰概率电压稳定评估方法的研究

在调研国内外电压稳定可靠性评估研究的基础上,基于电压稳定的定义和分类,并结合电力系统可靠性评估方法,提出大干扰概率电压稳定性的概念,基于该概念构造能够综合考虑暂态和长期电压稳定性的大干扰电压稳定的可靠性指标,制定概率电压稳定的综合评价原则,在此基础上,提出基于电力系统可靠性评估的大干扰概率电压稳定的评估方法及相应的算法流程。实际电网算例结果表明,所提方法能以定量评估指标直观地表达系统电压稳定的安全特性,有助于提高电力系统运行的可靠性。     

基于特征加权模糊聚类的电力负荷分类

电力用户的负荷分类为电力系统和电力部门的系统规划、负荷预测、分时电价等研究提供了基本的指导工作。利用基于变分模态分解（variational mode decomposition,VMD）和模糊C均值聚类算法（fuzzy C-means,FCM）实现电力负荷的分类研究,针对FCM中欧氏距离的特征权重唯一的问题,利用基于特征加权的模糊聚类方法,提出基于特征加权的VMD-FCM聚类算法。根据电网实测负荷数据,VMD算法可对数据的固有模态有效分解,结合FCM算法引入的权重系数,显著提高了算法收敛速度和聚类准确度。对聚类结果分析表明：所提VMD-FCM聚类方法能够有效区分不同负荷类型,具有实际应用价值,从而为电力系统的设计规划提供指导作用。     

浅析电力系统负荷对电压稳定性的影响

介绍了负荷的静态模型和动态模型及模型参数的测量方法.定性分析了静态负荷特性与动态负荷特性及负荷建模对电压稳定性的影响.指出在电力系统的电压稳定分析中,发展动态负荷模型是研究电压稳定问题的关键和难点之一.     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。