基于复杂网络社团结构的恢复子系统划分算法

并行恢复对加快大停电后系统的恢复具有十分重要的意义,而恢复子系统的合理划分是并行恢复的基础,但到目前为止在理论上还没有成熟的方法来指导恢复子系统的划分。在此背景下,提出了一种新的基于复杂网络社团结构理论的恢复子系统划分算法。该算法根据黑启动机组在电网中的分布情况以及电网自身特点来划分子系统,利用模块度指标来衡量划分结果的合理性,并根据各个子系统分裂出来的先后次序来确定子系统之间同步并列的先后次序。克服了传统方法无法衡量划分结果合理性、不能适当确定同步并联规则或策略的缺点。最后,以新英格兰10机39节点系统为例说明了所述方法的基本特征。     

电力系统同调动态等值的述评

同调性是电力系统动态等值的理论依据，只有当每个被等值的子系统的内部严格同调时，原系统的动态特征才能被保全在等值系统中。从同调群的定义和要点、同调群的识别、等值模型及参数的确定等方面评述动态等值的研究和应用现状。指出动态等值的原则应符合物理本质，即机组的同调性不但受系统拓扑及所有参数的影响，并且密切依赖于扰动场景。强调只有直接从完整的受扰轨迹中挖掘深层信息，才能可靠识别非自治非线性系统中的同调群。指出轨迹的主导模式反映系统动态行为的内在机理，在同调等值问题上有很好的应用前景。     

基于滑差同调等值的空调群负荷建模

随着空调负荷比例的迅速增长，对系统的暂态电压稳定逐渐带来威胁。为更好地描述含空调启动的空调群负荷特性，文中将同调等值法扩展到空调群的负荷建模中，提出了基于滑差同调等值的负荷建模方法和模型，用阻尼最小二乘法对含空调启动特性的空调群综合负荷进行建模，通过仿真验证了建模方法的有效性。     

基于同调性的电动机动态聚合方法

电动机参数对电力系统仿真精度具有突出的影响,文中提出了一种电动机的动态聚合方法。该方法直接从电动机的机电模型出发,以机电模型方程中的时间常数等系数与初始滑差组成特征向量,采用模糊聚类方法将电动机进行分组;然后,对每组中电动机机电模型微分方程中的系数加权平均,得到一个聚合电动机三阶机电模型微分方程中的系数;最后,根据等值前后电动机吸收的有功、无功不变的准则,计算得到聚合后电动机的所有阻抗、初始滑差、惯性时间参数。算例表明该方法在动态过程中的误差较小,能够提高仿真精度。     

复杂电网任一线路的双端电源等值电路

本文导出了复杂电力网络中任一线路的双端电源等值电路，具有精确、快速、算法统一等特点，适用于线路故障及继电保护工况的仿真分析计算。     

复杂河流网络节点重要度分析

流域中,具有一定水力联系的河流、交叉口、水利工程设施等纵横交错地构成了一个复杂的河流网络.应用复杂网络理论,建立了河流网络模型,并描述了节点的重要度.将该网络模型应用于海河流域,建立了含有565个节点的海河流域网络.计算了海河流域网络节点的度指标和介数指标,并分别划分为8个等级和12个等级,对不同等级的节点进行节点重要度分析.通过对比分析节点的度指标和介数指标,证明了介数指标更能准确刻画河流网络节点的重要性.复杂网络中节点重要度分析可以为水利规划提供理论依据.     

基于复杂网络模型的广州市增城区洪涝灾害风险评估

在气候变化和城市化发展的双重影响下,城市洪涝灾害频发,洪涝引发的链生灾害使损失进一步加剧,严重威胁民众的生命安全与城市的健康发展。以暴雨为灾害源,基于广州市增城区1980—2020年灾害数据,构建灾害演化复杂网络模型,开展灾害风险分析：通过网络平均灾害路径、边介数和连通度评估灾害网络的脆弱性;通过灾害事件共现率分析灾害事件之间的相关性。研究结果表明：高强度、短历时的暴雨是广州增城洪涝灾害的源头,水利设施损坏是影响灾害网络脆弱度的关键节点,农田受浸是引发重大经济损失的主要原因,路面积水导致房屋受浸是风险最大的灾害问题。研究成果可为广州增城洪涝灾害链风险管控与相关应急管理决策提供参考。     

基于复杂网络方法的既有雨水管段脆弱性判定

为减轻城市暴雨造成的洪涝灾害,找出影响既有雨水管段脆弱性的薄弱环节,介绍了城市雨水管网系统脆弱性及雨水管段脆弱性的概念,总结了既有雨水管段脆弱性所涉及的影响因素,综合分析了各功能模块之间的相关程度,并且在此基础上结合复杂网络拓扑模型,提出了一种利用节点的重要度来确定既有雨水管段脆弱性判定的方法。结果表明,该方法能够体现节点之间的重要性差异,使节点脆弱性的判定更加准确,为后续进行城市雨水管网改造、修建提供理论依据,为将来建设海绵城市建设重要分支之一的智慧排水管网系统提供事故管段预警,提高事故抢修和维修服务的效率。     

基于复杂网络理论的输电线路脆弱度评估方法

为快速评估线路故障对系统静态安全的影响,基于复杂网络脆弱度理论,构建了互补性脆弱度指标集和综合脆弱度指标,进而提出一种输电线路脆弱度评估方法。该方法可从全局和局部、有功和无功两方面综合衡量输电线路的脆弱度。根据电力网络有功功率传输的特点构建了平均传输距离指标,从全局的角度衡量输电线路故障对有功功率全网传输效率的影响;其次,提出了局部变化量指标,从负荷节点和发电机节点的角度有效评估局部无功平衡受影响的程度。上述两类指标构成了互补性脆弱度指标集。对互补性指标集进行了归一化处理,得到综合脆弱度指标。通过对IEEE 30节点系统的仿真分析,验证了所提出的互补性指标集和评估方法的有效性。     

基于加权复杂网络模型的恢复路径优化方法

输电网络重构是电力系统大停电或部分停电后进行恢复的第2个阶段,如何确定恢复的目标骨架网络及其恢复路径序列是该阶段的主要任务。文中提出了一种新的基于加权复杂网络模型的输电网络重构优化算法,考虑了节点有功发电出力和有功负荷（特别是重要负荷）的大小以及各节点在网络中的分布情况和重要性程度,并利用了加权复杂网络模型中衡量网络枢纽性的介数指标来优化恢复路径。该算法可以得到最优的恢复路径序列和目标骨架网络,克服了现有方法在确定目标骨架网络和优化恢复路径序列这2个输电网络重构环节严重脱离的缺点,并在一定程度上解决了现有的恢复路径优化方法采用专家经验或分段寻优策略而无法得到最优解的问题。最后,以新英格兰10机39节点系统为例说明了所提出的方法的基本特征。     

一种工程实用的动态等值方法

研究同时包含特高压交流和特高压直流华东电网的动态特性有必要搭建电磁仿真平台。为提高电磁平台仿真效率,在保持电网原有动态特性的前提下,在机电暂态仿真环境下对原有网络中非关注的和低电压等级网络分别进行了等值,从而达到缩减规模的目的。采用同调等值法进行外网等值,基于受扰轨迹主导群方法识别同调群,并通过弱化励磁系统调压能力和调整原动机调速系统的调频能力,对等值机的参数进行了修正。对低电压等级网络等值时,首次提出了按与直流关联紧密程度不同而采用不同的工程实用等值方法,兼顾了等值效果和仿真效率。     

基于开关组的禁忌算法在配电网动态重构中的应用

首先定义了一种基于重构次数的配电网优化模型，提出一种基于开关组的禁忌搜索算法求解优化模型。该方法用开关组状态作为编码的网络结构部分，减小了决策变量维数和不可行解的数量;用三进制时间码作为编码的时间部分，统一了码位取值范围，方便了禁忌表长度和终止条件的确定。另外，利用禁构规则来指导禁忌算法中邻域的生成，既减少了候选解个数，又避免了禁忌搜索中死循环的产生，大大提高了搜索的效率和质量。最后，通过与其他方法的比较，验证了所述算法的快速、有效性。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法.当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间.新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率.实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域.     

基于改进 RBF 神经网络的最大动剪切模量确定

采用径向基函数（ RBF ）神经网络的手段,直接建立最大动剪切模量G_max与孔隙比e、围压σ₃、固结比 k_c 这3个影响因素的非线性关系,避开了寻找G_max与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值,使模型的预测误差最小。以福建标准砂为例,模式搜索法得出的扩展速度 SPREAD 最优值为2.287,RBF 网络预测的G_max平均相对误差为0.931 6%,误差很小,说明 RBF 神经网络能方便、有效地确定不同条件下的G_max,具有一定的推广利用价值。除了对G_max能够很好地预测外, RBF 网络对G -γ关系曲线也能很好地模拟。     

耦合动态方程的神经网络模型在水质预测中的应用

水质变化趋势的有效预测对于水资源综合管理具有重要意义。针对现有数据驱动模型不能有效反映研究对象物理机理的问题,提出了一种耦合动态方程的神经网络模型,并给出了动态方程的耦合方法。分别从数值算例和实际案例2个方面对传统网络模型和机理先验前馈网络模型进行了对比计算分析,拟合程度指标和计算误差指标都表明机理性先验知识的加入可以提高网络模型的预测精度和非线性拟合能力。同时,该模型在水质预测中具有适用性和合理性。在样本数量一定的情况下,机理性先验知识的耦合是进一步提高网络计算精度的有效途径。     

证据理论融合蚁群神经网络的水质预测方法

为了提高水质指标预测的精度,提出了证据理论和蚁群神经网络相结合的组合预测方法。用蚁群神经网络作为单一模型对水质指标进行预测,再由BP、RBF网络对预测误差进行分析建模,获取每个模型的可信度。利用证据理论获取单一模型的权值,实现水质指标的组合预测。该方法克服了常规BP算法收敛速度慢、易陷入局部极值的缺陷,能有效提高预测精度。     

结构动力模型修正方法研究与进展

在结构动力分析中,通过初始模型得到的计算值与通过试验获得的测量值间往往存在偏差,为了能够精确预测结构的动力响应,依据结构的实测信息修正初始有限元模型是非常有必要的。对模型修正常用的矩阵型、参数型、基于神经网络算法和基于优化设计的模型修正方法做了较为详细的综述,介绍了这些方法的原理、实现和应用,并指出了它们存在的不足之处,最后展望了动力模型修正领域的研究发展方向。