基于时序运行模拟的电网运营效率评估方法

电网运营效率体现了电网运营的精益化水平,对于电网企业的经营效益具有重要影响。对面向未来电网规划方案的电网运营效率进行科学评估对电网建设具有重要的指导意义。该文从发电侧与输电侧2个角度出发,设计了电网运营效率评价指标集。基于电力系统时序运行模拟技术,提出了电网运营效率评价指标的计算方法,能够充分考虑电力系统运行的复杂边界条件以及多种运行场景,全面准确地反映电力系统的运营效率。采用江苏电网2018年的规划方案实际数据进行了实证分析,研究了晋北--南京特高压直流工程以及江苏千万kW级风电基地对电网运营效率的影响。结果表明,晋北直流的建设会在一定程度上增加系统网损和输电阻塞,对运营效率有一定负面影响,风电间歇性也会增加与风电距离较近的线路阻塞进而降低电网运营效率。     

输电网运营效率评价方法研究

在深入调查国内外对电网运营评价指标情况的基础上,分析了输配电网评价方法的不同,从现有输电网运营指标体系存在的问题着手,提出电网运营效率评价指标的要求,总结得出一套适用于我国输电网特性的运营效率评估指标新体系。新的指标体系以基于全寿命周期的单位输电成本为主要指标,从运行效率、安全性、经济效益、可靠性4个角度全面地反映输电网运营效率。     

电网运营风险预警评估的模糊故障树分析模型

基于模糊故障树分析法提出了一种电网运营风险预警评估指标体系的构建方法,通过将电网运营分为电网结构、电网运行、设备运检和安全管理四个系统,综合考虑各个部分对于电网运营风险方面的影响作用。首先,将各个系统指标出现异常波动作为故障事件,建立与指标评估体系相对应的模糊故障树,利用模糊数学原理确定了各个系统指标相对于电网运营风险的重要度;其次,取代一般的专家经验法获得权重,将重要度作为评价指标的权重引入评估体系中,在此基础上结合评价指标实际测量值对电运营风险水平进行综合评估;最后对综合预警评估结果利用雷达图进行风险扰动源确定,准确定位需要控制的风险指标,为电网运营风险提供一套高效准确的预警评估方法和评估流程。     

含风电场的输电网运营效率评估

针对传统含风电场的输电网运营效率评估体系中存在的指标冗余和评估结果准确性较差的问题,首先引用相关性分析法去除相关性较强的指标,随后运用组合权重法合理赋权突出主导因素,从而筛选精简出含有11个代表性极强的指标的合理的评估指标体系,由此构建出模糊神经网络综合评价体系。然而模糊神经网络在训练参数时收敛速度较慢且容易陷入局部最优解,因此文中在对比分析了梯度下降法、粒子群算法及小生境粒子群(NPSO)算法的收敛速度和精度后,选择具有最优收敛性能的NPSO算法求解最优参数并更新到神经网络中。测试数据表明,实际输出和预测输出的契合度很高,最终针对甘肃省L市、T市和B市2011—2016年的输电网运营效率进行评估与分析。     

基于BP神经网络的电网综合评价研究

电网综合评价通过对评价对象构建指标体系,利用相应的评价模型得到评价结果。构建了含有7个一级指标、14个二级指标以及28个三级指标的多层次的电网综合评价指标体系。使用AHP模型引入博弈论集成法结合模糊综合评价法和熵值法确定主客观权重进而获得最终权重,代入神经网络进行训练。通过某省10个地市2014年电网满意度测评结果,验证了该方法能够实现快速、一致、准确的电网综合评价。     

基于DEA模型评价电网投入产出效率方法研究

随着我国电网规模持续扩大,供电能力大幅提升,电网投入产出效率已成为我国电网规划研究与建设运作关注的重点问题。将电网视为一个投入产出环节,利用数据包络分析(Data Envelopment Analysis,DEA)方法对电网进行投入产出效率评价,分析15年间电网投入产出综合效率。结果表明,各年份效率水平与电力体制、经济形势显著相关,并结合电网不同分布范围,分析电网企业规划建设运营对电网投入产出效率的影响。     

基于模糊神经网络的电力企业数据中心绿色评价方法

以电力企业数据中心架构和数据模型为基础,分析了构建企业绿色数据中心的多种影响因素,建立了由基础设施、关键业务系统应用率、虚拟化技术应用和智能化管理等因素构成的绿色评价指标体系。结合模糊综合评价的结构性知识表达能力和神经网络的自学习能力,提出一种电力企业数据中心绿色水平评价方法。实例计算结果表明,应用模糊神经网络模型进行电力企业数据中心绿色评价降低了评价过程的主观性,提高了评价结果的客观性和准确性。     

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。     

基于神经网络的模糊优化设计方法

并行工程要求设计人员在产品的设计决策阶段就考虑其整个生命周期内的全部有关因素。基于模糊集合原理,提出了一个支持并行工程实践的模糊设计折衷决策建模方法,并利用模糊神经网络对该问题进行决策计算,从而找出设计人员最满意的设计方案。     

基于RBF神经网络的电网可靠性评估模型研究

为了改善电网可靠性评估的计算效率,提出了ＲＢＦ神经网络的学习算法和电网可靠性评估算法。计算结果表明：此算法能够快速有效地进行可靠性评估。     

基于模糊神经网络的电力系统信息安全风险评估

结合信息系统等级保护划分策略,介绍一种基于模糊神经网络的风险评估方法,分析使用该方法构建的电力系统信息安全网络评估指标体系,并验证了该方法的准确性。     

基于D-FNN的电网混沌振荡系统的自适应控制

面向电网混沌振荡系统产生的混沌现象,采用D-FNN对电网混沌振荡系统进行网络建模。在动态模糊神经网络(D-FNN)建模的基础上,提出对连续混沌系统的在线自适应控制方法。该控制方法通过D-FNN对连续电网混沌振荡系统进行在线的同步自适应控制,控制效果很好,并通过对具体的电网混沌振荡系统的数值实验证实了该方法对电网混沌振荡系统混沌控制的有效性和可行性。     

基于RBF神经网络的电网脆弱性评估及其趋势估计

本文建立了分层网状拓扑结构下的电网脆弱性评价体系,针对该体系提出了基于径向基函数（radial basis function,RBF）神经网络的电网脆弱性评估方法。将电网综合脆弱性分为状态脆弱性和结构脆弱性,并与相应的子指标构成脆弱性网状评价体系,同时以高斯（Gauss）函数作为RBF神经网络函数的核函数解决指标间的非线性问题。通过MATLAB中的RBF神经网络函数对IEEE14母线系统计算分析,验证了该方法的全面性与有效性。最后,针对节点多个测量周期的脆弱性测度建立自回归（auto regression,AR）模型,通过判定AR模型的差分方程稳定性,分析了节点脆弱性测度的发展趋势。     

基于蒙特卡洛和神经网络的含高比例风电电网频率风险评估

为准确评估含高比例风电电网频率风险,提出了一种基于蒙特卡洛仿真和BP神经网络的多指标电网频率稳定风险评估方法.根据风电并网频率机理构建多个关键指标,通过蒙特卡洛仿真耦合区域电网风电功率波动概率函数求取指标概率,运用BP神经网络获得指标权重,根据ALARP原则建立风险矩阵.最后,对IEEE 3机9节点进行仿真验证,结果表...     

基于模糊神经网络的双馈风力发电机功率控制

双馈风力发电机在变速恒频发电方而有广泛的应用前景,而影响其应用的关键在于能否对其有功功率和无功功率进行有效的控制。本文提出了模糊神经网络解耦控制策略,该控制策略不依赖电机参数与精确的数学模型,能够实现双馈风力发电机有功功率和无功功率的解耦控制,控制算法简单,系统的鲁棒性强。仿真结果表明了控制策略的有效性。     

基于神经模糊网络的短期风电预测

本文利用中尺度NWP模型,以半小时为间隔,对风电场参考点未来36小时的气象变量进行了预报,提出了一种基于神经网络和模糊逻辑相结合的混合计算智能技术的风力发电预测统计模型.利用该统计模型对NWP模型输出、SCADA和风塔的实测数据进行处理,准确预测风电场中各风机的风电功率.同时介绍了网络结构和训练算法,并将该预测方法应用于我国某实际风电场的风电预测.预测风电与实际风电之间的均方根误差(RMSE)小于20％.预测结果表明,训练后的神经模糊网络对风电场建模和风电预测具有较强的应用价值.由于神经模糊网络的适应性,该方法可集成到在线风电预测系统中,在运行过程中自动调整.     

基于马尔科夫链的电力系统运行可靠性快速评估

针对电力系统可靠性分析中蒙特卡罗模拟法需要大量计算资源和收敛速度较慢的缺点,从运行角度出发,在设备具备故障率指数分布特性前提下,基于马尔科夫链,建立可快速对电力系统运行可靠性解析分析的模型.其核心体现在:首先,提出便于工程实现的电力系统运行状态划分为3类的准则,及其对应的状态空间转移表达;然后,基于电力系统运行历史数据样本(或模拟数据样本)得到电力系统运行等值的马尔科夫状态转移概率矩阵.在此基础上,利用状态转移概率矩阵和电力系统运行当前的状态,可快速解析未来一段时间内电力系统运行状态转移概率、平稳状态概率及首次故障平均时间等可靠性指标,实现电力系统运行可靠性的快速评估.RBTS 6节点算例的分析,验证了电力系统状态转移的马尔科夫特性,表明了该研究的有效性.     

基于模糊神经网络的洗衣机仿真研究

本文介绍了基于模糊逻辑和神经网络的模糊神经网络及其学习算法,利用模糊神经网络学习速度快、学习过程稳定、全局动态优化运算等特点使洗衣机能够更加准确的判断衣物的软硬程度、衣量多少、脏污程度和性质等,自动生成模糊控制规则和隶属度函数,在洗衣过程中实时调整这些参数,达到最佳的洗衣效果。