计及断线的机组同调辨识方法

针对重负荷且因断线导致网络结构发生变化时,基于慢同调理论的机组同调辨识方法因雅可比矩阵条件数大导致的收敛困难的缺点,提出了计及断线的同调机组辨识新方法。该方法的基本过程如下:首先,把线路π型等值模型表示成带参数模型,从而通过参数的变化表示支路的开断;然后,采用基于预测—校正的延拓算法计算线路开断之后新网络的状态矩阵特征值及特征向量;最后,计算出同调系数,得到新的网络结构下的同调机群。通过新英格兰10机39节点系统验证了该方法在系统负载大时,具有更好的收敛性。     

电力网络频率等值新方法

提出了一种基于高斯消去法的电力网络新的宽频等值方法。该方法基于高斯消去法获得外部系统网络在频域上导纳传递函数,即外部网络的传递函数,将传递函数进行分式展开并基于简单的RLC支路与分式的对应关系获得等值网络;针对等值网络规模过大而使等值网络过于复杂、计算量过大的问题,进一步提出了等值网络化简方法及大网络分步求解的方法,而实现大系统的等值计算。因外部网络的传递函数包含了外部系统网络在较宽频域内的全部电气信息,故所提出的宽频等值方法获得的外部系统网络的等值电路,可以反映外部系统网络的在较宽频域的电气特性,等值精度较高。算例证明了方法的有效性。     

具有抗逆序及权重自适应的黑启动方案评估方法

逼近理想解排序法（technique for order preference by similarity to an ideal solution,TOPSIS）因方法简单易实施而应用广泛,但其存在逆序问题及无法合理地考虑指标权重问题。针对该问题,提出了具有抗逆序及权重自适应确定的黑启动方案评估新方法。首先通过引入正负极端方案及改进数据归一化方法,很好地克服了TOPSIS逆序问题的产生;进而提出指标权重的自适应确定方法,既充分利用专家的偏好,又使得客观信息得到充分利用;基于上述改进策略,提出了具有抗逆序及权重自适应确定的TOPSIS新方法并给出了具体实现步骤。河北南网黑启动算例证明了方法的有效性。     

基于随机模糊聚类的负荷建模与参数辨识

针对实际负荷的无功功率变化范围比有功功率大的特点以及电力负荷的时变性和变结构性,提出了一种新的负荷建模与参数辨识方法。首先,对linearized-GNLD模型的无功部分进行了改进,以刻画实际负荷的无功部分往往比有功部分具有更大变化范围的特点;进而将有效性函数引入随机模糊聚类中,获得了无需事先给定分类数就能同时获得最佳分类数及相应聚类隶属度的随机模糊聚类新方法;最后,把所提出的新方法与改进的linearized-GNLD模型以及先聚类后辨识策略相结合而获得了新的负荷建模与参数辨识方法。相对于其他方法而言,所建立的模型无需事先给定负荷模型个数而使得实际应用更为方便;同时,由于先聚类后辨识策略,使得每一类负荷模型均是基于类似负荷曲线(节点电压、有功功率、无功功率的负荷曲线组)而获得,相应地所获得的负荷模型也具有更高的辨识精度和更好的推广性。算例证明了所提方法的有效性及正确性。     

基于规则树的自动开操作票新方法

针对现有基于规则树自动开票方法存在的问题,提出了一种改进的基于规则树自动开票新方法。其特点在于:基于所建立的闭锁堆栈对新增节点和闭锁表达式进行比较,通过删除与闭锁表达式相同或真值相反的新增节点来分别克服规则死锁、规则冲突等问题,避免了扩展子树和分支互换等繁琐过程,大大减少了算法复杂度及存储空间;提出了与节点的有序与和无序与的定义并基于此对不同的与节点加以区别,然后将所有的无序与排列组合形成多个有序与,再加以推理,保证了方案的完备性;提出了按照先生长先提取的原则进行操作序列的提取,从而自动消除了对冗余节点的重复处理、进一步简化了推理进程。算例及实际系统的应用表明方法可行有效,保证了操作票的合理性、完备性及简约性。     

电力系统最优主动解列断面搜索模型及算法

解列是电力系统在故障时结构完整性得不到保证的情况下分裂为2个或多个孤立稳定运行子系统的过程或操作。及时恰当的主动解列操作将能有效地避免因保护连锁动作使得电力系统被动解列而崩溃所造成的巨额经济损失。结合图论中的相关概念和输电网最优解列的物理过程,建立电力系统最优主动解列断面选择问题的完整数学模型,并基于含连通图约束的背包问题(connected graph constrained knapsackproblem,CGKP)及其求解算法提出"搜索调整"的2阶段求解方法。为降低问题的复杂性,将完整数学模型分解成图的最优平衡分割问题和基于优化潮流的调节问题,并分2个阶段分别求解。其中,图的最优平衡分割问题又被分解成多个CGKP,利用基于含CGKP的图分割方法进行求解。所提出的主动解列策略具有较强理论基础,计算复杂度低,算例的计算结果证明了该模型及算法的正确性和有效性。     

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法（WLAV）状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法（E-LAV）。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法（WLS）近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。     

对故障敏感的负荷节点和关键节点的辨识

电力系统中许多大扰动都会导致系统负荷降低。对于系统调度员来说,了解和掌握系统中是否存在一些受故障扰动影响而负荷降低始终是最严重的节点、变电站,是相当有用的,同时也是一个具有挑战性的工作。文中将数据挖掘技术用于识别香港电力系统中与故障相关的最敏感的变电站。定义了量度负荷降低严重性程度的两个指标。基于数据统计分析找到了对故障扰动最敏感的变电站,其正确性得到了实际电力系统专家的证实。此外,通过对电压曲线的相关分析,找出了系统中的关键节点,对这些节点实施有效的电压调节,将有助于故障后敏感节点电压的恢复。     

基于展望理论的发电厂商最优报价

在电力市场中,发电商的报价决策是一个风险决策过程。展望理论描述人们在经济活动中对于风险偏好与其预期利润目标相互关系的理论：当利润大于其预期目标时,大多数倾向于回避风险,而当利润小于其预期目标时,则倾向于追求风险以尽可能实现预期目标。该文将展望理论用于制定发电厂商的报价策略,提出了基于展望理论的计及风险的发电厂商的最优报价策略。由于该模型同时考虑竞价失败风险和预期利润目标在报价决策过程中对发电商决策思想的影响,使得所选报价方案更符合发电商的心理愿望。算例证明了所提出的方法的可行性和有效性。     

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。