基于微粒群辨识算法的电力负荷综合模型的建模与仿真

微粒群优化(PSO)算法具有全局性能好、搜索效率高等优点.应用该算法进行电力系统负荷模型的参数辨识,辩识结果表明PSO算法在计算时间、全局性方面均有比较明显的优势.辨识的模型具有较高精确性,最后通过工程实例进行仿真实验,实验结果验证了模型和算法的有效性.     

基于粗糙集的改进约简算法和决策树的电网故障诊断模型

采用基于粗糙集的决策树方法建立电网故障诊断模型,可以方便地处理含有非数值特征的、不精确的故障样本,且当丢失或出错的故障信息不是关键信号时,不会影响诊断结果,具有较强的容错能力和适应性。该文基于粗糙集理论,首先利用可辨识矩阵的改进算法对由断路器和保护为条件属性、考虑各种故障情况所组成的诊断决策表进行简化;然后采用加权平均粗糙度的概念,作为选择分离属性的标准,构造电网故障决策树,从而实现对电网的故障诊断。通过实例表明,该方法能有效地约简知识,具有很强的容错能力,能准确地判断电网故障以及对其进行定位。与规则表示相比,决策树直观、易于理解、维护和修改。     

基于Prony方法的大型互联电网PSS参数优化设计

提出了一种完全基于仿真曲线Prony分析的电力系统稳定器(PSS)参数优化设计方法.该方法通过对仿真曲线的Prony分析辨识系统的弱阻尼区域振荡模式信息,以提高区域振荡模式下的阻尼为优化目标,在限定的参数空间中进行PSS参数优化设计.采用单纯形法对PSS参数进行优化,以Prony方法辨识的PSS参数作为单纯形区域的初始中心点可克服算法的收敛性问题.云南电网发电机组实际PSS参数优化设计的结果表明:在云南电网多种运行方式下,均可很好地抑制系统的区域振荡,验证了PSS参数优化设计方法的有效性和鲁棒性.所提出的基于Prony算法的PSS参数优化方法优于传统PSS设计方法,适用于大型互联电网发电机组的PSS设计.     

静止无功发生器的递归神经网络建模

利用递归神经网络的动态映射能力,实现了静止无功发生器的递归神经 网络建模,构造了ASVG递归神经网络模型。理论分析与仿真实验表明,所建立的递归神经网 络模型可以很好地实现正常运行及故障状态下ASVG电力系统的非线性动态映射。     

参数辨识在光伏发电控制系统中的应用

受外部因素的影响,应用于光伏电池最大功率跟踪系统的数学模型的输出与其实际输出之间会有一些误差.利用递推最小二乘法对应用于光伏电池最大功率跟踪系统的数学模型的相关参数进行了辨识,利用辨识结果并结合最优梯度法实现了对太阳能光伏电池的最大功率跟踪.仿真结果表明,递推最小二乘法能较好地对系统模型的参数进行辨识,从而可以减少光伏电池最大功率跟踪系统的误差.     

面向通用对象的变电站事件(GOOSE)实时解析和预警系统

GOOSE已经在数字化变电站中广泛应用,但缺乏对GOOSE通信过程有效的分析、监测工具.针对这一空白,提出了GOOSE报文实时解析的步骤和方法,定义了GOOSE传输的正常和异常事件,根据GOOSE实时解析的结果建立了GOOSE通信模型,并在此基础上开发了GOOSE通信预警软件和图形化的人机界面,阐述了预警系统在数字化变电站中的应用情况.GOOSE实时解析和预警系统能够及时发现通信异常,消除缺陷,保证数字化变电站的可靠运行.     

电力系统动态等值的在线测辨研究(Ⅱ)——辨识方法及仿真检验

动态等值的同调等值法和模式等值法大都用于离线分析,在线动态安全分析常需要对外部系 统作在线的实时动态等值。由于系统的结构、运行工况多变,一般不可能离线先作等值后 再在线调用。因此,在可辨识性分析的基础上,引进全局性好、鲁棒性强的进化策略辨识方 法用于电力系统动态等值的在线测辨。华中电网的实际仿真应用表明：进化策略法具有较高 的精度和较少的计算量,适合于动态等值参数辨识。     

考虑气象因子的城市日用水量预测模型

讨论了影响城市用水量变化的气象因素,对某市6个月的用水量及气象数据进行分析,评估了温度、湿度、降水量与城市用水量的相关程度,并通过分别引入单气象因子和多气象因子,建立了日用水量预测的ARX模型.结果表明,在单步长(1 d)预测中,综合考虑最高温度和平均湿度的影响后,预测精度较时间序列的自回归模型有较大改进,同时也优于仅考虑单气象因子的预测模型.此外,在多步长的预测中,考虑气象因子后的预测模型精度仍具有明显的优势,是对用水量自回归时间序列预测方法的有效完善.     

北京市大气气溶胶中多环芳烃的研究

采集了春、夏、秋、冬4个季节的PM10和PM2.5颗粒物样品,参考美国EPA-610方法,利用色谱-质谱技术对美国环保总局推荐的18种优控多环芳烃进行了内标法定量分析,并探讨了多环芳烃的分布特征和来源．结果表明：PM10可吸入颗粒物污染比较严重,其中PM2.5的细粒子占很大比例;PM10和PM2.5的质量浓度春季最高,然后依次为冬季、秋季、夏季．多环芳烃单体的质量浓度在0．10-36．71ng／m^3之间,萘、芴、苊等低分子量芳烃的含量相对低;苯并[-ghi-]花、茚并[1,2,3-cd]芘、苯并[-k-]荧葸、苯并[-a-]芘等高分子量芳烃的含量相对较高,其中苯并[-ghi-]花的含量最高．多环芳烃单体的质量浓度和18种多环芳烃的总质量浓度具有季节性变化规律,一般是：冬季〉秋季〉春季〉夏季;约有70％以上的多环芳烃分布在PM2.5。颗粒物中．不同环数多环芳烃的质量浓度为：5环〉4环〉6环〉3环〉2环,其中4环和5环芳烃约占总质量浓度的62％以上．利用多环芳烃的比值进行源解析,发现污染物为本地来源,主要是机动车尾气和燃煤源的排放,其中汽油车的影响较大．