一种适用于WAMS量测数据的系统暂态功角稳定评估方法

考虑WAMS量测数据刷新速率快,数据量大的特点,提出了一种适用于WAMS量测数据的暂态功角稳定评估方法。选取初始特征量集并用核主成分分析法对特征集进行降维,过滤冗余特征并降低分类器输入向量的维度。构建训练样本集,计算各样本的初始特征量集并进行降维。通过训练ECVM分类器对暂态功角稳定进行评估,并用测试数据集验证分类器的准确率。在新英格兰10机39节点系统中的仿真表明,所提算法有较高的分类准确率,与传统分类算法相比降低了单个样本评估所需的时间,具有工程使用价值。     

求解大规模电网在线稳定评估的广泛内核CVM算法

针对SVM等各类传统算法耗时过长,无法满足在线要求的问题,提出了一种基于广泛内核核向量机(ECVM)的大规模电力系统在线稳定评估算法。首先基于决策树算法对原始特征量进行特征筛选,然后基于ECVM分类器快速给出电力系统稳定状态的评估结果。该算法简化了最小闭包球问题中新球心的计算过程,避免了每次迭代都要解决QP问题,降低了算法的复杂度。在New England 39节点系统和某实际系统下的仿真结果表明了所提算法的优越性,为大规模电力系统的在线稳定评估提供了新思路。     

基于双阶段并行隐马尔科夫模型的电力系统暂态稳定评估

基于人工智能机器学习的暂态稳定评估越来越成为研究热点,提出一种基于双阶段并行隐马尔科夫模型(two-stage parallel hidden Markov model,TS-PHMM)的电力系统暂态稳定评估精细化模式识别方法。第1阶段采用相对灵敏度对原始电气特征量进行筛选,找出对电网动态变化敏感度高的特征子集;第2阶段采用主成分分析对特征子集进行排序,得到能够反映电网动态响应特性且线性无关的最优特征子集;最后,通过并行隐马尔科夫模型训练对暂态稳定进行模式识别。在CEPRI 8机36节点以及实际区域电网环境上的仿真分析,验证了该方法的有效性和精确性。在辨识准确率相当的情况下,该方法比常用人工智能类方法(如ANN,SVM等)所需训练样本更少、收敛更快。     

具有多目标量化评估特性的无功电压双阶段分区方法

针对现有无功分区中缺乏分区结果定量评价标准的问题,提出一种可以对分区结果进行量化评估的大电网双阶段无功电压分区方法。基于对数电压灵敏度计算各母线间的电气距离,利用K-均值对互联电网进行初始分区。提出表征无功电压分区标准的指标体系,通过权重设置构建适用于多目标优化的适应度函数,满足不同运行方式下的量化评估要求,最后,利用改进遗传算法求解帕累托最优分区。IEEE 118节点算例和某实际系统算例表明:所提出的双阶段无功电压分区方法在不同运行方式下都具有较好的分区效果,且计算结果可以量化评估,具有理论和工程实用价值。     

新一代人工智能在新能源领域中的典型应用场景分析

<正>随着能源结构变革,新能源产业得到快速发展,电网的复杂非线性和不确定性大幅提升。人工智能是智慧能源的核心支撑技术,具有应对高维、时变、非线性问题的强优化处理能力和强大的学习能力,可有效解决新能源领域面临的各种挑战。从光伏短期功率预测、光伏板积灰状态识别与分析及可再生能源日前场景生成三个方面对新一代人工智能在新能源领域中的典型应用进行了分析,为未来人工智能在新能源领域的融合应用提供参考。     

基于无功功率捕捉振荡中心的方法研究

电力系统建设与发展的需要使得我国形成了跨区域互联电网.当系统中某处发生振荡时,若没有及时采取解列控制,事故可能会在系统中蔓延,造成系统稳定性破坏,甚至造成不可控恶性连锁反应事故的发生.分析了电力系统失步后电气量变化特征,提出了基于无功功率积分的振荡中心定位判据,并在CEPRI-36节点系统中进行仿真分析.试验结果表明该方法能从电力系统全局出发,采用多端电气参量对失步中心进行准确定位和捕捉,实时监控系统状态,自动适应系统电网结构和运行方式的变化,对失步状态进行快速识别和解列.     

基于动态响应的电压稳定分析方法

随着电力系统的运行越来越接近其极限状态,电力系统电压稳定问题日益突出,研究一种精确可靠的电压稳定分析方法是非常必要的.提出了一种基于动态响应的电压稳定分析方法,该方法通过计算戴维南等值参数及确定电压稳定判据可以精确实现电压稳定分析.IEEE 9节点算例仿真验证了该方法的正确性和有效性.当在线分析成为趋势的时候,该方法对实现电压稳定的在线分析有一定的现实意义.