基于人工神经网络的智能型自适应保护──(Ⅰ)原理和模型结构

介绍了一种基于人工神经网络的智能型自适应继电保护原理其基本思想是利用了比传统保护多得多的信息量它比传统保护能区分更多的故障类型,提高了继电保护的适用范围,如从原理上解决了经高阻抗的短路故障保护问题．本保护的人工神经网络由３个子网络组成：先采用第一个三层ＢＰ网络对输电线路一侧的电流、电压信号进行前置处理,得到其特征量（各次谐波的幅值）;然后,在不同运行工况和不同类型的区内外故障时,再把特征量输入第二个三层ＢＰ网络,以判别区内外故障;第三个ＢＰ网络用于故障相判别．     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．     

基于IGG法的电力系统状态估计

针对现有电力系统状态估计的不足，提出了一种基于IGG (Institute of Geodesy & Geophysics，Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时，初值和权函数选取的原则及一般方法，兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计，结合网络参数估计辨识法，得出坏数据和可疑支路的正确状态，使抗差和状态估计在计算中一次完成。算例结果表明，该法抗差能力强，收敛速度快，而且具有较好的准确性和数值稳定性。     

考虑运行风险的主动配电网分布式电源多目标优化配置

考虑配电网运行中的不确定性,文章通过改进蒙特卡洛法生成大量预想事故集,利用潮流计算和拓扑分析得到接入分布式电源后系统运的行风险。提出一种考虑主动配电网运行风险的分布式电源多目标优化配置模型,将主动配电网运行带来的运行风险RL与分布式电源运行成本CDG作为目标函数,采用改进的粒子群算法对多目标优化模型进行求解,获得分布式电源安装位置和安装容量以及运行风险与运行成本之间的权衡关系。仿真算例表明,所提出的考虑主动配电网运行风险的分布式电源多目标优化配置方法,与单一只考虑经济性或者可靠性的优化模型相比更加合理,适用于分布式电源的优化选址和定容,验证了该模型的可行性。     

极端外部环境下输电线路的综合风险评估方法

针对极端外部环境易引发的巨型停电灾难的问题,提出输电线路的综合风险评估方法。首先采用多维云模型理论,建立极端外部环境下输电线路的综合故障率预测模型;其次,根据预测的故障率,从输电线路自身损失、人身环境损失、社会损失和系统安全损失这4个方面建立一种输电线路的综合风险评估体系;最后,根据电力事故事件调查规程对所建立的综合风险评估体系进行量化评分,并利用贵州电网实例进行验证。算例仿真表明:所建立的输电线路的综合风险评估体系具有良好的实用性、可操作性,而且便于评估。     

GPS同步采样装置中防止干扰GPS秒脉冲信号的措施

为削弱和消除干扰对基于ＧＰＳ同步采样装置的影响,在简要介绍ＧＰＳ同步采样装置的基础上,根据秒脉冲总是位于２Ｓ交界处的特点,提出了防止干扰ＧＰＳ秒脉冲信号的软硬件措施,其中,软件鉴别法简单可行,适用于ＣＰＵ内部资源充足的情况下,而硬件措施节约了ＣＰＵ的片内资源,适用于ＣＰ较重的应用场合。试验结果表明,该方法可有效地克服干扰信号对ＧＰＳ同步采样装置的影响。     

电缆故障在线测距中高速同步采集卡精确时标获取方法

为减小全球定位系统(GPS)同步时钟误差对双端行波测距的影响,使电缆故障在线测距能达到实用化水平,提出一种能够获取精确时标的高速同步采样方案。利用GPS时钟无累计误差和高精度晶振频率稳定性高的特点,并将高速采样与秒脉冲捕捉有机结合,通过硬件方式无延时地捕捉秒脉冲以获取精确的时间计数值。对秒脉冲间的计数值进行滑动平均处理和最小方差估计,可获得高精度的时间标签,平均误差可达到30ns。设计中采用复杂可编程逻辑器件CPLD(ComplexProgrammableLogicDevice)实现高速时序控制,并考虑了抗干扰和异常处理措施,提高了系统的可靠性和工作性能。     

考虑能源环境效益的含风电场多目标优化调度

随着大规模风电场的并网运行,电力系统调度过程需要考虑风电的影响;而日益严重的气候变化问题和人类社会可持续发展战略,也对电力行业提出了清洁化发展的要求.在传统电力系统优化调度的基础上,引入"能源环境效益"概念对包含风电场的电力系统优化调度模型进行修正,同时     

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。     

采用体验性游戏模型的配电网运行仿真培训系统设计

将体验式学习理论和教育游戏理念引入配电网运行仿真培训系统的研发过程,利用体验性游戏模型理论建立了配电网运行仿真模型。配电网运行仿真培训系统采用面向服务的体系结构,实现了配电运行三维场景的组态式构建及仿真应用功能的灵活扩展,可应用于配电运行、检修、调试及调度人员的技能培训,改善了配电生产运行人员的仿真培训效果。