基于就地测量量的电力系统暂态稳定快速预测

针对电力系统在遭受大的扰动后其暂态稳定性在线预测困难的问题,本文提出了一种类似于模式识别的在线快速预测方法.本方法适用于我国大多数电力系统,在装置的安装地点,根据就地测量量即能进行暂态稳定预测.研究表明,根据电力系统暂态稳定预测和控制的要求,使用本地测量量,能够对系统的稳定性进行预测,以便采取相应的控制措施.     

基于轨迹灵敏度的暂态稳定预防控制方法

预防控制对提高稳定性及维持系统安全运行有重要意义.基于电力系统角半径的概念,对角半径及其变化速度与暂态稳定性的关系进行了深入研究,在此基础上定义了一种新型暂态稳定性能指标.通过轨迹灵敏度仿真,计算稳定指标对各发电机有功输出的梯度近似值,将预防控制问题转化为以发电机有功输出为控制量的非线性规划问题.该方法易于求解,且不受元件模型的限制,适用于各种复杂失稳模式.对10机新英格兰典型电力系统的分析结果表明,该方法快速、可靠,能够在确保系统安全的前提下实现经济性最优.     

基于差分进化极限学习机的电力系统暂态稳定评估方法

电力系统暂态稳定性的破坏可以对电力系统的安全稳定运行产生严重冲击,准确、快速地暂稳评估方法能够提高电力系统的安全防御能力。极限学习机由于其速度快、泛化性能好被应用到电力系统暂态稳定评估中。为了提高极限学习机的评估性能,利用基于差分进化算法的优化方法和序列浮动后向特征选择算法对极限学习机暂态稳定评估性能进行提升。首先对输入特征通过主元分析降维并利用序列浮动后向算法进行特征选择,再将最优特征集输入差分进化极限学习机进行暂态稳定评估,最后在新英格兰10机39节点系统中进行验证分析,结果表明,所提模型与其他极限学习机模型相比,大大提升了其在暂态稳定分类评估中的性能。     

电力系统的暂态稳定分析与提高

对于电力系统来说,不管是系统的稳态过程还是暂态过程,我们总是希望电力系统能够稳定地运行.文章就电力系统的暂态稳定问题作相关讨论,通过由大扰动引起的稳定性问题,分析电力系统暂态稳定的物理过程,并研究如何提高电力系统暂态稳定的措施,以期为现代电力系统的可靠、安全运行提供有益的参考.     

一种神经网络集成分类器在暂态稳定评估中的应用

针对神经网络应用于电力系统暂态稳定评估存在的误分类问题，将粗糙集理论和神经网络相结合，运用特征矩阵进行属性约简的基础上，应用装袋策略构造集成神经网络分类器来提高分类准确率，在新英格兰10机39节点系统中的应用验证了该分类器的分类准确率较普通神经网络分类器有较大的提高、     

考虑负荷动态模型的船舶电力系统暂态电压稳定分析

为了研究型船舶独立电力系统的电压稳定问题,将基于稳定域边界二次逼近的暂态电压分析方法应用到新型船舶独立电力系统的暂态电压稳定分析。通过建立系统暂态分析的数学模型,利用牛顿法求取故障后系统主导不稳定平衡点(CUEP),采用基于稳定域二次逼近的稳定判据,进行系统暂态电压稳定分析。同时,考虑不同故障位置对于求解CUEP过程中电动机和直流系统控制器状态量计算的影响。通过简化的新型独立电力系统模型对上述方法进行验证。研究结果表明:该分析方法能够获得暂态电压稳定裕度指标,准确判断该独立电力系统的暂态电压稳定状态。     

直接法与时域法相结合用于电力系统暂态安全分析

本文将ＥＥＡＣ法与时域法相结合用于电力系统的暂态安全分析。用基于简单模型的极块的ＥＥＡＣ法扫描预先指定的事故集,求出各种情况下的稳定裕度,把明显稳定的情况过滤掉,剩下的情况再用时域法详细仿真。这种两方法的结合,可以快速准确地判断系统的暂态稳定性。     

基于MATLAB的电力暂态稳定性仿真研究

在电力系统受到干扰或故障后,如何迅速判定故障类型与故障点位置,以有效控制与维护其的暂态稳定性,这无疑对电力系统暂态稳定运行提出了更高的挑战.基于MATLAB/SIMULINK研究单机系统暂态稳定性的影响因素及其变化情况,再运用小波变换模极大值法提取暂态信号故障点行波及其特征,以快速判断出故障特征信息.通过计算分析,进而精确定位出故障点位置.结果表明,在暂态运行过程中,利用该模型能较为精确的了解电力系统的动态特性,对实验教学有着较强的指导性作用.     

电力系统暂态稳定安全域估计

本文以电力系统经典模型为基础,推导出了电力系统暂态稳定安全域的解析表达式,并提出了基于混合方法的发电机暂稳输出功率极限计算方法及快速求解该安全域的算法.算例表明,该暂态稳定安全域简单直观,计算快速.     

暂态稳定评估关键输入特征选择与评判规则

关键输入特征选择与评估模型是基于人工智能(AI)的电力系统暂态稳定评估方法研究的关键点.文中采用数据驱动的特征选择和规则提取算法,通过仿真实例评估关键特征,并提取稳定判别规则.在特征选择中采用基于遗传算法的k阶近邻法(GA-knn)评价特征的性能;在规则提取中,采用关联规则的分类器构造算法,生成暂态稳定评估规则.通过对10机39节点系统和3机9节点系统中应用结果的对比分析,在53维候选特征中得出了相对通用的暂态稳定评估关键特征,并得到不同网架结构中稳定评判规则表现出的适用性和在稳定边界上的特异性.     

一种考虑暂态稳定约束的可用输电能力的优化模型

通过在不考虑暂态稳定约束的模型中加入暂态稳定约束,建立了考虑暂态稳定约束的可用输电能力的教学模型,并采用约束转换技术对该模型进行处理,最后用常规的优化方法进行求解.     

基于线性迭代的分类器最小扰动评估方法

当数据集包含对抗性扰动样本时,其分类结构缺乏稳定性,传统的扰动评估方法效率低且准确率不高.针对该问题,提出一种高效准确的扰动评估方法.首先,根据样本与分类器间的物理属性,定义样本的对抗性扰动,利用线性迭代方法评估计算二类分类器的鲁棒性;然后,为了适应更加一般的情况,将该方法扩展到更加普遍的多类非线性分类器,即超平面包围的区域变为不规则多面体;最后,标记扰动样本对分类器进行优化调整,并对当前估计进行更新,以进一步提高分类器性能.不同数据集和分类器的实验结果表明:与FGSM方法、 L-BFGS方法和未标记方法相比,提出的方法具有更稳定高效的扰动评估性能,且可以构建鲁棒性更高的分类器.     

小波变换和PSD估计在弧焊电信号处理中的应用

用小波变换对含有瞬态干扰的弧焊电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阀值比较就可以有效地检测并消除瞬态干扰.然后对消噪后的信号利用PSD对其估计一段时间内弧焊电信号功率与频率的关系,从而得到可以反映焊接过程稳定性的信号统计特征.最后在Matlab环境下进行仿真实验,验证了此上两种方法的结合在提取弧焊特征信号中的有效性.     

在线单机采集的人手多生物特征识别

单一生物特征识别方法在实际应用时容易受到限制,系统的识别率低、稳定性差.针对上述问题,提出了一种基于在线单机的手形和掌纹相结合的多生物特征识别方法.对于手形识别,提取手指的相对长度构成特征矢量,采用k近邻分类器和支持向量机分类器相结合实现个人身份的识别,然后利用二维Gabor提取掌纹感兴趣区域(ROI)的纹理方向信息作为掌纹特征,对手形分类结果加以认证.在混合图库上进行试验,二者相结合的识别方法的识别率达到98.65%.实验结果表明,采用手形和掌纹双模态特征识别,可以有效提高系统的安全性和稳定性.     

基于一类SVM的贝叶斯分类算法

提出一种基于一类支持向量机(one-class SVM)的贝叶斯分类算法,该算法用一类SVM对类条件概率密度进行估计以构造贝叶斯分类器. 证明采用高斯核的一类SVM,其解可以归一化为密度函数,并把该密度函数看作类条件概率密度的平滑估计,构造贝叶斯分类器. 实际数据集上的实验结果表明,提出的分类算法测试准确率高于简单贝叶斯分类器与贝叶斯网络分类器,不低于传统二类SVM;比传统二类SVM需要计算的核矩阵规模更小,训练时间更短.     

一种PNN网络的EM训练算法

提出一种概率神经网络（ＰＮＮ）的ＥＭ（ＥｘｐｅｃｔａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎ）训练算法．ＰＮＮ网为一四层前馈网,它构成一个贝叶斯分类器,实现多类分类的贝叶斯判别,它把输入的样本模式,经网络变换为输出的分类判决．其网络节点对应于贝叶斯后验概率公式的各个变量．此ＰＮＮ网络用高斯核的Ｐａｒｚｅｎ窗函数作为核密度函数,网络参数训练由ＥＭ算法实现,其学习方式为类间的监督学习和类内的非监督学习．实验表明了此网络及其学习算法在分类应用中的有效性．     

基于在线稳定分析的电网风险预控与故障处置

在线稳定分析系统能实时扫描分析电网运行情况,预警电网运行风险,为调度运行决策的科学性、预见性提供了技术支撑和手段,为电网风险预控与故障处置奠定了良好的基础,但在实践中如何充分发挥好它的作用,仍然是众多调度运行人员必须关注的课题.本文首先陈述当前湖南省调在线稳定分析系统的应用情况,然后进行1例电网风险预控与故障处置实例分析,最后提出了在线稳定分析系统应用的优化改进措施.