电网可靠性概率分布的参数不确定性辨识

元件可靠性参数受元件类型、运行时间、气候条件等诸多因素影响而具有不确定性,电网可靠性指标本质上也是一种随机变量。笔者从电网可靠性指标的概率分布计算以及其变动规律受参数不确定性影响的角度开展辨识研究,为探索参数不确定性对电网可靠性评估影响提供工程实用参考。在双循环蒙特卡洛模拟法的基础上提出了点估计法,为进一步提高计算效率,提出了改进序贯蒙特卡洛模拟法,并详细讨论了它们的原理及优缺点。评估结果表明：3种方法计算结果比较接近,但改进蒙特卡洛模拟法的计算效率最高,点估计法次之。通过对IEEE-RTS 79系统的评估分析,验证了改进序贯蒙特卡洛模拟法的实用性和有效性。     

基于蒙特卡洛改进算法的地铁电力系统可靠性评估

在分析电力系统可靠性评估基本方法的基础上,考虑到地铁电力系统故障率较低,故障状态枚举方法难以获得精确的随机状态,以及设备单元的故障信息无法通过直接抽样获取,故使用正态分布描述地铁电力系统设备单元发生故障的实际过程,提出了改进的蒙特卡洛非序贯仿真算法,并给出其求解过程,构建了地铁电力系统的结构模型、Petri网模型和可靠性评估指标,最后以南京地铁一号线电力系统设备单元初始参数为计算数据,所得结果较传统计算方法更为准确,同时能够模拟故障维修时间以及区分不同故障类型.     

电力系统概率仿真算法的适用性研究

文章讨论了在电力系统概率安全经济评估中,基于蒙特卡罗抽样的非序贯仿真和序贯仿真的算法实现及相应的风险评估指标,分析了两种算法得到风险指标的差异及影响因素、风险指标的收敛性及准确性以及序贯仿真的应用范围。针对概率安全经济分析中的不同模块,提出适用的概率仿真算法,并提出在后续研究中尚待解决的关键问题。     

电力系统概率仿真算法的适用性研究

文章讨论了在电力系统概率安全经济评估中,基于蒙特卡罗抽样的非序贯仿真和序贯仿真的算法实现及相应的风险评估指标,分析了两种算法得到风险指标的差异及影响因素、风险指标的收敛性及准确性以及序贯仿真的应用范围.针对概率安全经济分析中的不同模块,提出适用的概率仿真算法,并提出在后续研究中尚待解决的关键问题.     

序贯抽样决策中的抽样数量

序贯抽样决策的核心问题是抽样数量的多少及其样本单元所反映的动态信息特征，笔提出了“基本抽样数（nmin)”概念，并分别就不同的序贯抽样决策模型给出了相应的计算公式。在林间抽样决策中，预定的抽样数(n）应大于或等于nmin（即n≥nmin），以避免序贯抽样曲线方程对判断结果影响，结合最大抽样数nmax，两确定了序贯抽样曲线方程的适应范围。     

害虫防治决策的复序贯分析方法及抽样技术

复序贯抽样决策技术实际应用的受限,原因在于截止限序贯抽样模型的缺乏。在检验害虫种空间格局回归模型,的基础上,推导出了目前国内常用检验回归模型的截止限序贯抽样模型,并将其运用于复序贯分析决策过程中,实例分析表明,对于同一种生物群,在一定的精度（Ｄ）和置信水平（ta）要求下,复序贯抽样决策方法可以大幅度地节约抽样成本。     

电网频率崩溃的可靠性评估模型

综合考虑频率崩溃发生的可能性和严重性,提出了电网频率崩溃风险的可靠性评估模型和算法。该模型计及了系统发电方式、网络拓扑和元件故障的随机不确定性。详细推导了有功缺额出现后系统频率变化量的计算方法,构建了反映频率崩溃的多种概率风险指标,实现了对电网频率崩溃风险的定量评价。所提方法可为低频减载配置方案的合理性和机-网的协调性提供一定参考依据。基于非序贯蒙特卡洛仿真,通过对IEEE RTS79可靠性测试系统的评估分析验证了所提方法的正确性。     

基于改进PSO-LSSVM和蒙特卡洛法的电力系统可靠性评估

针对电力系统可靠性评估方法耗时长、误差大等问题,提出一种用改进粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)参数,并将构建好的PSO-LSSVM模型与蒙特卡洛法(MCS)相结合用于发输电系统可靠性评估的方法。该方法通过对PSO算法进行合理的改进,得到更为精确的LSSVM模型参数,建立用于分类系统状态样本的PSO-LSSVM模型。对MCS方法抽取的系统状态样本分类得到故障状态和正常状态,仅对故障状态样本进行可靠性指标计算,统计输出可靠性评估结果。采用该方法对IEEE-RTS 79系统不同运行情况下的可靠性指标进行计算,结果表明该方法保证计算时间不变的同时提高了LSSVM-MCS方法的评估精度。     

大型发输电组合系统可靠性评估的Monte—Carlo法

本文提出了一种大型发输电组合系统可靠性评估的Monte-Carlo方法。它基于分散抽样技术、缺电功率分析法和最小缺电功率优化模型的结合,不仅计算比较快速,而且也有较高精度;在系统元件增加时,计算量只呈线性增长,因而特别适于大系统;对故障状态的抽样模拟,比确定性枚举更接近电力系统运行中故障发生的实际情况。而且方法很容易推广到计及元件的多状态、负荷的多水平及负荷的随机分布特性。文中给出了IEEE-RTS系统的计算结果,并与其它两种方法的结果作了比较。     

结构损伤识别的序贯辅助粒子滤波方法

提出一种非平稳动力系统突变参数识别的序贯辅助粒子滤波方法（SAPF方法）．该方法采用的重要抽样密度函数是一种依靠系统过去状态与系统最近观测量的联合密度函数，因此该方法具有较强的时域在线识别能力，比传统的粒子滤波方法更适合进行非平稳动力系统的参数识别．数值仿真结果证明了此方法在结构损伤在线识别中的有效性．