Prony算法在电力系统负荷动态模型辨识中的应用研究

提出了电力系统负荷动态模型辨识的Ｐｒｏｎｙ算法，给出了该算法所需要的Ｐｒｏｎｙ模型，并对传统Ｐｒｏｎｙ算法进行了发展。

电力系统预想事故快速分析

鉴于自适应化简等值算法的有效性，本文提出了一个电力系统预想事故快速分析的新算法。该算法首先构成了包括断开支路在内的局部等值小网，然后利用快速前代和快速回代技术对等值小网进行ＡＣ潮流求解。通过对ＩＥＥＥ一５７节点试验系统和华东１５８节点系统的验算，证明该算法不但有令人满意的精度，而且有较理想的机时节约。

应用人工神经网络的无功/电压控制新方法

本文利用人工神经网络中的HOPFIELD连续模型(HNN)来求解电力系统中的无功优化问题,对HNN模型作了改进,使其能够处理等式约束和不等式约束,从而使得HNN模型可以应用于求解非线性规划问题。在算法上,和传统的无功优化方法不同,本方法不区分状态变量和控制变量,只以节点电压作为DNN模型能量函数中的自变量。该方法开发了HNN神经网权值矩阵的稀疏性。通过对雅可比矩阵的修正,引入了变压器变比的变化。另外,本文还从理论上分析了HNN模型的能量的性质,探讨了一种修正HNN模型能量函数中参数的方法,从而保证了解的可行性。最后,通过两机系统,IEEE-6节点,IEEE-30节点系统的测试,验证了这两种模型的正确性。

Prony算法在大规模线性系统中的应用──动态模型的辨识与降阶

运用Ｐｒｏｎｙ算法对大规模线性系统动态模型进行辨识，给出了该算法所需要的Ｐｒｏｎｙ模型，并提出了在任意输入信号下的改进Ｐｒｏｎｙ算法，同时运用Ｒｏｕｔｈ算法对模型进行了降阶．数值算例结果表明，运用本文所提出的方法可以精确地获得线性系统动态模型的阶数与系统特征值，且降阶后模型对系统动态特性曲线具有很高的拟合精度．