基于隐马尔可夫模型的电力系统连锁故障预测

近年来电力系统逐渐向复杂化、集成化和智能化的方向发展。电力系统的连锁故障将会导致大面积停电事故,给人们的生活带来很多不便。因此,在电力系统领域,对连锁故障的预测地位日益凸显。然而,网络的复杂性、故障间的关联性和系统的不确定性使得现有的故障预测方法并不适用。因此,提出基于隐马尔可夫模型对电力系统连锁故障进行预测。该模型能够准确地计算出状态转移概率或断路器异常动作概率,从而逐级预测故障的发生。对于电力系统中各模块的退化状态,隐马尔可夫模型可以准确地识别出来,有效地预测连锁故障发生概率。

基于改进仿电磁学算法的多目标电网规划方案研究

对基本仿电磁学(Electromagnetism-Like Mechanism,ELM)算法进行了改进,获得了新型的改进仿电磁学(improve electromagnetism-like mechanism,IELM)算法,并与遗传算法(genetic algorithm,GA)进行了性能对比分析。研究结果表明:在基本ELM中引入被动聚集思想来实现单个粒子的解域拓展,避免解域狭小问题;通过建立权重的自适应控制函数规避了迭代后期的不收敛性;运用搜索范围动态缩减法来提高预期收敛速度和全局寻优效果。相较于GA算法,采用改进的IELM算法在解决电网规划方案的非线性组合优化过程中,在收敛效率、操作适应性和全局最优解方面具有显著优势。