基于支路势能脊的电力系统暂态稳定分析和临界割集识别

有效的电力系统在线暂态稳定分析和临界割集识别算法对保证互联电力系统的安全稳定运行有着重要的意义。本文针对支路势能边界面方法(BPEBS)的不足,在支路势能函数和势能脊(RIDGE)方法的基础上,推导出了具有高可靠性的电力系统暂态稳定及临界割集识别判据——支路势能脊(BPR)判据。同时,定义了计算简单的支路和系统稳定度指标,并给出基于支路势能脊和支路稳定度指标的电力系统暂态稳定和临界割集识别算法。该算法建立在电力系统网络信息的动态响应轨迹的基础上,在已知电网结构参数的情况下,只需要实时获得电网母线电压幅值和相角即可进行电力系统暂态稳定状态和临界割集的实时分析和识别,由于无需进行两群失稳模式的假设,因此该算法对于多摆失稳和多群失稳模式依然适用。New England 10机系统的仿真算例验证了该算法的有效性。

含风电场的电力系统协调优化调度的评价技术

针对风电并网后,如何选择发电调度模式建立了综合评价体系。该体系利用常规机组的单位发电成本、单位风电的环境效益、单位发电量的污染物排放量等指标,对调度计划的优劣进行量化评估;并采用蒙特卡罗法评估不同调度模式下,风电预测误差、负荷预测误差及机组强迫停运对系统可靠性的影响。算例采用含风电场的IEEE-RTS79系统,应用该评价体系,实现了对五种调度模式的评估。计算结果表明评价体系可行、有效,能为实际调度决策提供参考依据。

基于轨迹输入特征支持向量机的湖南电网暂态稳定在线识别

针对目前基于人工智能算法的电力系统暂态稳定评估输入特征选择困难的问题,采用发电机单一状态变量故障清除后一段时间内的轨迹作为支持向量机(Support Vector Machine,SVM)的输入特征,并采用网格法寻找支持向量机在交叉验证意义下的最优参数。通过对这类支持向量机的性能进行详细的分析和对比,给出了3个分类准确度很高的发电机状态变量。在湖南电网的测试系统上仿真实现了该模型,仿真结果证明所提基于轨迹输入特征的支持向量机具有很高的精度,为支持向量机输入特征的选取提供了新思路。