关于电力系统动态仿真有效性的评述

归纳电力系统动态行为的要素、受扰轨迹的特征量及差异度指标,评述基于受扰轨迹差异度指标的模型校核及参数识别方法、存在的问题和发展方向。指出该指标不宜仅基于常规的信号处理技术,还应该反映系统动态行为的物理机理。揭示多参数识别问题中普遍存在的多解现象,即在一个特定扰动下,按受扰轨迹的相似程度来识别模型参数,其结果在本质上依赖于初值和迭代策略。指出必须分别以不同场景下的多组实测响应曲线为标准,并且被识别参数在多次试验期间必须保持不变,才有可能解决参数识别的多解问题。

基于并行协同粒子群优化算法和PC集群的无功优化

针对大规模电力系统无功优化高维度、非线性、不连续的问题,提出一种并行协同粒子群优化算法。该算法基于消息传递接口技术,采用二级并行的方案求解无功优化问题。第1级并行是通过控制变量分组,将原优化问题分解成几个相互关联的子优化问题,每一个子优化问题对应一个子粒子群,各子粒子群相互协同,共同求取最优解。第2级并行是指用粒子群优化算法求解子优化问题时使用多个进程并行求解,进程间采用对等模式分配计算任务,提高了优化效率。此外,为了增强粒子群优化算法的全局寻优能力,在优化过程中对其参数进行了动态调整。通过在PC集群上对IEEE118节点系统和IEEE300节点系统进行仿真计算,验证了该算法能取得较好的优化结果,具有较高的加速比和可扩展性,能满足大规模电力系统无功优化的需要。

轨迹断面特征根对受扰轨迹最远点及动态鞍点的诠释

对于任何复杂模型,通过仿真得到特定扰动下的受扰轨迹后,就可沿轨迹将系统模型等值为分段定常的线性系统。轨迹断面特征根法采用的假设与欧拉积分法完全相同,即系统在且仅在单个仿真步长内被定常线性化。因此,在每个积分步内,不但可用静态扩展等面积准则(EEAC)法分析该轨迹断面上的能量稳定裕度(轨迹断面能量),也可用平衡点特征根技术分析该轨迹断面上的振荡阻尼与瞬时频率,而将断面处的不平衡功率与动能视为初始扰动。完整的受扰轨迹成为大、小扰动稳定分析的共同基础,断面特征根可反映复杂因素对振荡特性的影响,而EEAC可反映复杂因素影响同步稳定性的本质。引入"轨迹断面虚拟平衡点特征根序列"的概念,以计入断面处动能对滑步失稳的影响,并将滑步失稳与振荡失稳两者的机理相关联。据此考证最远点(FEP)和动态鞍点(DSP)处的振荡阻尼与瞬时频率,揭示大、小扰动失稳的内在联系。

BFA BASED NEURAL NETWORK FOR IMAGE COMPRESSION

A novel Bacterial Foraging Algorithm (BFA) based neural network is presented for image compression. To improve the quality of the decompressed images, the concepts of reproduction, elimination and dispersal in BFA are firstly introduced into neural network in the proposed algorithm. Extensive experiments are conducted on standard testing images and the results show that the pro- posed method can improve the quality of the reconstructed images significantly.