基于BP神经网络的暂降域识别方法

暂降域是电力网络中使得电压暂降敏感用户无法正常工作的故障点所组成的区域,准确识别暂降域是电网暂降严重程度评估的基础。为了解决现有的暂降域识别方法所需样本点多、计算量大,识别精度低的问题,提出了一种基于BP神经网络的暂降域识别方法,利用BP神经网络算法的非线性拟合特性,拟合电压暂降幅值和故障点位置的内在非线性关系,利用该拟合结果计算得出确定阈值下的暂降域临界点,根据临界点得出暂降域识别结果。在IEEE30节点测试系统中对本文方法进行仿真验证,结果表明方法适用于不同的电网结构和不同的故障类型,能够准确地进行暂降域计算。

基于多种数值分析方法的电压暂降凹陷域快速算法

提出一种基于数值分析理论的电压暂降凹陷域计算方法,该方法在暂降幅值解析计算式的基础上引入多种数值分析方法求解临界故障点。将临界故障点的确定简化为二次函数根的求解问题,并在满足计算准确性的前提下灵活采用不同的数值分析方法以达到更快收敛速度。该方法对于给定网络参数的系统广泛适用,与故障点法和单一数值解法的计算结果和算法性能的对比验证了所提方法对于求解暂降凹陷域的准确性和有效性。

基于电压曲线特征的电压暂降凹陷域快速计算

针对现有的电压暂降凹陷域计算方法进行了分析研究,提出一种基于敏感负荷节点电压曲线特征的凹陷域快速计算方法。当线路发生单相接地故障时,分析敏感负荷节点电压的表达式,在此基础上定义了由节点阻抗矩阵元素组成的一致性参数和单调性参数,用来判断电压曲线是否具有单调性。根据电压曲线单调与否,把线路分为两类,采用不同的临界故障点计算方法。以IEEE 39节点标准测试系统为例,分析敏感负荷节点的凹陷域。并与已有的解析式法对比,结果表明,该算法在保证精确度的前提下提高了计算速度。