基于支持向量机和长短期记忆网络的暂态功角稳定预测方法

为实现暂态功角稳定性及功角轨迹的预测,提出一种支持向量机(SVM)与长短期记忆(LSTM)网络相结合的预测方法。根据系统动态特性构造暂态特征变量,采用SVM训练暂态稳定性分类器,对暂态稳定进行初步评估;利用LSTM网络对分类器评估的失稳样本进行发电机功角轨迹预测,提前发现失稳机组,减少误判样本数。通过IEEE 10机39节点系统产生训练样本并对所提方法进行测试,结果验证了所提方法的快速性和精确性。

紧急功率支援下自适应重合闸附加稳定控制策略

能源分布和负荷需求逆向分布特征促成了我国形成多个大规模电力电能外送系统,在非预期大扰动下会出现系统首摆失稳且自适应重合闸仍难以改善系统稳定性的局面。基于此,提出了一种紧急功率支援下自适应重合闸附加稳定控制策略。首先分析了系统首摆失稳的场景以及失稳条件,并提出了基于功角超实时预测的首摆稳定性预判方法,论证了长时间要求的预测最优阶数。然后结合直流通道提供紧急功率支援能够消纳系统不平衡能量,提出基于超前预控的自适应重合闸附加稳定控制策略。结合失稳判断,分析预判控制时序。基于紧急功率支援协同最佳重合闸时间最大程度上减小了系统功角摇摆,解决了瞬时性故障首摆失稳时重合闸方案的缺失问题。最后,基于PSCAD/EMTDC建立大规模电力外送模型,仿真验证了所提自适应重合闸附加稳定控制策略的有效性。

一种基于LS-SVR的电网在线暂态稳定性预测新方法

广域测量系统WAMS(Wide Area Measure System)的出现,为大电网在线暂稳预测提供了新的实时数据平台。基于WAMS数据,通过CCCOI-RM变换将系统进行简化等值,采用最小二乘支持向量机回归算法LS-SVR(Least Square Support Vector Regression)的出色学习性能和非线性处理能力,对等值系统的功角轨迹进行在线学习和实时预测,并进一步使用极值、阈值双重判据进行暂态稳定性判断。该方法不用考虑系统详细结构,计算速度快,预测时间长,仿真分析表明所提出的方法能够快速准确地预测电力系统的暂态稳定性,并为下一步采取相应的紧急预控制措施提供相对充裕的时间窗口。

基于改进灰色Verhulst模型的受扰轨迹实时预测方法

提出了一种基于改进灰色Verhulst模型的受扰轨迹拟合外推预测方法。发电机角度的受扰轨迹在每一个摇摆过程中,呈现S形走势,与灰色Verhulst模型变化规律相符。采用无偏模型来消除灰色模型的自身误差,并通过采集最新的两个数据补偿误差,进一步提高预测精度。该方法易于实现,所需要量测数据少,计算简单,对于多摆过程中波峰与波谷的预测有很高的精度。应用该方法对IEEE39节点系统与中国南方电网实际系统的不同故障情形进行了仿真计算,结果表明,该方法具有好的预测效果。

基于ANN和等值发电机模型的快速暂态稳定计算

暂态稳定分析对于电力系统运行具有重要的意义,针对暂态稳定时域仿真方法计算速度过慢的缺点,首先提出了应用于快速暂态计算的发电机参数等值方法,这种方法可以避免迭代解网络方程,能在保证计算精度的基础上显著减少暂态稳定计算时间,每个迭代步对发电机功角初值进行预测后则能够进一步减少解网络方程次数。算例仿真证明,粒子群算法优化得到的等值参数和基于神经网络的预测功角,在不同的系统运行方式下,能显著减少解网络方程次数和判定系统所处的稳定状态。算法具有计算精度高和收敛性良好的特点,功角预测和等值参数则有望应用于不同规模的系统中。

基于SVR回归的电力系统暂态稳定隐式梯形算法的改进

针对用传统隐式梯形积分法分析电力系统暂态稳定时存在计算速度慢的问题,提出了一种基于回归支持向量机技术的改进方法.改进后的方法不仅保持了原有的功角预测精度,而且明显减少了总的迭代次数,有效地提高了计算速度.这种优化结果有利于现代大电网的实时控制.