基于复合神经网络的电力系统暂态稳定评估和裕度预测

提出一种基于复合神经网络的暂态稳定评估与故障临界切除时间(CCT)裕度预测新方法,它将概率神经网络(PNN)和径向基函数(RBF)网络组合使用,充分利用两者各自的优点,以提高暂态稳定评估能力和CCT裕度预测能力。该方法首先利用PNN进行暂态事故场景分类,分类时充分考虑了相邻故障样本类型重叠的影响;进一步采用RBF网络对分类结果进行裕度预测;最后,通过自检和校正以提高预测精度。利用New England 39节点系统,通过与反向传播(BP)神经网络、RBF神经网络等方法的比较,证明了本文方法的优越性。

暂态电压稳定裕度计算方法综述

随着区域电网互联、新能源并网,电网规模不断扩大,暂态电压稳定问题日益突出。近年对于暂态电压稳定性评估问题,已取得了一定的进展,但对暂态电压稳定性的量化研究仍有欠缺。综述了现有关于暂态电压稳定量化评估的主流方法--临界故障切除时间计算法、负荷稳定指标计算法和二元表法。对比后总结了三种方法的主要特点、适用性和区分度,以期为运行调度人员直观了解电网的电压稳定程度、进行调度决策,提供足够的信息,为相关问题的研究人员提供有益借鉴。