基于交叉熵重要抽样和状态筛选的电力系统可靠性计算方法

针对蒙特卡洛法模拟在计算电力系统可靠性时效率比较低的问题,提出一种基于交叉熵重要抽样和状态筛选的电力系统可靠性计算方法。首先,利用交叉熵重要抽样计算电力系统的修正概率分布及各元件的修正强迫停运率。其次,确定各元件的重要程度,根据重要元件确定对系统可靠性指标影响较大的部分系统状态,从而形成重要状态子空间。最后,对剩余的系统状态采用修正概率分布进行抽样,在抽样过程中对重要状态和已被抽样的系统状态进行筛选,避免已被分析过的系统状态被重复多次分析。该方法既利用交叉熵重要抽样提高了抽样效率,又避免了对同一状态的重复分析,在状态抽样和状态分析2个步骤上的计算效率均有提升,IEEE-RTS系统验证了所提方法的效率。

基于状态空间分割非重复抽样的电力系统可靠性评估方法

为提高非序贯蒙特卡洛模拟法的抽样效率,将状态空间分割思想与状态筛选法相结合,提出基于状态空间分割非重复抽样的电力系统可靠性评估方法.通过重要状态子空间确定方法划分系统状态空间,采用解析法高效求解重要状态子空间可靠性指标,采用拉丁超立方抽样法对剩余状态子空间进行采样,采样过程中进行两次状态筛选,避免对相同状态的重复抽取.应用该方法对IEEE-RTS系统与修改后的IEEE-RTS系统进行可靠性评估.结果表明,所提出的方法既能确保计算精度,又可以加快收敛速度,降低抽样方差.

采用SOM的发输电系统可靠性综合评估快速算法

针对目前发输电系统可靠性综合评估算法中蒙特卡罗仿真效率不高的问题,提出了一种利用模糊自组织映射(SOM)神经网络进行状态筛选的可靠性快速评估算法。SOM神经网络具有拓扑特征保持性质,经过训练后的SOM网络具有模式聚类能力,即不同的运行模式被映射到输出平面的相应位置,因而能对暂态稳定性进行判别。由于SOM具有学习训练时间短的优点,因而特别适于可靠性评估。将模糊SOM网络和序贯蒙特卡罗仿真结合在一起对系统状态进行筛选,首先将明显不失稳的无效系统状态筛掉,大大减少了需要完全评估的系统状态数,从而显著提高了综合评估的效率。通过对IEEE-RTS标准算例系统的计算,结果表明所提算法快速有效,具有良好的应用价值。