基于双Q学习的考虑暂态稳定约束的电网薄弱线路辨识

为了辨识故障后对电网暂态稳定性影响较大的薄弱线路,提出一种基于双Q学习(double Q-learning,DQL)的考虑暂态稳定约束的电网薄弱线路辨识方法。首先,将电网薄弱线路辨识问题转化成马尔克夫决策过程。接着,利用DQL智能体结合电网时域暂态仿真计算,通过强化学习筛选出容易导致电网失稳的切线故障。最后,提出线路薄弱度指标,计算得到考虑暂态稳定约束的电网薄弱线路。所采用的DQL在Q学习的基础上增加了Q目标表,实现切线故障选择与评估的分离,并采用优先级采样的经验回放机制,能提升算法的稳定性与训练速度。10机39节点和16机68节点系统的仿真结果都表明,所提基于DQL算法的薄弱线路辨识方法,能通过较少的仿真次数,有效地辨识出考虑系统暂态安全稳定约束的薄弱线路。

基于多元经验模态分解的电网短期负荷预测及薄弱线路辨识

为了更加准确地进行短期电力负荷预测,提高预测精度,利用不平稳电力负荷时间序列具有周期性和非线性的特征,提出一种新的电力系统短期负荷预测组合模型。该模型将多元经验模态分解法与支持向量回归算法相结合,将电力负荷时间序列及重要影响因素序列同时分解成个数相同的子序列,然后利用上述模型分别预测,再一一对应组合得到最终预测结果。以N市电网2017年1月—12月的日历史负荷为研究对象,并根据气象资料记录的日平均温度、湿度、气压、负荷率等影响因素,对建立的模型进行仿真分析,预测结果与2017年12月24日—31日实际的数据做对比。结果表明该模型预测精度较高,方法可行。将预测得到的结果,用于对N市电网的薄弱线路辨识中,给出了12月24日—31日每天的薄弱线路排序表,以便于工作人员对薄弱线路进行重点监测与保护。

一种交直流混合配电网薄弱线路识别方法设计

传统方法单纯以运行状态失效概率为基础,作为供电网络薄弱线路识别的方法,在应用到交直流混合配电网时,面临运行状态特征概率波动,识别过程存在明显误差。提出一种交直流混合配电网薄弱线路识别方法。分别从运行状态与拓扑结构两个方面出发,兼顾交直流混合配电网线路运行状态与固有拓扑结构发生改变后,对于电网造成的影响,搭建交直流混合配电网的线路薄弱性评估指标体系,实施薄弱线路辨识。实验选择一个直流电压等级为±10 k、交流电压等级为10 kV的交直流混合配电网,利用大功率数字化恒流源与电路老化监测器,测试试验交直流混合配电网薄弱线路的老化程度,在不同接线模式下实施试验配电网薄弱线路的可靠性测试。实验结果表明:在单辐射接线模式下,薄弱线路4的可靠性最低。在手拉手接线模式下,薄弱线路10可靠性最低。在三供一备接线模式下,薄弱线路9的可靠性最低。该识别方法可以有效识别交直流混合配电网在各种接线模式下,薄弱线路的老化程度。