计及风电随机激励的电力系统暂态稳定分析

为了探讨风电随机激励对电力系统暂态稳定的影响,提出一种基于随机微分理论对含风电电力系统进行建模和稳定分析的方法。首先将异步风机机械功率作为随机激励,在暂态过程中利用伊藤型随机微分方程对异步风机的转子运动方程进行建模,将传统的微分代数方程模型扩展成随机微分代数方程模型;然后针对新的模型,通过时域仿真进行求解,分析风电功率随机波动对电力系统暂态过程的影响。算例结果表明:相比于确定性和概率性暂态稳定分析方法,所提方法能够更好地揭示风电不确定性对电力系统暂态稳定性的影响。

基于非参数估计的无功电压控制响应规则辨识

由于传统分析难以准确把握电压、无功之间复杂的非线性关系,使得调压措施给系统节点电压带来的电压偏移模糊不清,导致调压后系统中某些节点电压进一步恶化。且传统电压无功分析依赖于模型建立的精度,其负荷模型建立存在较大难度,因此有必要通过电压对无功的响应数据来研究两者之间的关联关系。提出一种基于Group-Lasso的多场景下电压无功关联度分析方法,挖掘系统负荷水平、无功激励与节点电压之间的函数关系。该方法能准确量化三者间的关联强弱,且所得函数表达式具有较强的泛化能力。通过IEEE 24、IEEE 118节点系统标准算例验证了所提思路与方法的有效性,为今后电压无功关联度分析提供了新的思路。

基于自适应神经网络的电压快速估计

随着电网规模扩大、复杂度加深,对在线潮流计算确定节点电压提出严峻挑战。同时由于传统潮流计算依赖于模型建立的精度,其负荷模型建立存在较大难度,因此通过电压对无功的响应数据来快速精确估计电压发展趋势具有重要意义。本文提出一种基于自适应神经网络的节点电压快速估计方法,以系统负荷水平、无功激励为输入,节点电压为输出,离线训练神经网络,并在训练中加入遗传算法以提高网络收敛性和参数寻优能力,最终得到用于在线估计节点电压的隐性模型。通过IEEE 24节点系统标准算例验证表明,该方法具有较强的电压拟合能力和外推能力,计算结果相较于传统神经网络更加精确,不易出现过拟合。