基于神经网络的电力系统暂态稳定评估-电气工程专业论文.docxVIP

correctness and effectiveness of the proposed method. KEY WORDS：composite neural network; the critical clearing time margin; overlap boundary classification; check and correction; feature selection; sensitivity matrix 目 录 第一章 绪论1 1.1 课题研究的背景及研究意义 1 1.2 电力系统暂态稳定评估方法概述 2 1.2.1 时域仿真法 2 1.2.2 直接法 3 1.2.2 人工智能方法 4 1.3 基于神经网络方法的暂态稳定评估概述 6 1.4 输入特征量的选择方法概述 8 1.5 本论文的主要工作 9 第二章 概率神经网络及径向基函数网络映射原理10 2.1 概率神经网络原理 10 HYPERLINK \l _TOC_250001 PNN 模型 10 HYPERLINK \l _TOC_250000 PNN 的学习过程 11 2.2 径向基函数神经网络原理 12 2.2.1 RBF 神经网络模型 12 2.2.2 RBF 神经网络的学习过程 14 2.2.3 RBF 网络与多层感知器网络的对比 15 2.3 本章小结 17 第三章 基于复合神经网络的暂态稳定评估方法18 3.1 复合神经网络原理及总体结构 18 3.1.1 基于复合神经网络的暂态稳定评估原理 18 3.1.2 复合神经网络的结构 19 3.2 样本分类方法 20 3.2.1 PNN 网络的样本分类方法 20 3.2.2 RBF 网络的样本分类方法 21 3.3 复合神经网络的校核和修正 23 3.4 复合网络构建的整体流程及其性能指标 24 3.5 本章小结 26 第四章 输入特征量的选取方法27 4.1 输入特征量的初选方法 27 4.1.1 输入特征量的类别 27 4.1.2 输入特征量的初选方法 28 4.2 基于灵敏度方法的输入特征量优选 33 4.2.1 特征量输入--输出灵敏度34 4.2.2 灵敏度矩阵的数值求解方法 35 4.2.3 输入特征量的评价和优选方法 36 4.3 本章小结 37 第五章 计算实例39 5.1 数据样本的获取 39 5.2 关键特征量选择方法 40 5.2.1 重要特征量分析 40 5.2.2 输入量选择方法对比分析 42 5.3 复合神经网络的性能分析 42 5.3.1 复合网络的训练过程 43 5.3.2 复合网络区分能力和预测误差 43 5.3.2 重叠边界和结果修正处理方法分析 45 5.4 本章小结 48 第六章 总结与展望49 参考文献51 发表论文和参加科研情况说明55 致 谢56 第一章 第一章 绪论 PAGE PAGE 1 第一章 绪论 1.1 课题研究的背景及研究意义 电力系统的安全稳定运行关系到社会稳定和经济发展，是电力公司关注的头 等大事。随着我国电力体制改革的深化和全国电网的互联，电力系统规模不断扩 大，电网运行环境日益复杂，因而对电力系统运行的可靠性要求也越来越高；同 时，我国电网的高速发展和快速建设，也使得近期系统的网架结构变动频繁，运 行人员对系统特性可能缺乏深入了解，极易引发稳定破坏事故。所有上述这些情 况，都使得电力系统安全稳定性问题成为电力系统运行过程中最为突出的问题之 一，因此开展相关研究具有重要的现实意义。 影响电力系统安全稳定性的因素有很多方面，归结起来，至少包括以下几个 方面： 第一，区域大电网的互联给电网带来巨大效益的同时，也带来了潜在的威胁， 当局部电网发生故障时，可能影响周围相邻区域电网，造成大面积停电的严重事 故[1]； 第二，电力市场的确立，输电网的放开管制，使得原本集中控制的发电变成 依据市场反馈信息的分散式控制决策，使得电力系统控制的不确定因素增加，同 时以经济为导向的电力网的设备为提高经济效益很容易趋近极限运行状态，增加 了电网运行的不稳定因素[2]； 第三，电厂分布不均衡，有些负荷较重的大城市可能周围很少甚至没有可供 电的发电厂，需要远距离、长裕路输电，在负荷不断增长的情况可能诱发稳定问 题； 第四，电力系统本身的复杂性和非裕性，存在设备老化，人为操作失误等因 素造成电力系统稳定性破坏[3]； 第五，近年来，世界各国的可再生能源发电（风电、光伏发电、光热发电） 的大规模化开发，无论是在用户端的分散式接入，还是在电源侧集中式接入，受 可再生能源本身随机不可控性的影响，它们的大量接入，都会对电力系统的安全 稳定运行产生诸多