暂态安全稳定在线预警预见故障集的自适应筛选方法.docxVIP

暂态安全稳定在线预警预见故障集的自适应筛选方法 0 基于dsa的预错筛选 随着能源系统规模的不断扩大，能源市场运行机制的不断扩大，可支配能源装置的逐步开放，在线评估能源系统的安全稳定是能源系统运营计划的一项紧迫和发展方向。构建在线安全预警和协调防御系统已成为国内外电网运行单位、研究机构和专家学者的共识。但要实现电力系统安全稳定性的在线评估,计算周期一般要求不大于10 min。而在10 min之内完成大电网的成千上万个预想故障的安全稳定评估,计算负担十分沉重。实际上,对所有故障进行详细分析既不现实也无必要。现有的解决方法是电网调度运行人员凭经验筛选出少量的预想故障进行在线安全稳定评估,而筛选掉的大量预想故障就不进行在线评估了,其可靠性与电网调度运行人员的经验紧密相关。因此,亟需提出电力系统在线安全稳定评估预想故障集自适应筛选方法,摆脱预想故障集的设置对电网调度运行人员经验的依赖。 目前用于动态安全分析(DSA)的预想故障筛选及排队算法主要是基于人工智能和暂态能量函数的方法。人工智能法容易产生误分类问题,从而造成对严重故障的漏选。文献利用模糊子集理论及Taylor级数,通过设计一个反映系统稳定度的连续分布的稳定指标,并设计一个相对保守的门槛值来进行预想故障的筛选。文献提出了人工神经网络(ANN)与短时仿真相结合的混合故障筛选方法,克服了单纯使用ANN方法不能产生连续分类指标,从而导致