学位论文 > 优秀研究生学位论文题录展示

基于动态安全域理论的动态安全分析的研究

作　者: 严宇
导　师: 刘天琪
学　校: 四川大学
专　业: 电力系统及其自动化
关键词: 电力系统动态安全分析动态安全域神经网络模糊理论
分类号: TM734
类　型: 硕士论文
年　份: 2004年
下　载: 246次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电力系统规模不断扩大，互连部分越来越多，如何保证电力系统的安全运行，以及在安全的情况下更经济的运行显得越来越重要。因此电力系统的安全分析，特别是动态安全分析(dynamic security analysis，DSA)越来越成为研究的重点和热点。电力系统动态安全分析能够保证实时电力系统的安全运行，保证电力系统的等式和不等式条件的满足，是属于调度自动化的范畴。由于长期以来，安全分析和暂态稳定分别从调度自动化和电力系统的稳定的角度来研究和分析电力系统的等式和不等式条件的满足，两者逐步的综合，使得两者的概念较为混淆。笔者认为，电力系统动态安全分析广义上分为暂态稳定分析(TSA)，电压稳定分析(VSA)，频率稳定分析(FSA)，前者主要指功率的平衡，后两者分别是指电压和频率的稳定。目前较为成熟的是暂态稳定分析(TSA)。因而从某种意义上，现在的动态安全分析的概念含盖更广。本文主要介绍的动态安全分析的方法及相关概念均是针对TSA而言。本文提出一套基于动态安全域的ANN动态安全分析理论，其中包括基于BP网络和模糊理论的超平面拟合法，用于对运行点类型分类的两类、三类分类器和用于稳定裕度计算的稳定裕度拟合器的ANN动态安全域方法，以及针对系统多故障的自适应ANN方法，特别是提出了一种针对大电力系统注入元素优选的方法。该优选方法将决策表最优特征子集理论和粗糙集元素离散化理论相结合，从大维数的注入元中优选特征元作为ANN注入元素，以降低其注入元素维数，较好的解决了ANN动态安全分析法用于大系统所面临的“维灾难”问题。通过多个系统的仿真和测试，取得很好的效果。本论文主要包括以下内容: 第一章、第二章主要介绍了动态安全分析的现状，特别针对用动态安全域理论进行电力系统动态安全分析的现状，存在问题以及急待解决的问题进行了分析和研究。第三章针对传统超平面实用动态安全域方法拟合度不高，提出了一种基于BP网络和模糊理论的超平面拟合法，以BP网络代替传统的最小二乘法拟合实用动态安全域。此方法在一定程度上减少了临界点和边界附近的稳定点和非稳定点的误判。第四章提出了一种较为完善且实用的动态安全分析的方法—ANN动态安全域方法，其中包括用于对运行点类型分类的两类、三类分类器和用于稳定裕度计算的稳定裕度拟合器。此方法在很大程度上弥补了超平面拟合法的不足，例如减少由超平面理论本身局限性所造成的误判，以及无法精确的确定运行点的稳定裕度。第五章针对ANN动态安全域方法用于大系统所面临的“维灾难”问题，提出了一种注入元素优选的方法。此方法大大提高了ANN动态安全域方法的实用性，特别是针对大电力系统。第六章提出了一种针对系统多故障的方法—自适应ANN方法，此方法弥补了ANN动态安全域方法仅能对系统一既定故障建构一神经网络的缺陷，从而大大减少了对系统进行动态安全分析的神经网络的个数。第七章则介绍、分析了动态安全域理论的研究前景。关键词:电力系统;动态安全分析;动态安全域;神经网络;模糊理论;

全文目录

第一章绪论  10-20
  1.1 电力系统安全分析的研究意义  10
  1.2 电力系统安全分析的特点  10-11
  1.3 国内外研究现状及动态  11-17
    1.3.1 数值解法  12-13
    1.3.2 直接法  13-14
    1.3.3 人工智能方法  14-17
  1.4 本文所的工作  17-20
第二章基于动态安全域的电力系统动态安全分析理论  20-27
  2.1 电力系统动态安全域理论(dynamic security region，DSR)  20-24
    2.1.1 电力系统动态安全域的定义  20-21
    2.1.2 电力系统暂态稳定域的定义和简化  21-24
  2.2 超平面形式的实用动态安全域理论及其算法  24-27
第三章基于BP网络和模糊理论的超平面拟合法  27-37
  3.1 引言  27
  3.2 实用的电力系统动态安全域  27-29
  3.3 基于BP网络和模糊理论的实用动态安全域方法  29-32
    3.3.1 超平面ANN拟合法  29-30
    3.3.2 模糊识别器原理与实现  30-31
    3.3.3 临界点模糊选择器  31-32
  3.4 超平面ANN拟合法中系统灵敏度和超平面度的分析  32-33
    3.4.1 灵敏度  32-33
    3.4.2 超平面度  33
  3.5 实验验证和比较  33-36
    3.5.1 实验1  33-35
    3.5.2 实验2  35-36
  3.6 结论  36-37
第四章电力系统动态安全分析的ANN动态安全域方法  37-49
  4.1 引言  37-38
  4.2 神经网络动态安全域方法(ANN 动态安全域方法)  38-41
    4.2.1 神经网络动态安全域ANN模型  38-39
    4.2.2 两类分类器ANN模型的原理和实现  39
    4.2.3 三类分类器ANN模型的原理和实现  39-40
    4.2.4 稳定裕度拟合器ANN模型的原理和实现  40-41
  4.3 实验验证和比较  41-47
    4.3.1 基于分类的两种方法的比较  42-45
    4.3.2 两种基于稳定裕度方法的比较  45-47
  4.4 结论  47-49
第五章基于决策表-粗糙集理论的动态安全分析的神经网络输入特征的优选  49-69
  5.1 引言  49-50
  5.2 神经网络输入特征优选法简介  50-52
    5.2.1 优选方法的优选目标  50-51
    5.2.2 优选方法的确立  51-52
  5.3 基于粗糙集的离散化方法  52-55
    5.3.1 粗糙集理论和决策表化简  52-54
    5.3.2 连续数据的离散化方法  54-55
  5.4 决策表最优特征子集理论的神经网络输入特征的优选法  55-62
    5.4.1 决策表最优特征子集的相关理论——扩张矩阵理论  55-59
    5.4.2 决策表最优特征子集的优选算法  59-60
    5.4.3 动态安全域ANN输入特征最优特征子集优选法  60-62
  5.5 实验验证和比较  62-68
    5.5.1 实验1  62-66
    5.5.2 实验2  66-68
  5.6 结论  68-69
第六章基于一种自适应神经网络的动态安全分析  69-77
  6.1 引言  69
  6.2 BP神经网络分析方法理论的基础和不足  69-71
  6.3 带故障分析的自适应神经网络分析方法(SA-ANN)  71-73
    6.3.1 半自适应模型(Half-self-adaptive module，TSAM)  71-72
    6.3.2 全自适应模型(Total-self-adaptive module，TSAM)  72-73
  6.4 实验验证和比较  73-75
    6.4.1 半自适应模型(Half-self-adaptive module，HSAM)的仿真  74-75
    6.4.2 全自适应模型(Total-self-adaptive module，TSAM)的仿真  75
  6.5 结论  75-77
第七章总结和展望  77-79
  7.1 总结  77-78
  7.2 展望  78-79
参考文献  79-85
攻读硕士学位期间完成的学术论文  85-86
声明  86-87
致谢  87-88
附录Ⅰ-寻找最优特征子集问题的启发式算法  88-89
附录Ⅱ  89-92

基于动态安全域理论的动态安全分析的研究

内容摘要

全文目录

相似论文