论文部分内容阅读
随着现代经济高速发展,电力系统规模日益扩大,网络结构愈发复杂,其安全稳定运行面临更多严峻的挑战。在电力系统运行过程中,负荷波动、元件故障与极端自然灾害等不确定性因素均对系统安全稳定运行造成巨大的影响。而科学合理的风险评估可以有效地辨识电力系统潜在风险,减少大面积停电事故的发生。另一方面,由于电力系统出现大规模停电的风险始终存在,因此除了完善已有的电力系统风险评估方法外,还需对其应急能力进行评价。定期开展电力系统应急能力评价可以及时发现抢险救灾的短板,对降低因灾害造成的损失有重要的意义。本文就上述问题进行了深入探讨与研究,主要包含如下四个方面:(1)提出了一种基于动态时间规整和门控循环神经网络的日最大负荷预测算法。首先,通过自相关系数和人类社会活动周期确定日最大负荷片段长度,并以最短动态时间规整距离为目标匹配出历史上最相似的负荷片段。其次,使用部分独热编码技术对日历信息进行编码以有效扩展特征。最后使用门控循环神经网络对日最大负荷进行预测。仿真结果表明,动态时间规整距离不仅可以捕获负荷曲线变化的趋势,而且可以发现负荷曲线的局部信息。通过不同匹配距离、编码方式及预测算法结果的对比分析,验证了本文提出的算法可以实现日最大负荷的准确预测。(2)提出了一种基于拉丁超立方抽样和日最大负荷预测的电力系统安全风险评估算法。首先应用上节的算法对日最大负荷进行预测。为了准确地描述电力系统状态,本文构建了基于马尔科夫的元件故障模型,并通过拉丁超立方抽样确定其状态,据此计算电力系统最优负荷削减及安全风险。最后分析了安全风险与日最大负荷间的关系。仿真结果表明,相比于蒙特卡洛抽样法,拉丁超立方抽样法达到相同精度需要的抽样次数更少。观察电力系统安全风险与日最大负荷的波动可以发现,它们的变化趋势基本相同但幅度不同。负荷较低时对电力系统风险变化有“压缩”效应,而负荷较高时有“伸张”效应。因此,准确的负荷预测可以提前判断电力系统风险变化趋势,有利于系统安全稳定运行。(3)提出了一种考虑网络重要元件辨识及灾害全生命周期的电力系统弹性评估算法。首先,应用理想点法融合电力系统的拓扑属性与电气属性对节点及线路的重要程度进行辨识,据此确定在资源不足时电力系统元件的检修顺序。其次,构建一套包括极端灾害模型、元件故障模型及检修模型的弹性评估新框架。最后,提出基于Dy Liacco安全构想的新指标评估电力系统的弹性。仿真结果表明,新弹性指标克服了传统指标忽略系统受灾害影响持续时间及检修时间的不足,可以客观真实地反映电力系统弹性。同时,理想点法能够有效地辨识电力系统节点与线路的重要程度,据此提出的检修策略有助于提升电力系统弹性。(4)提出了一种基于熵权模糊证据推理的电力系统应急能力评价算法。根据风险评估及应急管理理论构建一套电力系统应急能力评价框架,包括4项一级指标与14项二级指标。为了避免主观随意性,应用客观赋权的熵权法获取各项指标权重。考虑到初始评价结果存在缺失,采用模糊证据推理算法对电力系统应急能力进行评价。仿真结果表明,熵权法可以有效地识别电力系统应急能力中最主要的影响因素。与其他算法相比,应用模糊证据推理算法得出的评价结果具有更强的区分度。