电力工业的市场化和电力需求的持续增长,对电力质量提出了更高的要求;同时,用户需求的不确定性、市场贸易主体的分散决策导致电力系统输电阻塞风险的增大,使电力系统的运行条件不能事先预知,不可避免地会导致系统运行接近物理极限,这给电力系统安全运行带来了新的压力,因而电力系统的安全可靠性评估及其负荷预测研究有着重要的理论意义和实际价值。 论文在大量检索国内外资料、跟踪国际前沿技术基础上,研究了发输电组合系统可靠性评估的理论与方法,指出从计算过程看可靠性评估的“计算灾害”是由多种复杂计算综合引起,从计算方式看,可靠性计算是一种硬计算方式,为缓减“计算灾”应从产生“计算灾”的各个环节入手寻找减灾的软计算方法。为此,论文深入研究了软计算理论中的最新理论——粗糙集以及人工神经网络、遗传算法的基本思想、工作原理和基本理论,把这几种软计算技术的优势有机融合,提出了关于电力系统可靠性评估以及负荷预测的软计算模型和算法,实例计算结果以及对RBTS和IEEE-RTS79测试系统的可靠性计算,说明了所提软计算模型及算法的正确性、可行性和有效性。本论文的主要内容如下:1、通过分析决策属性对条件属性的依赖关系,证明了:(1)条件属性集合的减小,不会使决策属性的正域增大;(2)决策属性依赖度的单调性:条件属性集的减小不会增大决策属性对条件属性的依赖度;(3)保持依赖度不变的最小条件属性集为条件属性的最小约简集。2、提出了深度逼近约简法(DARM),为条件属性约简提供了一种有效算法,为粗糙集理论在电力系统可靠性评估和负荷预测中的应用提供了技术支撑。3、提出了粗分类和粗事件类的概念,为建立偶发事件模式识别的软计算模型奠定基础。4、首次将粗糙集理论用于电力系统可靠性评估研究,把粗糙集与人工神经网络进行强、弱耦合,建立了偶发事件模式识别的粗神经网络融合模型(RNNIM),针对非线性误差函数设计了相应的遗传算法学习网络参数,为减少电力系统可靠性评估中偶发事件的潮流计算次数,提高偶发事件故障模式识别效率提供了新方法。5、将粗糙集理论应用于电力系统负荷预测,探索了电力系统负荷预测的软计算模型,为计及负荷模型的市场化电力系统可靠性评估研究提供一定基础。1)提出了基于信息熵的条件属性敏感度概念,在此基础上提出了基于DARM的负荷粗组合预测方法(RCFM),为数据驱动下组合预测模型筛选和组合系数合理<WP=5>确定提供了一种有效方法。2)对多因素非线性相关负荷预测问题,将模式识别原理与粗糙集理论相结合,利用由粗糙集分析技术提炼的因素与负荷变化的若干典型模式及其相关关系的概略化信息建立负荷预测模型,推导了预测模型中参数变化的递推公式,建立了动态粗预测模型(DRFM),为多因素非线性相关负荷预测提供了一种有效方法。