基于模式識(shí)別的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估技術(shù)的研究.pdf

1、在電力系統(tǒng)的暫態(tài)穩(wěn)定評(píng)估中，故障篩選是一個(gè)必需的環(huán)節(jié)。本文基于模式識(shí)別方法，圍繞暫態(tài)穩(wěn)定故障篩選問(wèn)題，進(jìn)行了研究。本文的工作主要集中在分類特征量的選取和分類算法兩個(gè)方面。 首先，提出了一組用于暫態(tài)穩(wěn)定故障篩選的特征量。目前常用的特征量都是利用系統(tǒng)故障后仿真結(jié)束時(shí)刻的狀態(tài)信息來(lái)表征或反映系統(tǒng)的穩(wěn)定性情況，這些特征量?jī)H反映了系統(tǒng)狀態(tài)軌跡在故障后系統(tǒng)穩(wěn)定平衡點(diǎn)的穩(wěn)定域中的狀態(tài)特征，但無(wú)法給出關(guān)于狀態(tài)點(diǎn)距離穩(wěn)定域邊界遠(yuǎn)近的測(cè)度?；谶@一

2、點(diǎn)考慮，本文將能量裕度值與故障后仿真結(jié)束時(shí)刻的狀態(tài)信息結(jié)合，作為故障篩選使用的特征量。 隨后，使用BP神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)了暫態(tài)故障篩選。通過(guò)對(duì)比引入能量裕度特征量前后神經(jīng)網(wǎng)絡(luò)的工作效果，證明本文中使用的特征量有效的提高了故障篩選的正確性。對(duì)比神經(jīng)網(wǎng)絡(luò)方法，本文還提出了一種基于聚類分析的電力系統(tǒng)暫態(tài)故障篩選方法。該方法建立在模糊聚類分析(FCM)和矢量量化方法 (VQ)基礎(chǔ)之上，結(jié)合了兩種聚類分析方法的優(yōu)點(diǎn)。通過(guò)新英格蘭10