基于模式识别理论的电网连锁故障评估方法研究

论文摘要

电网连锁故障问题是近年来比较引人关注的一个问题。由于大停电事故的发生伴随着连锁故障,针对连锁故障问题的研究其现实的应用背景愈发明晰,围绕如何对电网连锁故障进行建模分析的研究也正在日益增多。本文提出了基于模式识别理论的电网连锁故障评估方法,首先利用Delphi和中国版BPA建立了电网连锁故障过程模拟平台,此平台可以连续多次模拟连锁故障的一般过程。其次,利用模式识别方法中的BP神经网络与支持向量机方法分别进行评估,主要考察不同潮流水平对连锁故障发生与否产生的影响,并对两种模型的评估结果进行比较,算例表明文中所提出的方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 电网连锁故障基本原理
• 1.1.1 基本概念
• 1.1.2 连锁故障的一般表现
• 1.2 电网连锁故障分析方法综述
• 1.2.1 模式搜索法
• 1.2.2 基于复杂系统理论的建模分析法
• 1.2.3 基于复杂网络理论的建模分析法
• 1.3 模式识别理论在电力系统分析中的应用
• 1.3.1 模式识别方法在电力系统暂态稳定评估中的应用
• 1.3.2 模式识别方法在电力系统负荷预测中的应用
• 1.3.3 模式识别方法在电力系统连锁故障评估中的应用
• 1.4 本文所做的工作
• 第二章 基于Delphi和BPA的电网连锁故障过程模拟方法
• 2.1 理论基础
• 2.1.1 基本研究模式
• 2.1.2 主要考虑的因素
• 2.1.3 模拟搜索过程的基本描述
• 2.2 连锁故障的过程模拟平台的建立
• 2.3 本章小结
• 第三章 基于BP神经网络方法的电网连锁故障评估方法
• 3.1 BP神经网络相关理论
• 3.2 训练样本的聚类处理
• 3.3 使用BP网络评估连锁故障的模型与方法
• 3.3.1 BP网络模型简单介绍
• 3.3.2 训练样本集与测试样本集的构造
• 3.4 算例分析
• 3.5 本章小结
• 第四章 支持向量机在电网连锁故障评估中的应用
• 4.1 引言
• 4.2 支持向量机相关理论
• 4.2.1 最优分类超平面
• 4.2.2 支持向量机的求取
• 4.3 基于支持向量机的电力系统连锁故障评估模式
• 4.3.1 输入和输出样本的规范化
• 4.3.2 分类面的构造及核函数的选择
• 4.3.3 样本的构造模式
• 4.3.4 最终分类模型
• 4.4 算例分析
• 4.4.1 算例样本构造
• 4.4.2 多项式核函数的参数选择及结果分析
• 4.5 与神经网络算法的比较
• 4.6 本章小结
• 第五章 结论与展望
• 5.1 本文工作总结
• 5.2 未来工作及展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况