Suzhou Electric Appliance Research Institute
期刊号: CN32-1800/TM| ISSN1007-3175

Article retrieval

文章检索

首页 >> 文章检索 >> 最新索引

电力系统暂态稳定评估方法研究现状及展望

来源:电工电气发布时间:2020-11-19 15:19 浏览次数:8
电力系统暂态稳定评估方法研究现状及展望
 
谢彦祥,肖汉,李嘉逸,李小雨
(中国电力工程顾问集团西南电力设计院有限公司,四川 成都 610021)
 
    摘 要:人工智能算法在暂态稳定评估领域已得到一定应用,广域测量系统的逐渐普及和大数据技术在电力系统中的应用为暂态稳定分析提供了新思路。介绍现有暂态稳定评估方法,对其进行分类;重点阐述基于人工智能、广域测量系统及大数据技术的暂态稳定评估方法,归纳了相关研究成果,总结了现有评估方法存在的问题,并展望了暂态稳定评估未来的研究方向。
    关键词:电力系统;暂态稳定评估;人工智能;广域测量系统;大数据
    中图分类号:TM712     文献标识码:A     文章编号:1007-3175(2020)11-0001-09
 
Research Status and Prospect of Transient Stability Assessment Methods of Power System
 
XIE Yan-xiang, XIAO Han, LI Jia-yi, LI Xiao-yu
(Southwest Electric Power Design Institute Co., Ltd of CPECC, Chengdu 610021, China)
 
    Abstract: Artificial intelligence algorithms have been applied in the field of transient stability assessment. The gradual popularization of wide-area measurement systems and the application of big data technology in power systems provide new ideas for transient stability analysis. In this paper introduced existing transient stability evaluation methods and classify them; it focus on the transient stability evaluation methods based on artificial intelligence, wide-area measurement system and big data technology, summarize relevant research results, and summarize the existing problems of existing evaluation methods, and look forward to the future research direction of transient stability assessment.
    Key words: power system; transient stability assessment; artificial intelligence; wide area measurement system; big data
 
参考文献
[1] 刘俐,李勇,曹一家,等. 基于支持向量机和长短期记忆网络的暂态功角稳定预测方法[J]. 电力自动化设备,2020,40(2):129-139.
[2] 吴学苹, 宁强. 交直流电力系统暂态过程中同步发电机阻尼转矩系数的计算[J]. 电气技术,2015(8):11-14.
[3] DOMMEL H W, SATO N.Fast transient stability solutions[J].IEEE Transactions on Power Apparatus & Systems,2007,91(4):1643-1650.
[4] 许汉平,黄涌,陈坚. 电力系统实时数字仿真系统介绍[J]. 华中电力,2002,15(3):10-12.
[5] 宋新立,汤涌,刘文焯,等. 电力系统全过程动态仿真的组合数值积分算法研究[J]. 中国电机工程学报,2009,29(28):23-29.
[6] MAGNUSSON P C.The transient-energy method of calculating stability[J].Transactions of the American Institute of Electrical Engineers,1947,66(1):747-755.
[7] ASIM H, NITAI P, DEBASISH M. Transient Stability Analysis of a Multimachine Power System with TCSC Controller-A Zero Dynamic Design Approach[J].International Journal of Electrical Power and Energy Systems,2018,97(10):51-57.
[8] 顾雪平,曹绍杰,张文勤. 基于神经网络暂态稳定评估方法的一种新思路[J]. 中国电机工程学报,2000,20(4):77-82.
[9] 黄辉,舒乃秋,李自品,等. 基于信息融合技术的电力系统暂态稳定评估[J]. 中国电机工程学报,2007,27(16):19-23.
[10] 汤必强,邓长虹,刘丽芳. 复合神经网络在电力系统暂态稳定评估中的应用[J]. 电网技术,2004,28(15):63-66.
[11] DALIA M, KAMAL R, ELFADIL Z.Implementation of transient stability assessment using artificial neural networks[C]//Proceedings-2013 International Conference on Computer,2013:
659-662.
[12] AMIR S, SAEED S.A new power system transient stability assessment method based on Type-2 fuzzy neural network estimation[J].Electrical Power and Energy Systems,2015,64(7):71-87.
[13] 吴琼,杨以涵,刘文颖. 基于最小二乘支持向量机的电力系统暂态稳定在线预测[J]. 中国电机工程学报,2007,27(25):38-43.
[14] YOU Dahai, WANG Ke, YE Lei, et al.Transient stability assessment of power system using support vector machine with generator combinatorial trajectories inputs[J]. International Journal of Electrical Power and Energy Systems,2013,44(1):318-325.
[15] 马骞,杨以涵,刘文颖,等. 多输入特征融合的组合支持向量机电力系统暂态稳定评估[J]. 中国电机工程学报,2005,25(6):17-23.
[16] 姜涛,王长江,陈厚合,等. 基于正则化投影孪生支持向量机的电力系统暂态稳定评估[J]. 电力系统自动化,2019,43(1):141-151.
[17] 戴远航,陈磊,张玮灵,等. 基于多支持向量机综合的电力系统暂态稳定评估[J]. 中国电机工程学报,2016,36(5):1173-1179.
[18] MOULIN L S, SILVA A P A, EL-SHARKAWI M A, et al.Support vector machines for transient stability analysis of large-scale power systems[J]. IEEE Transactions on Power Systems,2004,19(2):818-825.
[19] 卢锦玲,於慧敏. 极限学习机和遗传算法在暂态稳定评估特征选择中的应用[J]. 电力系统及其自动化学报,2016,28(12):103-107.
[20] LI Yang, GU Xueping.Power system transient stability assesment based on online sequential extreme learning machine[C]// Asia-Pacific Power and Energy Engineering Conference,2013:351-358.
[21] IRRINE S, ARDYONO P, ONY Q, et al.Critical clearing time prediction within various loads for transient stability assessment by means of the extreme learning machine method[J]. Electrical Power and Energy Systems,2016,77(34):345-352.
[22] 陈振,肖先勇,李长松,等. 基于代价敏感极端学习机的电力系统暂态稳定评估方法[J]. 电力自动化设备,2016,36(2):118-122.
[23] 张林林,胡熊伟,李鹏,等. 基于极限学习机的电力系统暂态稳定评估方法[J]. 上海交通大学学报,2019,53(6):749-756.
[24] 李向伟,刘思言,高昆仑. 基于差分进化极限学习机的电力系统暂态稳定评估方法[J]. 科学技术与工程,2020,20(1):213-217.
[25] 周挺,杨军,周强明,等. 基于改进Light GBM的电力系统暂态稳定评估方法[J]. 电网技术,2019,43(6):1931-1940.
[26] 卢锦玲,郭鲁豫,张梦雪,等. 基于MGS-LGBM算法的电力系统暂态稳定评估[J]. 电力科学与工程,2020,36(3):52-60.
[27] 胡伟,郑乐,闵勇,等. 基于深度学习的电力系统故障后暂态稳定评估研究[J]. 电网技术,2017,41(10):3140-3146.
[28] 李宝琴,吴俊勇,邵美阳,等. 基于集成深度置信网络的精细化电力系统暂态稳定评估[J]. 电力系统自动化,2020,44(6):17-28.
[29] 邵美阳,吴俊勇,李宝琴,等. 基于两阶段集成深度置信网络的电力系统暂态稳定评估[J]. 电网技术,2020,44(5):1776-1787.
[30] 蔡国伟,张启蒙,杨德友,等. 基于改进深度置信网络的电力系统暂态稳定评估研究[J]. 智慧电力,2020,48(3):61-68.
[31] 高昆仑,杨帅,刘思言,等. 基于一维卷积神经网络的电力系统暂态稳定评估[J]. 电力系统自动化,2019,43(12):18-26.
[32] 田芳,周孝信,史东宇,等. 基于卷积神经网络综合模型和稳态特征量的电力系统暂态稳定评估[J].中国电机工程学报,2019,39(14):4025-4032.
[33] SHI Zhongtuo, YAO Wei, ZENG Lingkang, et al. Convolutional neural network-based power system transient stability assessment and instability mode prediction[J].Applied Energy,2020,263(11):45-56.
[34] 王怀远,陈启凡. 基于堆叠变分自动编码器的电力系统暂态稳定评估方法[J]. 电力自动化设备,2019,39(12):134-139.
[35] 王怀远,陈启凡. 基于代价敏感堆叠变分自动编码器的暂态稳定评估方法[J]. 中国电机工程学报,2020,40(7):2213-2220.
[36] 宋方方,毕天姝,杨奇逊. 基于暂态能量变化率的电力系统多摆稳定性判别新方法[J]. 中国电机工程学报,2007,27(16):8-13.
[37] 王科,游大海,陈震海,等. 基于改进位能脊的电力系统暂态稳定快速识别算法[J]. 电网技术,2011,35(12):89-93.
[38] 刘道伟,马世英,李柏青,等. 基于响应的电网暂态稳定态势在线量化评估方法[J]. 中国电机工程学报,2013,33(4):85-95.
[39] 马世英,刘道伟,吴萌,等. 基于 WAMS及机组对的电网暂态稳定态势在线量化评估方法[J]. 电网技术,2013,37(5):1323-1328.
[40] LAN Tian, WANG Wenzong, HUANG M.A critical switching flow index for transient stability assessment in smart grid topology control[C]//IEEE Power-and-Energy-Society Innovative Smart Grid Technologies Conference,USA,2016:85-92.
[41] 毛安家,郭志忠,张学松. 一种基于广域测量系统过程量测数据的快速暂态稳定预估方法[J]. 中国电机工程学报,2006,26(17):39-45.
[42] WANG Huaiyuan, HE Peican.Transient stability assessment and control system for power system[J].IEEJ Transactions on Electrical and Electronic Engineering,2019,14(8):1189-1196.