面向智能調(diào)度的電網(wǎng)安全態(tài)勢評估與預(yù)測研究.pdf

1、智能電網(wǎng)的發(fā)展對電網(wǎng)調(diào)度系統(tǒng)智能化的要求越來越高，但是現(xiàn)有的電力調(diào)度系統(tǒng)缺乏對電網(wǎng)實時運行狀態(tài)的準確掌控，其自動化和智能水平相對較低，缺乏對整體運行情況的綜合分析，并給出決策建議。所以準確的預(yù)測電網(wǎng)運行狀態(tài)的發(fā)展趨勢并實現(xiàn)電網(wǎng)的運行過程的全面控制，合理評估和預(yù)測電網(wǎng)的安全態(tài)勢尤其重要。
　　針對電網(wǎng)調(diào)度智能化的需求，本文開展了電網(wǎng)智能調(diào)度和電網(wǎng)安全態(tài)勢評估和預(yù)測問題的相關(guān)研究，通過搜集影響電網(wǎng)安全的多種因素，綜合分析并建立電網(wǎng)安全

2、態(tài)勢綜合評估指標體系，對高維的復(fù)雜的指標體系進行降維，最終建立電網(wǎng)安全態(tài)勢評估模型和電網(wǎng)安全態(tài)勢預(yù)測模型，具體工作如下:
　　1.研究電網(wǎng)的運行機制，分析影響電網(wǎng)安全的多種要素，依據(jù)指標體系的構(gòu)建原則以及專家意見確定指標集，采用層次分析法和德爾菲(Delphi)法構(gòu)建一套科學(xué)合理的電網(wǎng)安全態(tài)勢評估指標體系。
　　2.針對電網(wǎng)安全態(tài)勢評估指標體系各層指標之間相關(guān)性強，維度較高等特征，提出采用自編碼網(wǎng)絡(luò)(autoencoder

3、network)降維，將高維的指標映射為低維的指標，通過模擬實驗驗證了該算法具有較小的重構(gòu)誤差。
　　3.提出采用極限學(xué)習(xí)機(Extreme Learning Machine)算法構(gòu)建電網(wǎng)安全態(tài)勢評估模型，通過學(xué)習(xí)輸入指標和輸出電網(wǎng)安全態(tài)勢值之間的關(guān)系，并通過模擬實驗，驗證ELM算法具有更好的評估效果。
　　4.提出采用加權(quán)在線序列極限學(xué)習(xí)機算法構(gòu)建預(yù)測模型，利用歷史態(tài)勢值預(yù)測未來某個時間點的電網(wǎng)安全態(tài)勢。并通過模擬實驗，驗