基于软计算理论的电力系统可靠性评估模型与算法研究

摘要

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.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.

目录

文摘

英文文摘

1绪论

1.1引言

1.2发输电组合系统可靠性研究概述

1.2.1发输电组合系统可靠性研究发展概况

1.2.2发输电组合系统可靠性评估基本方法

1.3电力系统负荷预测研究概况

1.4软计算理论研究发展概述

1.4.1软计算概况

1.4.2粗糙集理论研究发展概况

1.4.3人工神经网络研究发展概况

1.4.4遗传算法研究发展概况

1.5软计算理论在电力系统可靠性评估和负荷预测中的应用

1.6论文主要内容

1.6.1问题的提出

1.6.2论文主要工作

2软计算的基本理论

2.1粗糙集基本概念与理论

2.1.1基本概念

2.1.2条件属性深度逼近约简法(DARM)

2.1.3决策规则集

2.2人工神经网络基本理论

2.2.1人工神经网络结构

2.2.2人工神经网络的计算原理

2.2.3人工神经网络的非线性逼近功能

2.2.4人工神经网络的学习过程

2.3遗传算法基本理论

2.3.1基本原理

2.3.2算法的主要步骤

2.3.3遗传算法的收敛性

2.4 小结

3电力系统负荷预测中的软计算模型及方法研究

3.1引言

3.2粗组合预测方法(RCFM)

3.2.1问题的数学描述

3.2.2基本原理和计算流程

3.2.3粗组合预测模型

3.3多因素非线性相关负荷动态粗预测模型(DRFM)

3.3.1多因素负荷预测问题的数学描述

3.3.2动态粗预测模型(DRFM)的预测原理

3.3.3动态粗预测模型(DRFM)

3.4算例与分析

3.5小结

4发输电组合系统可靠性分析基本模型及算法

4.1概述

4.2基于安全考虑的发输电组合系统模型

4.3研究事件的确定

4.4可靠性指标

4.5系统解列判断

4.6支路开断模拟补偿法

4.7潮流计算

4.7.1网流模型

4.7.2直流潮流模型

4.7.3交流潮流模型

4.8故障后系统运行调整计算

4.9小结

5偶发事件模式识别的软计算模型及算法研究

5.1引言

5.2偶发事件模式识别问题的数学描述

5.3粗分类与粗事件类的概念

5.4偶发事件模式粗识别原理

5.5偶发事件模式识别的RNNIM及结构

5.6 RNNIM的遗传学习算法

5.7基于RNNIM的偶发事件模式识别算法

5.8基于RNNIM的可靠性评估算法

5.8.1训练模式的形成

5.8.2基于RNNIM的可靠性评估算法

5.8.3算例及分析

5.9小结

6结论

6.1主要结论

6.2后续研究工作的展望

致 谢

参考文献

附 录

独创性声明及学位论文版权使用授权书