声明
致谢
摘要
1 绪论
1.1 本课题的研究背景和意义
1.2 电力系统暂态稳定分析方法的研究现状
1.2.1 时域仿真法
1.2.2 直接法
1.2.3 扩展等面积法
1.3 基于WAMS的暂态稳定分析方法的研究现状
1.3.1 详细模型预测法
1.3.2 同调群(等面积定则)预测法
1.3.3 角度曲线外推预测法
1.3.4 能量函数模型预测法
1.3.5 模式识别预测方法
1.4 本论文主要工作
2 基于WAMS的故障后受扰机端电压轨迹的获取
2.1 WAMS简介
2.2 扰动后电压轨迹特征
2.3 暂态电压变化与功角稳定性的关系
2.4 本章小结
3 基于受扰电压轨迹簇的广域故障特征定义与提取
3.1 轨迹簇特征的定义
3.2 基于Relief算法的广域故障特征提取
3.2.1 Relief算法
3.2.2 特征之间的冗余问题的Relief-Recorre组合算法
3.3 特征样本的构造
3.3.1 故障切除时间
3.3.2 故障位置
3.3.3 故障类型
3.3.4 特征提取前后预测效果对比
3.4 本章小结
4 基于SVM的电力系统暂态稳定预测算法
4.1 支持向量机概述
4.1.1 最优分类面
4.1.2 非线性分类问题
4.1.3 核函数
4.2 基于SVM的暂态稳定预测算法
4.2.1 Libsvm工具箱简介
4.2.2 交叉验证法优化SVM的参数
4.2.3 预测算法流程
4.3 SVM的增量学习
4.3.1 基于错误率小的增量学习
4.3.2 基于多支持向量机的增量学习
4.3.3 基于KKT条件的增量学习
4.4 本章小结
5 基于广域故障特征的暂态稳定性预测算例与分析
5.1 预测性能的评价指标
5.2 预测算例的样本构成
5.3 IEEE39节点系统的暂态稳定情况
5.4 算例分析
5.4.1 功角轨迹和电压轨迹预测性能对比
5.4.2 广域故障特征提取前后的预测性能对比
5.4.3 不同故障类型的预测性能对比
5.4.4 不同样本数据量的预测性能对比
5.4.5 不同时间尺度数据预测性能对比
5.4.6 对于未知拓扑结构与负荷水平的暂态稳定性预测
5.5 基于不完全WAMS信息的预测能力分析
5.6 本章小结
6 结论与展望
6.1 主要结论
6.2 课题展望
参考文献
附录
作者简历
学位论文数据集