基于重要抽样与极限学习机的大电网可靠性评估

论文摘要

由于不确定因素多、电网规模大,原始蒙特卡洛模拟（MCS）在复杂电力系统可靠性评估中无法满足实时高效的要求。提出一种基于交叉熵（CE）的重要抽样与极限学习机（ELM）相结合的可靠性评估算法,一方面通过在系统抽样环节引入CE构建元件的最优概率分布,减小方差变化,加快指标收敛速度;另一方面,采用ELM对重要抽样的状态样本进行有监督学习,以所构建的网络学习模型替代传统非线性规划方法进行状态评估,提高单次系统状态评估的效率,从而实现快速可靠性评估。对IEEE RTS-79系统进行可靠性评估,与原始MCS和CE重要抽样的对比结果表明,在一定的误差范围内所提算法合理、有效,其计算效率较原始MCS和CE显著提高。

论文目录

• 0 引言
• 1 基于MCS法的可靠性评估及其改进
•   1.1 基于CE的重要抽样
•   1.2 引入ELM的系统状态评估
• 2 系统状态评估模型
• 3 算法快速可靠性评估流程
• 4 算例分析
•   4.1 新算法评估结果
•   4.2 与SVM算法对比
•   4.3 误差分析
•   4.4 算法评价
• 5 结论

文章来源

类型: 期刊论文

作者: 许鹏程,刘文霞,陈启,张浩

关键词: 可靠性评估,重要抽样,交叉熵,极限学习机,有监督学习

来源: 电力自动化设备 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 国网福建省电力有限公司福州供电公司,华北电力大学新能源电力系统国家重点实验室,国网浙江省电力公司宁波市供电公司

分类号: TM732;TP181

DOI: 10.16081/j.issn.1006-6047.2019.02.030

页码: 204-210

总页数: 7

文件大小: 242K

下载量: 218