高性能电力系统潮流智能化算法的研究
VIP免费
目 录
中文摘要
ABSTRACT
第一章 绪 论........................................................................................................................1
§1.1引言...............................................................................................................................1
§1.2电力系统潮流计算的研究历史及现状................................................................1
§1.2.1电力系统稳定性研究及电网实时监控的研究...........................................1
§1.2.2电力系统潮流计算的研究...............................................................................2
§1.3论文研究的主要内容及其框架.............................................................................4
第二章 传统的电力系统潮流计算....................................................................................5
§2.1电力网络的数学模型................................................................................................5
§2.2节点功率方程式.........................................................................................................7
§2.3潮流计算的牛顿法....................................................................................................9
§2.3.1牛顿-拉夫逊法的一般概念..............................................................................9
§2.3.2牛顿潮流算法的修正方程式.........................................................................10
§2.3.3修正方程式的处理和求解.............................................................................12
§2.3.4牛顿潮流算法的性能和特点.........................................................................13
§2.4潮流计算的P-Q分解法...........................................................................................14
§2.4.1 P-Q分解法的基本原理..................................................................................14
§2.4.2 P-Q分解法的修正方程式..............................................................................15
§2.5 小结............................................................................................................................18
第三章 人工神经网络及其硬件实现..............................................................................19
§3.1研究现状....................................................................................................................19
§3.1.1人工神经网络的信息处理原理....................................................................19
§3.1.2人工神经网络的基础属性.............................................................................20
§3.1.3神经网络模型....................................................................................................20
§3.2人工神经元网络.......................................................................................................22
§3.2.1神经元及其行为机理......................................................................................22
§3.2.2神经元的信息处理与传递.............................................................................23
§3.2.3神经元的信息综合特性..................................................................................24
§3.2.4神经元的数学模型...........................................................................................24
§3.2.5神经网络的学习机理和机构.........................................................................25
§3.3神经元网络的硬件化..............................................................................................26
§3.3.1人工神经元的实现...........................................................................................26
§3.3.2 FPGA实现原理及结构..................................................................................27
§3.3.3神经元网络的概率方式模拟实现...............................................................28
§3.4 小结............................................................................................................................29
第四章 智能潮流计算方法................................................................................................30
§4.1传统BP神经网络及其实现...................................................................................30
§4.1.1 BP算法的原理..................................................................................................30
§4.1.2 BP算法的数学表达........................................................................................31
§4.1.3 BP算法的执行步骤........................................................................................33
§4.1.4电力系统潮流的神经计算方法及试验仿真.............................................35
§4.2高阶BP神经网络及其实现...................................................................................37
§4.2.1高阶BP算法简介..............................................................................................37
§4.2.2高阶BP算法.......................................................................................................38
§4.2.3高阶神经网络的学习过程控制....................................................................39
§4.3小结.............................................................................................................................40
第五章 算例仿真分析.........................................................................................................41
§5.1典型5节点测试系统................................................................................................41
§5.2传统潮流算法与智能化潮流算法的算例分析................................................41
§5.3小结.............................................................................................................................44
第六章 结论与展望.............................................................................................................45
附 录.........................................................................................................................................46
参考文献....................................................................................................................................52
摘 要
电力潮流计算是电力系统分析最重要和最基本的计算。这种计算不仅是为了
把握电力系统的运行计划及系统状态，也是作为稳定性指数求解等系统解析非常重
要的计算。
传统的潮流算法有牛顿拉夫逊，快速分解(P-Q)潮流算法等，传统的算法随着
电力系统未知参数数目呈指数增长使算法变得复杂化，也使得电力系统的数学模型
更加难以建立和求解，在高速化实时运算方面已接近极限。根据电力网络自身并行
性的特点，各个节点之间相互关联的关系，我们应用一种具有并行计算特点和最优
化功能的神经网络算法解决此问题。神经网络本身结构和电力网络结构的相似性使
得将神经网络运算算法应用到电力网络潮流计算中拥有了天然的优势，而且网络结
构越复杂，优势会越明显。我们将每一个电力网络的节点看作是神经网络的节点，
电网节点上潮流量的变化势必会对与其关联的所有节点产生影响，这就像神经网络
节点之间的相互关联性，这种关联的变化反映在结果误差的反馈上面，让神经网络
层间的权值反应这些变化是最佳的选择；而且从计算的角度看，还可以避免不断的
循环迭代，使运算简单化。
此算法运算速度快、精度高，能为电力系统的运行和分析提供可靠信息，可
以有效地解决传统算法存在的系统建模困难、计算耗时、实时性差等问题；从而为
实现用人工智能算法代替传统算法，以及用人的经验更科学地管理现代电网提供新
的研究方向。
关键词：潮流计算 高阶BP神经网络 电力系统
ABSTRACT
P o w e r f l o w c a l c u l a t i o n i s t h e m o s t i m p o r t a n t a n d b a s i c c a l c u l a t i o n i n p o w e r
s y s t e m s . T h i s c a l c u l a t i o n i s n o t o n l y a v e r y i m p o r t a n t c a l c u l a t i o n t o s e i z e p o w e r
systems planning and operation of the systems state, but also a very important
calculation for the analytical systems such as the stability index.
T he algo ri t h m i s u su al l y N e w t on - L a r f s o n, t h e P - Q a l g o r i t hm , e t c . H ow e v e r, t h e
t r a d i t i o n a l m e t h o d s o f p o w e r s y s t e m s w i t h u n k n o w n p a r a m e t e r s e x p e n d e d i n
Exponential Growth become complex and make power systems more difficult to create
a mathematical model and solution, and the ability of high-speed computing has reached
the limit. According to the characteristics of the parallel network and the interconnected
n o d e s , w e a p p l y a k i n d o f n e u r a l n e t w o r k o p t i m i z a t i o n a l g o r i t h m w i t h t h e p a r a l l e l
c o m p u t i n g f u n c t i o n , w h i c h c a n e f f e c t i v e l y r e s o l v e t h e d i f f i c u l t i e s o f t r a d i t i o n a l
modeling algorithm. The similarity of the neural network and the power systems makes
n e u r a l n e t w o r k c o m p u t i n g a l g o r i t h m a p p l i e d t o t h e p o w e r f l o w c a l c u l a t i o n i n t h e
n e t w o r k h a v e a n a t u r a l a d v a n t a g e , a n d t h e m o r e c o m p l e x t h e n e t w o r k s t r u c t u r e , t h e
advantages will become more obvious. We will set the power network nodes as a neural
network nodes, the flow change of the power network will surely bring impact on the
nodes related, which is just like the interrelations of the neural network nodes. In the
n e u r a l n e t w o r k , i t w i l l r e f l e c t t h e r e s u l t ’s e r r o r s , a n d i t i s a n a t u r a l c h o i c e t o l e t t h e
neural network layer weights reflect these changes. From the perspective of calculation,
we can also avoid the cycle of continuous and the complexity of computing.
This algorithm has high computing speed, high precision, and can also provide
r e l i a b l e i n f o r m a t i o n f o r t h e o p e r a t i o n a n d a n a l y s i s o f t h e p o w e r s y s t e m s . I t c a n
eff ec t i ve l y s ol v e t he di ff i cu l ti e s o f t he t ra d i ti on a l a l go r i th m, s uc h a s c a lc u l at i n g t im e
consuming, the poor of real-time character, etc. So it can provide a new research
direction for the replacement of traditional algorithm with AI algorithm.
Keywords: Flow Calculation, High-BP Neural Network, Power System
第一章 绪论
第一章 绪 论
§1.1 引言
电力系统潮流计算是电力工程界的研究热点之一，也是电力系统分析最重要和
基本的计算。这种计算不仅是为了把握电力系统的运行计划及系统状态，是作为
稳定性指数等系统解析非常重要的计算，也是电力运行、规划以及安全性、可靠
性分析和优化的基础，也是各种电磁暂态和机电暂态分析的基础和出发点。作为
研究电力系统稳定运行情况的一种基本电气计算，电力系统常规潮流计算的任务
是根据给定的网络结构及运行条件，求出整个网络的运行状态，其中包括各母线
的电压、网络中的功率分布以及功率损耗等[1]。
此外，在进行电力系统静态及暂态稳定计算时，要利用潮流计算的结果作为其
计算的基础；一些故障分析以及优化计算也需要有相应的潮流计算作配合；潮流
计算往往成为上述计算程序的一个重要组成部分。随着现代化的调度中心的建立
为了对电力系统进行实时安全监控，需要根据实时数据库所提供的信息，对数以
万计的节点进行实时的检测运算，包括各个节点的有功功率，无功功率，电压，
电流等参量，这就要求潮流计算有快速的运算速度以及准确性[2]。
通常的算法有牛顿拉夫逊，快速分解潮流算法等。随着电力技术的发展，单一
电网规模的扩大，以及各大电网之间的并网运行，使得整个电力网络的结构更加的
复杂，传统的分析和计算及优化方法，面临着计算量和占用存储空间大，速度慢，
“维数组合爆炸”等难以克服的困难。传统的算法随着电力系统未知参数数目呈指
数增长使算法变得复杂化，也使得电力系统的数学模型更加难以建立和求解，在高
速化实时运算方面已接近极限。根据电力网络自身并行性的特点，各个节点之间相
互关联的关系，我们应用一种具有并行计算特点和最优化功能的神经网络算法解决
此问题。此算法运算速度快、精度高，能为电力系统的运行和分析提供可靠信息。
可以有效地解决传统算法存在系统建模困难、计算耗时、实时性差等问题，从而为
实现用人工智能代替传统算法和用人的经验更科学地管理现代电网提供探索的方向
[12]。
§1.2 电力系统潮流计算的研究历史及现状
§1.2.1电力系统稳定性研究及电网实时监控的研究
电力系统向大电网、高电压和远距离输电发展，虽然对提高经济效益、促进环
境保护起到了重要作用，但使电力系统的结构和运行方式变得越来越复杂多变。电
力系统是一个复杂的动态大系统，随着发电机组的容量日趋增大，电网结构及其运
行方式日趋庞大和复杂，对电力系统的模型建立及实时计算和自动控制技术水平的
要求也越来越高，加上电力系统中各个环节存在的非线性和多变量的交叉与耦合特
征，使得电力系统的数学模型更加难以建立和求解。
人工神经网络具有自适应和自组织能力，可以根据电力系统的输入和输出找出
它们之间的非线性关系，而不需要电力系统的数学模型。其容错性和自适应性使之
可以应付电力系统在运行过程中众多的不确定因素，提高电力系统的抗干扰能力。
它的固有并行结构和并行处理能力使它可以快速处理电力系统的各种数据。
电力系统稳定性解析与控制实时仿真决策系统是电力系统安全、经济运行的重
1
高性能电力系统潮流智能化算法的研究
要研究课题之一。这种解析是基于电力系统实时信息的提取、处理、数学模型的建
立及计算。作为传统的动态稳定性解析手法有动态潮流法、时域仿真法及小干扰分
析法等几种。众所周知，电力系统本质上是一个复杂的非线性动力学系统，它的动
态 行 为 可 以 由一 个 非 线性微分代数 方 程 组( D i f f e r e n t i a l A l g e b r a i c E q u a t i o n s )
完整描述[4]。
(1.1)
(1.2)
向量X包含全部暂态状态变量；向量Y包含网络方程中的状态变量；p为参变量
方程(1.1)描述了电力系统的暂态行为，方程(1.2)描述了网络特性。对该方程组采
用各种积分方法，以稳态工况或潮流解为初值，求出扰动下的数值解，即可逐步
求得系统各节点的电压随时间变化的曲线。该方法可以详细描述各种动态元件的
特性，但是往往计算量十分巨大，通常只能仿真扰动后较短的时间，用来判断补
偿元件的投切时刻或者甩负荷方法的效果等。
以上这些方法在解析时，必须根据系统状态参量，形成状态方程，进行潮流计
算，然后再进行稳定性解析、运算，并由此判断系统安全运行区域。随着电力系
统的不断扩大，这些算法都面临“维数组合爆炸”，负荷精确建模困难，速度慢
实时性差等难以克服的难题。针对这些问题，近几年已经有国内外学者提出应用
神经网络理论，模糊理论等人工智能方法解决上述难题的方法探索[5]。
§1.2.2 电力系统潮流计算的研究
利用电子数字计算机进行电力系统潮流计算从20世纪50年代中期就已开始。此
后，潮流计算曾采用了各种不同的方法，这些方法的发展主要是围绕着对潮流计算
的一些基本要求进行的。对潮流计算的要求可以归纳为下面几点[3]：
(1)计算方法的可靠性或收敛性。
(2)对计算速度和内存的要求。
(3)计算的方便性和灵活性。
电力系统潮流计算问题在数学上是一组多维非线性方程式的求解问题，其解法
离不开迭代。因此，对潮流计算方法，首先要求它能可靠地收敛，并给出正确答案
随着电力系统不断扩大，潮流问题的方程式阶数越来越高(目前已达几千阶甚至超
过1万阶)，对这样规模的方程式并不是采用任何数学方法都能保证给出正确答案的
这种情况成为促使电力系统研究人员不断寻求新的更可靠算法的重要动力。
在用数字计算机解电力系统潮流问题的开始阶段，普遍采取以节点导纳矩阵为
基础的高斯－赛德尔迭代法(以下简称导纳法)。这个方法的原理比较简单，要求的
数字计算机内存也比较小，适应当时电子数字计算机制造水平相当时电力系统理论
水平，但它的收敛性较差．当系统规模变大时，迭代次数急剧上升，往往出现迭代
不收敛的情况。这就迫使电力系统计算人员转向以阻抗矩阵为基础的逐次代入法
（以下简称阻抗法）。
20世纪60年代初数字计算机已发展到第二代，计算机的内存和速度有了很大的
提高，从而为阻抗法的采用创造了条件。因为阻抗矩阵是满矩阵，阻抗法要求数字
计算机储存表征系统接线和参数的阻抗矩阵，这就需要较大的内存量。而且阻抗法
每迭代一次都要求顺次取阻抗矩阵中的每一个元素进行运算，因此，每次迭代的运
2
摘要：
展开>>
收起<<
目录中文摘要ABSTRACT第一章 绪 论........................................................................................................................1§1.1引言...............................................................................................................................1§1.2电力系统潮流计算的研究历史及现状.......
相关推荐
作者：高德中
分类：高等教育资料
价格：15积分
属性：53 页
大小：2.52MB
格式：DOC
时间：2024-11-19
