亚洲一区人妻,久久三级免费,国模少妇无码一区二区三区,日韩av动漫

國(guó)內(nèi)或國(guó)外 期刊或論文

您當(dāng)前的位置:發(fā)表學(xué)術(shù)論文網(wǎng)電子論文》 基于概率預(yù)測(cè)的電網(wǎng)靜態(tài)安全運(yùn)行風(fēng)險(xiǎn)評(píng)估及主動(dòng)調(diào)控策略> 正文

基于概率預(yù)測(cè)的電網(wǎng)靜態(tài)安全運(yùn)行風(fēng)險(xiǎn)評(píng)估及主動(dòng)調(diào)控策略

所屬分類:電子論文 閱讀次 時(shí)間:2021-07-15 10:02

本文摘要:摘要:近年來(lái),隨著電網(wǎng)互聯(lián)層級(jí)和規(guī)模的高速發(fā)展以及新能源、電力電子設(shè)備的大規(guī)模接入,電力系統(tǒng)的不確定性和調(diào)控需求都在持續(xù)增加。為解決當(dāng)前電網(wǎng)調(diào)度控制方式基于聯(lián)絡(luò)線越限等經(jīng)驗(yàn)特征量異常觸發(fā)、缺乏主動(dòng)性和預(yù)見(jiàn)性調(diào)控手段的問(wèn)題,提出了一種基于概

  摘要:近年來(lái),隨著電網(wǎng)互聯(lián)層級(jí)和規(guī)模的高速發(fā)展以及新能源、電力電子設(shè)備的大規(guī)模接入,電力系統(tǒng)的不確定性和調(diào)控需求都在持續(xù)增加。為解決當(dāng)前電網(wǎng)調(diào)度控制方式基于聯(lián)絡(luò)線越限等經(jīng)驗(yàn)特征量異常觸發(fā)、缺乏主動(dòng)性和預(yù)見(jiàn)性調(diào)控手段的問(wèn)題,提出了一種基于概率預(yù)測(cè)的電網(wǎng)安全運(yùn)行風(fēng)險(xiǎn)評(píng)估及主動(dòng)調(diào)控方法。首先,構(gòu)建了基于長(zhǎng)短期記憶網(wǎng)絡(luò)和支持向量機(jī)的滾動(dòng)概率預(yù)測(cè)模型。然后,從充裕度的角度建立了常見(jiàn)風(fēng)險(xiǎn)事件的嚴(yán)重度函數(shù),從而實(shí)現(xiàn)對(duì)關(guān)鍵元件的越限概率預(yù)測(cè),并計(jì)算得到量化風(fēng)險(xiǎn)以形成觸發(fā)機(jī)制,實(shí)現(xiàn)電力系統(tǒng)面對(duì)風(fēng)險(xiǎn)事件的主動(dòng)調(diào)控。最后,在IEEE39節(jié)點(diǎn)系統(tǒng)上結(jié)合中國(guó)某省電網(wǎng)的實(shí)際負(fù)荷數(shù)據(jù)進(jìn)行仿真,計(jì)算結(jié)果驗(yàn)證了所提方法和模型能夠?qū)崿F(xiàn)提前主動(dòng)調(diào)控,有效規(guī)避安全運(yùn)行風(fēng)險(xiǎn)。

  關(guān)鍵詞:概率預(yù)測(cè);風(fēng)險(xiǎn)預(yù)警;主動(dòng)調(diào)控;長(zhǎng)短期記憶網(wǎng)絡(luò);支持向量機(jī);時(shí)序預(yù)測(cè);機(jī)器學(xué)習(xí);數(shù)據(jù)驅(qū)動(dòng)

智能電網(wǎng)技術(shù)

  0引言

  隨著特高壓交直流混聯(lián)大電網(wǎng)和可再生能源的快速發(fā)展,新能源出力特性給電網(wǎng)帶來(lái)的影響和挑戰(zhàn)日益加劇[1],電力系統(tǒng)特性發(fā)生了深刻變化。電網(wǎng)運(yùn)行全局監(jiān)視、全網(wǎng)防控、集中決策的需求日益突出[2],研究電網(wǎng)主動(dòng)調(diào)度控制(以下簡(jiǎn)稱“調(diào)控”)策略是提升調(diào)控水平、促進(jìn)經(jīng)驗(yàn)型調(diào)控向分析型和智能型轉(zhuǎn)變的重要手段[3]。一般來(lái)說(shuō),面對(duì)源荷雙重不確定性,現(xiàn)有調(diào)控方式仍主要停留在被動(dòng)控制階段[4-5],即等需要調(diào)控的場(chǎng)景或故障到來(lái)之后再制定策略并實(shí)施。然而,此控制方式往往會(huì)錯(cuò)過(guò)最佳的預(yù)先調(diào)控時(shí)間,無(wú)法充分利用調(diào)控時(shí)間常數(shù)較大的資源,使得電網(wǎng)安全處于被動(dòng)位置[6]。

  考慮現(xiàn)有調(diào)控方式所缺乏的主動(dòng)性,若能在調(diào)控場(chǎng)景到來(lái)之前對(duì)其進(jìn)行預(yù)測(cè)[7-9],提前制定策略,便可為系統(tǒng)調(diào)節(jié)爭(zhēng)取更多的資源以及準(zhǔn)備時(shí)間[10]。目前,這方面的研究主要集中在態(tài)勢(shì)感知[6-11]、暫態(tài)穩(wěn)定評(píng)估[12-14]等方面,其評(píng)估結(jié)果往往是未來(lái)電力系統(tǒng)所屬的狀態(tài)類型[15]。然而一般情況下,僅有類型信息難以反映場(chǎng)景的危急程度,無(wú)法幫助調(diào)度運(yùn)行人員準(zhǔn)確判斷局勢(shì),導(dǎo)致類別信息起不到理想作用,工作人員依然需要憑自身經(jīng)驗(yàn)重新判斷并制定策略。于是,許多學(xué)者開(kāi)始進(jìn)行風(fēng)險(xiǎn)預(yù)警研究,以此來(lái)輔助調(diào)度人員進(jìn)行更精確的決策。

  目前,風(fēng)險(xiǎn)評(píng)估在電力領(lǐng)域的研究主要集中于概念建立及必要性分析[16-17]、風(fēng)險(xiǎn)指標(biāo)改進(jìn)[18-22]、以及基于風(fēng)險(xiǎn)的調(diào)度決策[23-26]等方面。其通常采用可能性與可靠性并重的模式,其中對(duì)可靠性的研究主要集中于嚴(yán)重度建模方面,文獻(xiàn)[19]較早提出了風(fēng)險(xiǎn)評(píng)估的相關(guān)概念,并建立線路過(guò)載、電壓越限等事件的風(fēng)險(xiǎn)評(píng)估指標(biāo);文獻(xiàn)[20-21]進(jìn)一步加入設(shè)備重載、失負(fù)荷等指標(biāo),豐富了評(píng)估體系。上述研究雖然對(duì)嚴(yán)重度進(jìn)行了建模,但隨著大量新能源及電力電子設(shè)備的接入,系統(tǒng)動(dòng)態(tài)特性愈加復(fù)雜,這類基于確定性假設(shè)和模型驅(qū)動(dòng)的風(fēng)險(xiǎn)評(píng)估方法已較難準(zhǔn)確估計(jì)系統(tǒng)真實(shí)風(fēng)險(xiǎn)。

  于是,基于數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)評(píng)估方法近年來(lái)受到了廣泛關(guān)注[27-32],但其中大部分仍主要針對(duì)數(shù)據(jù)驅(qū)動(dòng)方式下的指標(biāo)改進(jìn)[27]且基于確定性故障進(jìn)行假設(shè)[28],未涉及各類可能事件的概率獲取方法[29-30]。僅有少量研究將場(chǎng)景概率與風(fēng)險(xiǎn)評(píng)估相結(jié)合[31-32],如文獻(xiàn)[31]采用生成對(duì)抗網(wǎng)絡(luò)來(lái)考慮系統(tǒng)各可能事件的概率及對(duì)應(yīng)后果,實(shí)現(xiàn)配電網(wǎng)運(yùn)行風(fēng)險(xiǎn)分級(jí);文獻(xiàn)[32]基于迭代隨機(jī)森林,利用實(shí)時(shí)數(shù)據(jù)對(duì)系統(tǒng)風(fēng)險(xiǎn)進(jìn)行動(dòng)態(tài)評(píng)估,具有良好的魯棒性。但上述研究仍局限于對(duì)系統(tǒng)當(dāng)前狀態(tài)的評(píng)估,沒(méi)有量度未來(lái)場(chǎng)景下的風(fēng)險(xiǎn),也未利用安全風(fēng)險(xiǎn)評(píng)估結(jié)果指導(dǎo)調(diào)控。

  因此,本文基于電網(wǎng)中關(guān)鍵變量的時(shí)序預(yù)測(cè)信 息,沿用文獻(xiàn)[19]提出的電壓、潮流等風(fēng)險(xiǎn)指標(biāo),并加入對(duì)變壓器越限事件的考慮,構(gòu)建典型場(chǎng)景的概率預(yù)測(cè)模型,輸出關(guān)鍵元件在未來(lái)時(shí)刻的越限概率,計(jì)算系統(tǒng)安全風(fēng)險(xiǎn),從而輔助調(diào)度運(yùn)行人員提前進(jìn)行系統(tǒng)調(diào)控,增強(qiáng)電網(wǎng)安全運(yùn)行主動(dòng)性。

  1基于時(shí)序預(yù)測(cè)及支持向量機(jī)(SVM)的概率預(yù)測(cè)模型

  本文所提出的安全風(fēng)險(xiǎn)評(píng)價(jià)模型的評(píng)估對(duì)象為系統(tǒng)未來(lái)的運(yùn)行狀態(tài),需要滾動(dòng)地對(duì)系統(tǒng)關(guān)鍵變量(如新能源發(fā)電、負(fù)荷功率等)進(jìn)行超短期時(shí)序預(yù)測(cè),并將其作為目標(biāo)場(chǎng)景(指線路過(guò)載、電壓越限等)概率預(yù)測(cè)模型的輸入,從而得到系統(tǒng)未來(lái)各假設(shè)場(chǎng)景的概率結(jié)果,作為安全風(fēng)險(xiǎn)評(píng)價(jià)模型的輸入,并最終集成為系統(tǒng)量化風(fēng)險(xiǎn)值,從而指導(dǎo)主動(dòng)調(diào)控。本文采用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)對(duì)系統(tǒng)關(guān)鍵變量進(jìn)行超短期時(shí)序預(yù)測(cè)[33],作為場(chǎng)景概率預(yù)測(cè)模型的基礎(chǔ)。

  1.1SVM原理介紹

  SVM在電力系統(tǒng)中應(yīng)用廣泛,在暫態(tài)穩(wěn)定評(píng)估、變壓器故障診斷等方面都展現(xiàn)出了較好的預(yù)測(cè)性能,具有訓(xùn)練樣本少、泛化能力強(qiáng)等特點(diǎn)[34-35]。同時(shí),對(duì)于一個(gè)任意的樣本x,SVM可以獲取其與分類超平面的距離,從而定義分類結(jié)果的置信程度,具有概率意義[36]。因此,本文采用SVM對(duì)特定場(chǎng)景的未來(lái)狀態(tài)進(jìn)行預(yù)測(cè)。

  1.2SVM多分類概率輸出

  實(shí)際上,電力系統(tǒng)中存在的絕大多數(shù)預(yù)測(cè)問(wèn)題屬于多分類問(wèn)題,二分類模型通常難以表示系統(tǒng)元件或者態(tài)勢(shì)的完整狀態(tài)[28],如一條線路在其負(fù)載率超過(guò)重載閾值之后便屬于重載線路,但重載的嚴(yán)重程度卻無(wú)法表述出來(lái)。通常期望獲取的不僅僅是變量的二分類信息,而是變量處于某個(gè)范圍或者超出某個(gè)閾值多少之類的信息。因此,本文將電力系統(tǒng)目標(biāo)場(chǎng)景分類模型擴(kuò)展至多分類模型,同時(shí)計(jì)算各假設(shè)場(chǎng)景的多分類概率輸出作為安全風(fēng)險(xiǎn)評(píng)估模型的輸入,為調(diào)度運(yùn)行人員提供全面精準(zhǔn)的輔助信息。

  2考慮風(fēng)險(xiǎn)評(píng)估的電網(wǎng)主動(dòng)調(diào)控模型

  風(fēng)險(xiǎn)評(píng)估的意義在于將以往只能定性分析或根據(jù)運(yùn)行經(jīng)驗(yàn)判斷的電網(wǎng)場(chǎng)景和事件予以量化,從而更加明了地評(píng)估風(fēng)險(xiǎn)大小。本章依據(jù)上文介紹的概率預(yù)測(cè)方法,構(gòu)建考慮關(guān)鍵對(duì)象越限概率的風(fēng)險(xiǎn)量化指標(biāo),作為電網(wǎng)主動(dòng)調(diào)控的觸發(fā)指令。

  綜上所述,優(yōu)化調(diào)度模型的實(shí)質(zhì)是以機(jī)組發(fā)電量及負(fù)荷調(diào)整量為決策變量的二次規(guī)劃模型,通過(guò)基于LSTM-SVM的概率預(yù)測(cè)模型得出下一時(shí)刻目標(biāo)事件的發(fā)生概率,經(jīng)由風(fēng)險(xiǎn)評(píng)估模型定量計(jì)算并判斷該風(fēng)險(xiǎn)能否接受,并以此觸發(fā)主動(dòng)調(diào)控手段,合理避免電網(wǎng)運(yùn)行過(guò)程中重大風(fēng)險(xiǎn)事故的出現(xiàn)。

  在計(jì)算用時(shí)方面,由于關(guān)鍵變量的時(shí)序預(yù)測(cè)模型及關(guān)鍵對(duì)象的概率預(yù)測(cè)模型均為離線構(gòu)建,故模型在線計(jì)算的耗時(shí)主要集中于優(yōu)化策略的制定部分。針對(duì)本文提前式的靜態(tài)預(yù)防控制場(chǎng)景,利用模型預(yù)測(cè)所帶來(lái)的緩沖處理時(shí)間(與預(yù)測(cè)時(shí)間尺度相同),優(yōu)化程序可獲得較長(zhǎng)時(shí)間制定策略,因而在計(jì)算時(shí)間方面較為充裕,可滿足在線主動(dòng)控制的尺度要求。當(dāng)系統(tǒng)規(guī)模擴(kuò)大時(shí),也可通過(guò)調(diào)節(jié)預(yù)測(cè)時(shí)間尺度進(jìn)一步獲取更長(zhǎng)的處理時(shí)間。

  3算例分析

  為驗(yàn)證所提方法的有效性,本文采用IEEE39節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)結(jié)合中國(guó)某省網(wǎng)負(fù)荷實(shí)際數(shù)據(jù)進(jìn)行算例測(cè)試。

  3.1模型樣本制作

  利用從中國(guó)某省網(wǎng)收集的實(shí)際負(fù)荷數(shù)據(jù)作為波動(dòng)源,接入標(biāo)準(zhǔn)系統(tǒng)中,可產(chǎn)生線路潮流、節(jié)點(diǎn)電壓和變壓器負(fù)載波動(dòng)數(shù)據(jù),生成線路過(guò)載、電壓越限、變壓器過(guò)載等場(chǎng)景數(shù)據(jù),從而得到時(shí)序預(yù)測(cè)模型及概率預(yù)測(cè)模型的訓(xùn)練及測(cè)試樣本。

  本文選取時(shí)間跨度360d、間隔5min的負(fù)荷數(shù)據(jù),作為潮流斷面樣本生成的輸入,共計(jì)生成103678個(gè)時(shí)間斷面的潮流樣本,該數(shù)據(jù)樣本充分考慮了來(lái)自波動(dòng)源的一年內(nèi)的所有波動(dòng)模式,包含單線路過(guò)載、多線路過(guò)載、單節(jié)點(diǎn)電壓越限、多節(jié)點(diǎn)電壓越限,以及上述過(guò)載事件并存的多重越限場(chǎng)景。基于潮流樣本數(shù)據(jù),計(jì)算得到系統(tǒng)歷史嚴(yán)重度數(shù)值序列,并通過(guò)基于相關(guān)性分析的特征選擇方法篩選了15個(gè)關(guān)鍵變量。

  本文為這15個(gè)關(guān)鍵變量構(gòu)建了時(shí)序預(yù)測(cè)模型(共計(jì)13個(gè),包含2個(gè)不需要預(yù)測(cè)的時(shí)間和季度特征)。與此同時(shí),依據(jù)在歷史上是否出現(xiàn)過(guò)越限事件,可篩選出部分關(guān)鍵線路、關(guān)鍵電壓節(jié)點(diǎn)以及變壓器支路,并為每一個(gè)對(duì)象構(gòu)建一個(gè)概率預(yù)測(cè)模型(共計(jì)21個(gè)),用于對(duì)未來(lái)時(shí)刻的系統(tǒng)安全風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。

  3.2時(shí)序預(yù)測(cè)模型構(gòu)建

  在時(shí)序預(yù)測(cè)模型構(gòu)建過(guò)程中,選取70%的樣本進(jìn)行模型的構(gòu)建和選擇,剩余30%的樣本作為時(shí)序預(yù)測(cè)模型的測(cè)試集。需要說(shuō)明的是,時(shí)序預(yù)測(cè)模型在測(cè)試集上的輸出疊加時(shí)間特性取值之后,將作為概率預(yù)測(cè)模型的測(cè)試輸入,而其余30%樣本(原測(cè)試數(shù)據(jù)集)將不會(huì)作為概率預(yù)測(cè)模型的測(cè)試數(shù)據(jù),為了區(qū)分,先前預(yù)留的30%樣本稱為測(cè)試集,而利用時(shí)序預(yù)測(cè)模型得到的數(shù)據(jù)集為預(yù)測(cè)數(shù)據(jù)集,測(cè)試集可作為預(yù)測(cè)數(shù)據(jù)集的校驗(yàn)。預(yù)測(cè)數(shù)據(jù)集考慮了預(yù)測(cè)誤差,將更加有效地評(píng)估概率預(yù)測(cè)模型的表現(xiàn),關(guān)于預(yù)測(cè)數(shù)據(jù)集的描述詳見(jiàn)附錄B。

  考慮到本文所提安全風(fēng)險(xiǎn)評(píng)估系統(tǒng)和實(shí)際生產(chǎn)調(diào)度相結(jié)合,采用過(guò)去8個(gè)時(shí)間點(diǎn)的實(shí)際數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)1個(gè)時(shí)間點(diǎn)。與此同時(shí),利用交叉驗(yàn)證及網(wǎng)格搜索的方式每次將70%的樣本進(jìn)一步拆分為訓(xùn)練集和驗(yàn)證集,對(duì)每種參數(shù)組合對(duì)應(yīng)的模型進(jìn)行評(píng)估,從而獲取最佳模型及參數(shù)設(shè)置。結(jié)果表明所構(gòu)建的LSTM預(yù)測(cè)模型在訓(xùn)練過(guò)程中損失函數(shù)值隨著迭代次數(shù)的增加快速下降,且驗(yàn)證集誤差始終略大于訓(xùn)練集誤差,但差別不大,模型具有良好的泛化能力[37]。

  3.3概率預(yù)測(cè)模型構(gòu)建

  在滾動(dòng)預(yù)測(cè)模型的構(gòu)建過(guò)程中,70%的樣本用于模型訓(xùn)練,30%的樣本用于模擬預(yù)測(cè)。于是,在分類模型的構(gòu)建過(guò)程中,同樣只能使用前70%的樣本進(jìn)行模型的擇優(yōu)和訓(xùn)練,在模型構(gòu)建完畢后將使用上述預(yù)測(cè)數(shù)據(jù)集進(jìn)行模型評(píng)價(jià)。本文采用交叉驗(yàn)證以及網(wǎng)格搜索的方式,每次將輸入的70%樣本進(jìn)一步拆分,以保證預(yù)測(cè)結(jié)果的客觀性。經(jīng)過(guò)模型訓(xùn)練和擇優(yōu),共計(jì)形成21個(gè)概率預(yù)測(cè)器,從而完成了安全穩(wěn)定風(fēng)險(xiǎn)評(píng)估體系的構(gòu)建。

  在進(jìn)行模型擇優(yōu)時(shí)需要依靠一定的評(píng)價(jià)方式,對(duì)于二分類問(wèn)題,常常采用混淆矩陣來(lái)判斷模型的好壞,并引申出查全率、查準(zhǔn)率等評(píng)價(jià)準(zhǔn)則[37]。正例通常代表非正常情況,而負(fù)例則代表正常情況,在電力系統(tǒng)中正例的樣本數(shù)會(huì)遠(yuǎn)大于負(fù)例,屬于不平衡分類問(wèn)題,傳統(tǒng)的依靠精度的方式已不再適用。

  3.4基于安全風(fēng)險(xiǎn)評(píng)估的主動(dòng)調(diào)控仿真結(jié)果

  在概率預(yù)測(cè)模型構(gòu)建完成后,即可進(jìn)行主動(dòng)調(diào)控仿真驗(yàn)證。本實(shí)驗(yàn)設(shè)定嚴(yán)重度可接受閾值為0.095,即當(dāng)預(yù)測(cè)出下一時(shí)間點(diǎn)全網(wǎng)風(fēng)險(xiǎn)大于0.095時(shí),進(jìn)入優(yōu)化調(diào)度步驟,使用Yalmip調(diào)用Cplex求解器對(duì)上文所述優(yōu)化模型進(jìn)行求解得到調(diào)控指令?疾鞓颖緮(shù)據(jù)可發(fā)現(xiàn),第696個(gè)時(shí)間步全網(wǎng)風(fēng)險(xiǎn)之和超過(guò)設(shè)定閾值,故在第695個(gè)時(shí)間步啟動(dòng)優(yōu)化調(diào)度程序,對(duì)風(fēng)險(xiǎn)進(jìn)行規(guī)避。選取第1道調(diào)度指令下達(dá)的前后各12個(gè)時(shí)間點(diǎn)繪制全網(wǎng)風(fēng)險(xiǎn)嚴(yán)重度圖像進(jìn)行比對(duì)。

  電力論文投稿刊物:《南方電網(wǎng)技術(shù)》(雙月刊)創(chuàng)刊于2007年,是由中國(guó)南方電網(wǎng)有限責(zé)任公司主管,南方電網(wǎng)技術(shù)研究中心主辦的國(guó)內(nèi)外公開(kāi)發(fā)行的技術(shù)類科技期刊,主要刊登電力系統(tǒng)的科研、規(guī)劃、基建、生產(chǎn)運(yùn)行和維護(hù)等方面的成果、經(jīng)驗(yàn)和動(dòng)態(tài),發(fā)行數(shù)量8000份以上。

  4結(jié)語(yǔ)

  本文構(gòu)建了考慮概率預(yù)測(cè)的安全風(fēng)險(xiǎn)評(píng)估與主動(dòng)調(diào)控模型,實(shí)現(xiàn)了基于時(shí)序預(yù)測(cè)輸出系統(tǒng)部分關(guān)鍵對(duì)象在未來(lái)的越限概率,并最終集成為系統(tǒng)量化風(fēng)險(xiǎn),從而指導(dǎo)主動(dòng)調(diào)控。仿真結(jié)果驗(yàn)證了本文所提方法及模型的正確性和有效性。1)該模型能根據(jù)歷史數(shù)據(jù)對(duì)未來(lái)可能出現(xiàn)的場(chǎng)景進(jìn)行預(yù)測(cè),從而實(shí)現(xiàn)主動(dòng)調(diào)控以規(guī)避風(fēng)險(xiǎn)。并且由于采用了數(shù)據(jù)驅(qū)動(dòng)方式,避免了傳統(tǒng)參數(shù)模型受系統(tǒng)運(yùn)行方式、物理參數(shù)變化而變化的弊端,增強(qiáng)了安全風(fēng)險(xiǎn)監(jiān)測(cè)的魯棒性。

  2)該模型在分類標(biāo)簽以外,增加概率輸出,從而為調(diào)度運(yùn)行人員決策提供更具參考價(jià)值的輔助信息,并作為評(píng)估電網(wǎng)未來(lái)場(chǎng)景安全運(yùn)行風(fēng)險(xiǎn)的數(shù)據(jù)輸入。本文主要依靠電網(wǎng)靜態(tài)安全風(fēng)險(xiǎn)量化預(yù)測(cè)值進(jìn)行主動(dòng)調(diào)控策略制定,在后續(xù)研究工作中,可進(jìn)一步考慮暫態(tài)安全風(fēng)險(xiǎn),完善系統(tǒng)風(fēng)險(xiǎn)評(píng)估全面性,從而進(jìn)行更加系統(tǒng)的主動(dòng)調(diào)控策略制定。

  參考文獻(xiàn):

  [1]周孝信,魯宗相,劉應(yīng)梅,等.中國(guó)未來(lái)電網(wǎng)的發(fā)展模式和關(guān)鍵技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(29):4999-5008.ZHOUXiaoxin,LUZongxiang,LIUYingmei,etal.DevelopmentmodelsandkeytechnologiesoffuturegridinChina[J].ProceedingsoftheCSEE,2014,34(29):4999-5008.

  [2]曹軍威,楊明博,張德華,等.能源互聯(lián)網(wǎng)——信息與能源的基礎(chǔ)設(shè)施一體化[J].南方電網(wǎng)技術(shù),2014,8(4):1-10.CAOJunwei,YANGMingbo,ZHANGDehua,etal.Energyinternet:aninfrastructureforcyber-energyintegration[J].SouthernPowerSystemTechnology,2014,8(4):1-10.

  [3]楊勝春,湯必強(qiáng),姚建國(guó),等.基于態(tài)勢(shì)感知的電網(wǎng)自動(dòng)智能調(diào)度架構(gòu)及關(guān)鍵技術(shù)[J].電網(wǎng)技術(shù),2014,38(1):3635-3641.YANGShengchun,TANGBiqiang,YAOJianguo,etal.Architectureandkeytechnologiesforsituationalawarenessbasedautomaticintelligentdispatchingofpowergrid[J].PowerSystemTechnology,2014,38(1):3635-3641.

  [4]孫元章,吳俊,李國(guó)杰,等.基于風(fēng)速預(yù)測(cè)和隨機(jī)規(guī)劃的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào),2009,29(4):41-47.

  作者:徐浩1,姜新雄2,劉志成1,鄒曜坤2,廖思陽(yáng)2,徐箭2

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng):http:///dzlw/27444.html