简介:摘要:暂态稳定评估(transientstabilityassessment,TSA)在电力系统规划和运行中具有重要意义。随着智能电网的飞速发展,高比例新能源、高比例电力电子设备接入电力系统,系统运行特性发生了显著变化。这些因素增加了电力系统暂态稳定风险,对TSA的快速性和准确性提出了更加严格的要求。随着同步相量测量单元(phasormeasurementunit,PMU)在电力系统中的广泛安装和通信技术的快速发展,控制中心能够实时采集电力系统运行数据和存储历史数据,这为基于机器学习的TSA提供了数据支撑。但在实际电力系统运行场景中,系统发生暂态失稳的情况并不多见,这导致用于TSA的不稳定样本远少于稳定样本,数据集中存在样本不平衡问题。因此,基于机器学习的TSA方法能更完整地学习到与稳定样本相关的信息,而对不稳定样本信息的学习不够充分,导致训练好的评估模型更加侧重于稳定样本,进而产生对不稳定样本的误判。基于此,本篇文章对基于隐式形积分法的电力系统暂态稳定进行研究,以供参考。
简介:摘要配电自动化的实施,可实现配网故障的快速定位,可最大限度地减少故障引起的停电范围,进而提高供电可靠性。以提升配网自动化的实用化程度为目标,本文提出了一种基于综合评分法的配网自动化终端(DistributionTerminalUnit,DTU)的差异化巡视策略,综合DTU在馈线中的位置、进出线电流互感器(CurrentTransformer,CT)安装情况、点表确定程度、硬件状况以及通讯情况等维度,对设备进行分类,并分别设定巡视项目以及周期,从而提高巡维质量,减轻运行人员劳动强度,提高用户满意度。关键词配网自动化终端;多指标综合评分法;差异化巡视