电力调度资料

基于模糊神经网络的电力调度自动化设备健康评估_李鹏

许丽佳等[3,4]将隐马尔可夫模型应用于电子设备的
状态监测和健康评估, 但是受隐马尔可夫模型假设的
限制, 导致模型评估结果的准确性不高. 神经网络具有
自学习、自适应以及强大的非线性化逼近能力, 张璇[5]
利用 BP 神经网络模型进行电力通信网络设备的状态
评估, 但是传统的 BP 神经网络为”黑盒模型”, 可解释
能力较弱. 倪丽等[6]利用模糊综合评判理论进行电力变
压器的状态评估, 但是因为模糊评判理论没有学习能
力, 并且建立模糊关系矩阵比较困难, 因此评估结果的
准确率不高. 文献[7]将模糊理论与支持向量机结合进
行设备状态的评估,但是支持向量机学习算法对于所用模
糊参数的调整能力较弱, 无法充分发挥模糊理论的作用.

人工智能技术在电力调度自动化系统中的运用分析_赵磊

人工智能技术在电力调度自动化系统中的应用
　　在我国电力调度系统引入人工智能技术，可以较好地解决复杂的
工程计算和非线性优化问题，改进以往的许多不确定性因素，通过自
身性能实现数据分析调整状态，实现语音操控。
　　（1）专家系统。专家系统是建立在已有的事实基础上，构成一
个庞大的知识数据库，形成基础整体控制体系。专家系统可以将已有
的知识与经验和信息技术相结合，完善信息数据库，通过网络模拟专
家的分析判断过程，从而对人工智能中出现的问题进行合理的推理判
断，并根据此作出决策，快速判断出电力调度中出现的问题 [2]。专家
系统中的数据库来源于专家知识，提升专家系统的应用效率，获取更
加深层次的专业知识，使其更加具有实用性和可靠性。电网调度系统
受多种因素的影响，问题比较复杂，随着社会经济的不断发展，人们
的生产生活越来越离不开电力调度系统，电力调度系统也将面临更多
的问题和挑战，为电力调度系统的自动化应用带来了很多难题，在电
力调度自动化系统的应用中，电力调度的故障需要丰富的经验来排除，

一般的软件难以实现，专家系统可以发挥自身的作用。
　　（2）可视化技术。随着电力调度系统的信息和数据不断增加，
电力调度系统的自动化在故障处理的工作难度和压力上也在不断增
加，调度人员要在大量的信息中找到准确的信息，需要消耗较长的时
间和较多的精力，不利于及时解决电力调度系统故障 [3]。可视化技术
可以提高操作人员的效率，帮助操作人员调查分析，及时发现电力调
度系统的故障问题。可视化技术可以将大量的信息数据以图片的形式
展现出来，通过二维、三维的手段，以直观的图片、图像等的形式，
呈现原本繁杂的数据信息，调度操作人员可以通过图像及时发现电力
故障的原因并采取解决措施，提高电力调度排除故障的效率，保证电
力调度系统的稳定运行。
　　（3）人工神经网络。 人工神经网络是人工智能系统中模仿人体
神经系统信息处理和传输的技术，在电力调度系统中应用广泛，可以
提高信息传输和处理效率，实现电力调度系统中的信息数据并行处理、
联想记忆和在线学习等等，具有诊断快速、容错率强的特点，可以帮
助处理电力调度系统故障，提高故障分析和处理效率，保障电力调度
系统的正常运行。

基于PSO算法的分布式电源电力调度问题分析_黎值源

ＰＳＯ算法概述
粒子群算法是一种基于集群的智能的随机进化算法，
是在１９９５ 年 由 ＪａｍｅｓＫｅｎｎｅｄｙ 和 ＲｕｓｓｅｌｌＥｂｅｒｈａｒｔ提 出
的。以鸟群为例子，鸟作为一个个体，其动作行为只和邻
近的个体有关。每一个个体通过自我组织的方式形成一个
小的鸟群，再通过相同的方向飞行，这些小群体又会集合
成一个更大的群体。在这个群体中又包含了许多小群体。

ＰＳＯ算法在电力系统中的应用

（１）电网扩展规划。

（２）机组优化组合。
机组优化组合是在满足各种约束的前提下，在一个调
度期内计算各个时段内发电机组的启停计划，使得系统经
济效益能够最大化。此问题从数学上看，属于非线性混合
的整数规划问题，且其一般实际问题都会较为复杂，因此
常常都是大规模的规划问题。
（３）检修计划。

发电机组检修计划在电力系统的规划中是一项十分重
要的任务，主要目标是周期性地安排好检修任务，使得系
统总是能保持良好的运行状态，从而使得该设备的寿命得
到延长，故障率降低，在一定程度上提高了整个电力系统
的经济性与可靠性

潮流计算，电力学名词，指在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的计算。通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。待求的运行状态参量包括电网各母线节点的电压幅值和相角，以及各支路的功率分布、网络的功率损耗等。