论文总字数：24809字

摘 要

近年来，随着电网的建设，电力系统规模不断扩大，电力系统逐渐趋向负载水平巨大化，电网结构复杂化。传统的稳定预测方法已经逐渐不能满足快速准确预测的要求，新型人工智能算法逐渐被应用到电力系统稳定预测中。但由于电网系统的时变性，系统往往缺乏足够的历史训练数据。本文中提出一种基于数据继承思想的暂态稳定预测方法，用于解决这一难题。

首先，本文从电力系统暂态稳定的定义出发，介绍了暂态功角稳定的原理和预防失稳的措施，然后介绍了暂态稳定的预测方法和当前发展现状。

其次，基于蒙特卡洛原理模拟实际电力系统发生故障的情况设置相应的故障参数，利用PST进行编程，批量仿真产生大量数据样本，用于后续研究。

再次，本文介绍了极限学习机算法，并基于极限学习机的算法原理，搭建了电力系统在线暂态稳定预测框架。

最后，通过改变仿真系统的拓扑结构和电源组成，模拟实际情况中电力系统的时变性，对原系统做出改变，使得原系统数据将不能直接用于新系统进行训练，从而结合继承学习思想，提出解决该问题的有效方法。

关键词：暂态稳定，批量仿真，极限学习机，继承学习

ABSTRACT

In recent years, with the construction of the power grid, the scale of the power system has been continuously expanded, the power system tends to be overloaded, and the power grid structure is complicated. Traditional stable prediction methods have gradually failed to meet the requirements of fast and accurate prediction, and new artificial intelligence algorithms are gradually applied to power system stability prediction. However, due to the time-varying nature of the grid system, the system often lacks sufficient historical training data. In this paper, a transient stability prediction method based on data inheritance is proposed to solve this problem.

Firstly, based on the definition of power system transient stability, this paper introduces the principle of transient power angle stability and measures to prevent instability, and then introduces the prediction method and current development status of transient stability.

Secondly, based on the Monte Carlo principle to simulate the actual power system failure, the corresponding fault parameters are set, and the PST is used for programming. The batch simulation generates a large number of data samples for subsequent research.

Thirdly, this paper introduces the extreme learning machine algorithm, and based on the algorithm principle of the extreme learning machine, builds a power system online transient stability prediction framework.

Finally, by changing the topology and power composition of the simulation system, simulating the time-varying power system in the actual situation, making changes to the original system, so that the original system data will not be directly used for training in the new system, thus combining the inheritance learning ideas. Propose an effective way to solve this problem.

KEY WORDS: transient stability, batch simulation, extreme learning machine, inheritance learning

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1 课题研究背景 1

1.2 电力系统暂态稳定 1

1.3 电力系统功角稳定预测研究现状 2

1.3.1 功角轨迹预测 2

1.3.2 稳定状态预测 2

1.3.3 人工智能法 3

1.4 本文主要工作 3

第二章 基于PST仿真数据集的暂态稳定判别 5

2.1 引言 5

2.2 PST简介和操作目的 5

2.3 发电机暂态功角数据库建立方法 6

2.3.1 系统暂态参数样本集构造 7

2.3.2 系统暂态稳定性判别方法 7

2.4 特征提取 8

2.4.1 费希尔判别法 8

2.4.2.电力系统功角稳定预测特征变量提取 9

2.5 分类学习 10

2.6 本章小结 12

第三章 极限学习机在电力系统暂态稳定预测的应用 13

3.1引言 13

3.2 极限学习机 13

3.2.1 ELM基本原理 13

3.2.2 基于ELM算法的电力系统在线稳定预测模型 15

3.3 算例分析 16

3.4 本章小结 17

第四章 基于数据继承思想的电力系统暂态稳定预测 19

4.1 引言 19

4.2 继承学习 19

4.2.1 继承学习在电力系统稳定预测的应用 19

4.2.2 继承训练集的选取方案 20

4.2.3 特征继承 21

4.3 算例分析 22

4.3.1 样本继承 22

4.3.2 特征继承 28

4.4 本章小结 28

第五章 总结与展望 30

参考文献 31

致 谢 33

第一章 绪论

1.1 课题研究背景

随着经济的快速发展，人民生活质量的提高，人们对用电量的需求不断增长，这也推动着电网的高速发展。近年来，风力发电、潮汐发电、太阳能光伏发电等新型清洁能源发电方式快速发展，伴随着这些新型电源和分布式电源、微电网的并网操作，电网系统正发生着巨大的变化，逐渐向母线负载巨大化、电网结构复杂化方向发展。人们对用电量需求不断增长的同时，对电能质量的要求也在不断提高，这对电力系统的稳定性提出了巨大的挑战。

剩余内容已隐藏，请支付后下载全文，论文总字数：24809字