含大规模风电集中接入的电网自组织临界态辨识

摘要：

基于学习向量量化(LVQ)神经网络法,提出了一种含大规模风电集中接入的电网自组织临界态辨识方法.该方法以加权潮流熵、网络拓扑熵和风电波动熵等熵值物理指标为主要输入对象,以停电数据的幂律尾曲线拟合方法生成的数据作为训练样本,采用LVQ1和LVQ2算法对创建的LVQ神经网络进行训练,然后利用经过训练后的网络模型进行含大规模风电集中接入的电网自组织临界态辨识.该方法建立了物理指标与自组织临界态之间的直接联系,避免了采用传统辨识方法多次仿真和较多主观干预的问题.实例仿真结果表明,所提方法能够正确地对电网运行状态进行辨识.

关键词：集中式大规模风电、连锁故障、自组织临界态辨识、LVQ神经网络、物理指标、幂律尾曲线、风电、熵、神经网络

所属期刊栏目：36

分类号：TM614;TM761(发电、发电厂)

资助基金：国家自然科学基金资助项目51377053;国家科技支撑计划项目SQ2015BA0502239 ;Project supported by the National Natural Science Foundation of China51377053 and the National Science & Technology Pillar ProgramSQ2015BA0502239

在线出版日期：2016-06-15（万方平台首次上网日期，不代表论文的发表时间）

页码：127-133