电网可靠性评估的建模和仿真研究

《电网可靠性评估的建模和仿真研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第29卷第4期计算机仿真2012年4月文章编号：1006-9348(2012)04—0337—04电网可靠性评估的建模和仿真研究李丽颖’．孙跃国2(1．吉林师范大学计算机学院，吉林四平136000；2．吉林大学汽车学院，吉林长春130000)摘要：研究城市电网可靠性评估问题，由于受到负荷、元件响应、配台数等多种因素影响，电网可靠性变化过程具有复杂非线性，难以建立准确、可靠的数学模型，导致评估的准确率低。为了提高电网可靠性评估的准确率，提出一种基于遗传支持向量机的电网可靠性评估模型。首先对影响电网可靠性因素

2、进行分析和选择。并将其作为模型输入，供电町靠率作为输出。然后基于非线性学习能力强的遗传支持向量机建立评估指标与电网可靠性之问复杂的非线性关系模型。仿真结果表明．相对于经典评估算法，遗传支持向量机提高了可靠性评估准确率，是一种有效的电网可靠性评估方法。关键词：电网可靠性；评估算法；支持向量机；遗传算法中图分类号：TM732文献标识码：BModelingandSimulationofPowerRefiabilityEvaluationULi—yin91．SUNYue—gu02(1．CollegeofCompu

3、terScienceandTechnologyJilinNormalUniversity，SipingJilin136000，China；2．AutomobileGollegeofJilinUniversity，ChangchunJilin130000，China)PdKSTRACT：Studyaboutthecity鲥dreliabilityevaluationproblems．Thecity西dstructureiscomplexandhasmanyinfluencefactors，the咖dreli

4、abilityevaluationismoredifficult，andthetraditionalevaluationmethodcannotestablishaccurate鲥dreliabilityevaluationmodel．Inordertoimprovetheaccuracyof咖dreliabilityevaluationbasedongenetic，thepaperputforwarda酣dreliabilityevaluationmodelbasedonsupportvectormac

5、hine．First，thereliabilityfactorsinfluencingpower咖dweretaken腿theinputsofthesupportvectormachine，andthep。w凹supplyreliabilitya8theevaluationindex．ThenUgeneticalgorithmWasusedtooptimizetheparametersofSVM．Fi—nally，supportvectormachineWasoptimizedfor04dreliabil

6、ityevaluation．Thesimulationresultsshowthat，com—p舡edwithclassicevaluationalgorithm，thegeneticsupportvectormachineimprovestheaccuracy，andisaneffectivepowergridreliabilityassessmentmethod．KEYWORDS：Powersystemsreliability；Evaluationalgorithm；SupportVectorMach

7、ine(SVM)；GAl引言电力系统主要目标是尽可能可靠地且经济把电力分配供给各种用户，安全、可靠、经济是电力系统的根本要求¨】。电网可靠性由于城市电网结构复杂、影响电网可靠性的因素相当多，如：负荷、元件响应过程、配台数等，这些因素又相互影响，导致电网可靠性变化过程具有复杂非线性，难以建立准确、可靠的数学模型。如何设计科学、准确的电网可靠性评估方法是当前研究的一个热点问题¨J。自从1969年，R．Billinton第一次提出电网可靠性评估收藕日期：2011—06～02修回日期：2011—07一07模型后，

8、许多学者相继提出了一些有关算法，并取得了系统的成果¨】。传统可靠性评估算法是专家系统评估方法，专家系统方法通过专家收集相应的电网可靠性评估因素，该方法的结果与专家知识丰富度相关，因此结果具有一定的盲目性、不科学，评估结果准确率相当低，甚至有时结果是错误的【4】。当前大多数都是基于机器学习的智能评估方法，如BP神经网络、RBF神经网络等。神经网络收敛速度快、评估准确比较高，但是易产生过拟合和局部极小值，非线性建模能力弱，然而电网