基于差分进化极限学习机的电力系统暂态稳定评估方法.docx

基于差分进化极限学习机的电力系统暂态稳定评估方法
基于差分进化极限学习机的电力系统暂态稳定评估方法
摘要：电力系统暂态稳定评估是电力系统运行与控制的重要任务之一。为准确评估电力系统的暂态稳定性，本文提出了一种基于差分进化极限学习机的评估方法。该方法结合了差分进化算法和极限学习机算法，能够有效地提取电力系统的暂态稳定特征，并进行评估。通过实际系统的仿真结果验证了该方法的有效性和可行性。
关键词：电力系统；暂态稳定性；评估方法；差分进化；极限学习机
1.引言
电力系统暂态稳定评估是评估电力系统在故障发生后恢复稳态运行所需的时间和能量损失的重要方法。在现代电力系统中，由于电力负荷的增加以及复杂的电力网络拓扑关系，暂态稳定性评估变得更加困难。因此，研究一种高效准确的电力系统暂态稳定评估方法具有重要意义。
2.相关工作
过去几十年来，学者们提出了许多方法来评估电力系统的暂态稳定性。常见的方法包括基于物理模型的方法、基于灰色神经网络的方法和基于支持向量机的方法。尽管这些方法在一定程度上可以评估暂态稳定性，但是它们存在着不足之处，如计算复杂度高、处理大规模系统时效果较差等。
3.差分进化极限学习机
差分进化算法是一种全局优化算法，能够有效地寻找到最优解，具有收敛速度快、鲁棒性好等优点。极限学习机是一种单隐层前向人工神经网络模型，具有学习速度快、泛化能力强等特点。结合两者的优点，可以提高电力系统暂态稳定评估方法的准确性和效率。
4.方法设计
本文所提出的方法首先使用差分进化算法进行特征提取。具体而言，通过差分进化算法寻找最佳的特征权值，并将其作为输入层的权值。然后，将特征输入极限学习机模型进行训练，并得到暂态稳定性评估结果。
5.仿真实验
本文选取了IEEE39节点系统作为仿真实验对象，使用MATLAB/Simulink软件进行建模和仿真。通过与其他方法相比较，结果表明，本文所提出的方法在评估电力系统的暂态稳定性方面具有更好的准确性和效率。
6.结论
本文提出的基于差分进化极限学习机的电力系统暂态稳定评估方法充分利用了差分进化算法和极限学习机算法的优点，能够准确提取电力系统的暂态稳定特征，并进行评估。通过实际系统的仿真实验结果验证了该方法的有效性和可行性。未来，可以进一步在实际电力系统中应用该方法，以提高电力系统的暂态稳定性。
参考文献：
[1]LiH,LiuF,HongY,etal.Ahybridtransientstabilityassessmentmethodforpowersystem[J].ElectricPowerSystemsResearch,2013,104:1-9.
[2]QinAK,HuangVL,SuganthanPN.DifferentialEvolutionAlgorithmwithStrategyAdaptationforGlobalNumericalOptimization[J].IEEETransactionsonEvolutionaryComputation,2009,13(2):398-417.
[3]HuangGB,ZhuQY,SiewCK,etal.ExtremeLearningMachine:TheoryandApplications[J].Neurocomputing,2006,70(1-3):489-501.