基于重要抽样与极限学习机的大电网可靠性评估

• 作者: 刘文霞 张浩 许鹏程 陈启
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 可靠性评估 重要抽样 交叉熵 极限学习机 有监督学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 分析与研究
• 页码范围: 204-210
• 页数: 7页
• 分类号: TM73
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2019.02.030

摘要

由于不确定因素多、电网规模大,原始蒙特卡洛模拟(MCS)在复杂电力系统可靠性评估中无法满足实时高效的要求.提出一种基于交叉熵(CE)的重要抽样与极限学习机(ELM)相结合的可靠性评估算法,一方面通过在系统抽样环节引入CE构建元件的最优概率分布,减小方差变化,加快指标收敛速度;另一方面,采用ELM对重要抽样的状态样本进行有监督学习,以所构建的网络学习模型替代传统非线性规划方法进行状态评估,提高单次系统状态评估的效率,从而实现快速可靠性评估.对IEEE RTS-79系统进行可靠性评估,与原始MCS和CE重要抽样的对比结果表明,在一定的误差范围内所提算法合理、有效,其计算效率较原始MCS和CE显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文霞	华北电力大学新能源电力系统国家重点实验室	89	1146	18.0	31.0
2	陈启		5	16	3.0	4.0
3	许鹏程		3	8	2.0	2.0
4	张浩		4	8	2.0	2.0