文献类型：期刊文章

作　　者：许鹏程[1] 刘文霞[2] 陈启[3] 张浩[1]

XU Pengcheng;LIU Wenxia;CHEN Qi;ZHANG Hao(Fuzhou Electric Power Bureau of State Grid Fujian Electric Power Company,Fuzhou 350009,China;State Key Laboratory of Alternate Electrical Power System with Renewable Energy Source, North China Electric Power University,Beijing 102206,China;Ningbo Electric Power Bureau of State Grid Zhejiang Electric Power Company,Ningbo 315012,China)

机构地区：[1]国网福建省电力有限公司福州供电公司,福建福州350009 [2]华北电力大学新能源电力系统国家重点实验室,北京102206 [3]国网浙江省电力公司宁波市供电公司,浙江宁波315012

出　　处：《电力自动化设备》

年　　份：2019

卷　　号：39

期　　号：2

起止页码：204-210

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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

分 类 号：TM73]