期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
考虑风电机组故障电压穿越特性的连锁故障关键线路辨识
1
作者 徐箭 贺中豪 +3 位作者 廖思阳 邹曜坤 孙元章 杨军 《电力系统自动化》 EI CSCD 北大核心 2024年第2期82-94,共13页
新能源的接入提高了电网连锁故障发生的概率,给故障传播中关键线路的辨识增加了难度。为此,建立了考虑风电机组故障电压穿越特性和线路可靠性的连锁故障仿真模型,从线路失负荷严重程度、失负荷不均匀性和结构脆弱性3个角度建立了线路综... 新能源的接入提高了电网连锁故障发生的概率,给故障传播中关键线路的辨识增加了难度。为此,建立了考虑风电机组故障电压穿越特性和线路可靠性的连锁故障仿真模型,从线路失负荷严重程度、失负荷不均匀性和结构脆弱性3个角度建立了线路综合风险指标评价集。基于状态故障网络计及线路失负荷程度和线路失负荷不均匀性,分别定义了失负荷风险指标和不均匀风险指标;基于电气介数提出了考虑分布式新能源接入的脆弱结构指标;同时,考虑电网的网络结构和状态转移特性,采用模糊熵权法定义综合风险指标,以衡量线路开断的综合影响。通过IEEE 39节点和IEEE 118节点系统算例验证所提方法用于关键线路辨识的有效性,且针对关键线路的缓解措施能显著降低大停电风险。 展开更多
关键词 连锁故障 新能源 风电机组 故障电压穿越 电气介数 模糊熵权法
下载PDF
基于SARSA算法的风电——抽蓄联合系统日随机优化研究 被引量：6
2
作者 李文武 郑凯新 +1 位作者 刘江鹏 贺中豪 《水电能源科学》 北大核心 2020年第11期72-76,共5页
针对随机动态规划在求解风电—抽蓄联合系统日随机优化时出现的维数灾问题,提出采用强化学习的SARSA算法来解决。首先分析了风电出力随机性并采用Beta分布来表示风电出力的概率分布;然后建立了风蓄联合系统实际出力与计划出力偏差平方... 针对随机动态规划在求解风电—抽蓄联合系统日随机优化时出现的维数灾问题,提出采用强化学习的SARSA算法来解决。首先分析了风电出力随机性并采用Beta分布来表示风电出力的概率分布;然后建立了风蓄联合系统实际出力与计划出力偏差平方最小为目标函数的日随机优化模型;最后说明利用SARSA算法求解该问题的步骤。算例应用结果表明,利用SARSA算法求解该问题需迭代一定次数才收敛,且算法的学习率随迭代次数增加而减小时可加快算法收敛速度;将SARSA算法与随机动态规划算法相比,在优化结果接近的情况下,SARSA算法计算时间减少约35%,该算法为解决随机多能互补问题提供了新思路。 展开更多
关键词 风蓄随机优化调度 强化学习 SARSA算法 学习率
原文传递
基于n步Q-learning算法的风电抽水蓄能联合系统日随机优化调度研究 被引量：1
3
作者 李文武 马浩云 +1 位作者 贺中豪 徐康 《水电能源科学》 北大核心 2022年第1期206-210,共5页
针对Q-learning算法求解风电抽蓄联合系统日随机优化调度中,存在功率偏差大及收敛速度慢的问题,提出基于n步Q-learning算法的风电抽蓄日随机优化调度方法。先将风电出力随机过程视为Markov过程并建立风电抽蓄日随机优化调度模型;其次分... 针对Q-learning算法求解风电抽蓄联合系统日随机优化调度中,存在功率偏差大及收敛速度慢的问题,提出基于n步Q-learning算法的风电抽蓄日随机优化调度方法。先将风电出力随机过程视为Markov过程并建立风电抽蓄日随机优化调度模型;其次分析n步Q-learning算法应用于优化调度模型中的优势;最后按照应用流程求解优化调度模型。算例表明,n步Q-learning算法的优化结果与n步和学习率取值有关,当两个参数取值适中时能得到最优功率偏差结果,在求解该问题上对比n步Q-learning与Q-learning算法,前者能更快收敛且较后者功率偏差降低7.4%、求解时间降低10.4%,验证了n步Q-learning算法的求解优越性。 展开更多
关键词 风蓄随机优化调度 强化学习 Q-learning算法 n步自举法
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部