可再生能源大规模、高密度的接入显著改变了电力系统静/动态特性,对系统建模、仿真、分析和控制带来了挑战。该文针对含不确定性的电力系统稳定性分析问题,引入微分包含理论,建立一种随机激励下电力系统低频振荡分析模型。针对含不确定...可再生能源大规模、高密度的接入显著改变了电力系统静/动态特性,对系统建模、仿真、分析和控制带来了挑战。该文针对含不确定性的电力系统稳定性分析问题,引入微分包含理论,建立一种随机激励下电力系统低频振荡分析模型。针对含不确定性的电力系统稳定性问题,采用线性多胞体(polytopic linear differential inclusion,PLDI)微分方法,将包含不确定性的随机激励表征为有限个元素的凸包。基于凸包李雅谱诺夫(Lyapunov)函数法推导多胞体系统稳定判据,并给出强阻尼系统约束条件;进而,基于Hankel范数逼近法,给出一种适用于大规模柔性互联系统的低频振荡分析方法。以简单两机系统、10机39节点系统验证所提出方法及稳定判据。仿真结果表明,该文所提方法能准确地刻画随机激励下的电力系统本质。展开更多
文摘现有的面向大规模数据分类的支持向量机(support vector machine,SVM)对噪声样本敏感,针对这一问题,通过定义软性核凸包和引入pinball损失函数,提出了一种新的软性核凸包支持向量机(soft kernel convex hull support vector machine for large scale noisy datasets,SCH-SVM).SCH-SVM首先定义了软性核凸包的概念,然后选择出能代表样本在核空间几何轮廓的软性核凸包向量,再将其对应的原始空间样本作为训练样本并基于pinball损失函数来寻找两类软性核凸包之间的最大分位数距离.相关理论和实验结果亦证明了所提分类器在训练时间,抗噪能力和支持向量数上的有效性.
文摘可再生能源大规模、高密度的接入显著改变了电力系统静/动态特性,对系统建模、仿真、分析和控制带来了挑战。该文针对含不确定性的电力系统稳定性分析问题,引入微分包含理论,建立一种随机激励下电力系统低频振荡分析模型。针对含不确定性的电力系统稳定性问题,采用线性多胞体(polytopic linear differential inclusion,PLDI)微分方法,将包含不确定性的随机激励表征为有限个元素的凸包。基于凸包李雅谱诺夫(Lyapunov)函数法推导多胞体系统稳定判据,并给出强阻尼系统约束条件;进而,基于Hankel范数逼近法,给出一种适用于大规模柔性互联系统的低频振荡分析方法。以简单两机系统、10机39节点系统验证所提出方法及稳定判据。仿真结果表明,该文所提方法能准确地刻画随机激励下的电力系统本质。
