王晓滨
- 作品数：6 被引量：81H指数：4
- 供职机构：浙江省电力设计院更多>>
- 发文基金：浙江省重大科技专项资金国家高技术研究发展计划浙江省重大科技专项基金更多>>
- 相关领域：电气工程更多>>
- 系统状态空间分割法在电力系统可靠性评估中的应用被引量：20
- 2011年
- 目前电力系统可靠性评估方法无法避免对无故障状态子空间的抽样,为此提出了系统状态空间分割法。该方法将系统状态空间分割为无故障状态子空间和各阶故障状态子空间,并根据各阶故障状态子空间特点分别采用解析法和蒙特卡洛法进行分析。该方法不需要对无故障状态子空间抽样,并可对各故障状态子空间的抽样次数进行最优分配。同时提出了仅需要少量均匀随机数便能抽取特定阶数故障状态的系统随机状态抽样方法,该抽样方法应用于大规模系统中具有明显优势。算例结果验证了该方法的可行性。
- 王晓滨黄武浩楼华辉应康郭瑞鹏
- 关键词：可靠性评估蒙特卡罗模拟法
- 电力系统可靠性评估中的分层均匀抽样法被引量：30
- 2012年
- 为避免传统蒙特卡洛抽样方法在系统可靠性评估中抽样效率低下的问题,文中结合重要抽样法与分层抽样法的思想,提出了分层均匀抽样法,以实现对系统故障状态的高效评估。该方法综合考虑了系统故障概率与故障影响,直接对系统故障的后果进行抽样,避免了常规方法中构造M维空间抽样函数的困难。文中对系统各重故障状态进行了分层均匀抽样,并通过自寻优的方式优化分配各层的抽样次数,有效地降低了抽样方差。该方法完全避免了对系统零故障状态的抽样,使其抽样效率不受系统可靠性改变的影响,可用于高可靠性电力系统的评估。文中从理论上推导了该方法的合理性,并通过对IEEE-RTS 79系统以及修改后的高可靠性系统算例评估,证实了算法的适用性。
- 黄江宁郭瑞鹏赵舫王晓滨
- 关键词：可靠性评估分层抽样重要抽样电力系统
- 电力系统可靠性评估的自适应分层重要抽样法被引量：36
- 2011年
- 提出了电力系统可靠性评估的自适应分层重要抽样算法,将系统状态空间分割成无故障状态子空间和各重故障状态子空间,避免对无故障状态子空间抽样,对各重故障状态子空间的抽样次数进行最优分配,并不断修正最优重要抽样概率密度函数,可以显著提高计算效率并解决了以往蒙特卡洛方法在高可靠性系统中效率低下的问题。对IEEE-RTS系统的发输电部分进行可靠性评估,结果表明该方法合理、高效,且不会出现退化现象。
- 王晓滨郭瑞鹏曹一家余秀月杨桂钟
- 关键词：可靠性评估蒙特卡洛方法分层抽样重要抽样
- 考虑机组组合问题的机组检修计划优化新模型被引量：3
- 2010年
- 以经济费用最小为目标函数,建立了发电机组检修计划优化问题(UMS)新模型。由于生产费用在经济费用中占有的比例最大,因此在计算新模型的生产费用时考虑了发电机组组合优化问题(UC)。鉴于考虑UC问题的UMS问题为双层优化问题,其中UMS问题为上层优化问题,UC问题为下层优化问题,提出了一种改进离散粒子群算法(MDPSO),并将其用于搜索UMS问题的最优解向量,即解决上层优化问题;而由于拉格朗日松弛法在解决UC问题上具有计算速度快、结果精度高等优点,将其用于解决下层优化问题。利用该新模型和MDPSO算法对IEEE-RTS系统的机组的年检修计划进行优化,并与离散粒子群算法(DPSO)比较,结果表明DPSO算法在解决UMS问题上具有精度高、收敛速度快等优点。
- 王晓滨余秀月杨贵钟
- 关键词：发电机组检修计划机组组合离散粒子群拉格朗日松弛
- 考虑电压稳定裕度的机组组合新方法
- 2011年
- 介绍了通过采用基于时段的优化算法求解考虑电压稳定裕度约束的机组组合,校验各时段的电压稳定裕度,并根据机组耗量优先级增减机组,使其满足相应的约束,针对该算法在处理爬坡约束上的缺陷提出了一种快速简便的修正方法。最后,采用IEEE 30节点算例论证上述方法的可行性和合理性。
- 郑宁浪王敏蔚王晓滨
- 关键词：电压稳定裕度机组组合
- 用于系统可靠性评估的各阶故障独立重要抽样算法被引量：18
- 2011年
- 提出一种电力系统可靠性评估的高效算法,即各阶故障状态子空间独立重要抽样算法。该算法将系统状态空间分割为无故障状态子空间和各阶故障状态子空间,完全避免了对无故障状态子空间的抽样;且由于低阶故障状态子空间状态个数较少,采用解析法对其分析,而高阶故障状态子空间状态个数庞大,采用重要抽样法对其进行模拟分析;并对这些子空间的抽样次数进行最优分配。由于完全避免了对无故障状态子空间的抽样,并对各阶子空间进行独立分析,该算法在计算效率上具有很大的优势,适用于高可靠性系统。应用该算法对IEEE-RTS系统的发输电部分进行可靠性评估,并与自适应重要抽样方法和直接蒙特卡罗法进行比较,结果表明该算法在计算效率上具有明显优势。
- 王晓滨郭瑞鹏曹一家余秀月杨桂钟
- 关键词：电力系统可靠性评估蒙特卡罗重要抽样
