非线性负载

针对暂态稳定预防控制在线计算的快速性要求和时域方程计算复杂性之间的矛盾，提出一种堆栈式集成学习驱动的电力系统暂态稳定预防控制优化方法。首先，构建了基于堆栈式集成深度置信网络的暂态稳定评估器，用以代替暂态稳定判定所需的非线性微分代数方程求解过程；其次，将训练好的暂态稳定评估器作为暂态稳定约束判别器，嵌入帝企鹅启发式优化算法的迭代寻优过程中；最后，以预防控制代价最小为目标，建立集成学习驱动的电力系统暂态稳定预防控制启发式优化算法，该算法实现了预防控制中暂态稳定约束的高效判断，提高了发电再调度预防控制决策水平。基于IEEE39节点系统对所提预防控制优化方法进行实验验证，结果表明，该方法在评估准确率和计算效率上都具有良好的效果。

随着我国新型电力系统的不断发展，光伏、风电等新能源大规模并网，同时，智能化控制设备与非线性负载等不断增加，导致电能质量问题越来越复杂。为了提升整个电网的供电品质、实现电网的经济运行和优质高效发展，对电能质量进行科学、合理的量化评估至关重要。 方法 从电能质量评估指标、赋权方法以及评估模型3个方面出发，对电能质量综合评估方法进行系统的归纳和比较，概述了电能质量综合评估方法的研究现状;并在此基础上，总结了现有的各种电能质量综合评估方法的不足及尚需解决的问题，并对未来此领域可能开展的研究方向进行展望。 结论 目前国内外对于电能质量综合评估的研究虽然已经取得了许多成果，然而各方法有其各自的优点和不足，且在该领域内仍有一系列被忽视的重要问题需要解决。