人工神经元网络负荷静态特性辨识的并行算法

基于人工神经元网络理论，对概率学习算法(Probabilistic Learni ng)和误差反向传播算法(简称BP算法)的电力系统负荷静态特性辨识的并行算法进行 了研究，并对这两种算法的计算复杂性和通信复杂性以及并行效率进行了分析。结果表明， 这两种算法都有较好的并行性能。     

梯级水光联合发电系统短期优化调度模型

为解决光伏电站出力可调度性弱的问题,充分挖掘已有梯级水电的调蓄能力,构建了梯级水光联合发电系统短期优化调度模型,实现梯级水光调度计划联合制定。该模型以梯级水电耗水量最小为目标,综合考虑光伏预测出力、水库运行和电网调度等约束,通过适当的模型简化和线性化方法,将原非线性模型转换为标准的混合整数线性规划模型。以四川省阿坝州小金县梯级水光联合发电系统为研究对象的计算实例表明,可以利用梯级水电调节能力平抑光伏出力波动和弥补光伏出力预测偏差,提高联合发电系统调度计划的可执行性。