基于超短期负荷预测的变电站综合调压研究
|
摘要
随着我国城乡电网改造，对配电网建设的越来越重视和无功补偿技术的发展，低压侧无功补偿技术在配电系统中也开始普及，从静态补偿到动态补偿，从有触点投切到无触点投切，都取得了丰富的运行经验。目前无功补偿控制装置控制物理量主要有：无功功率控制、功率因数控制以及电压、无功综合控制。从控制策略来看，无功功率控制或电压、无功综合控制的控制器控制比较合理，而采用功率因数控制虽比较简单明了，但如不采取相应措施，则可能产生投切振荡问题。
首先从理论上分析了电力系统无功功率平衡和电压调整关系，对目前各种电压调整手段优缺点进行了比较，重点探讨了典型电压无功调整装置(VQC)的控制策略，结合所从事电网运行和管理实际工作经验，指出目前多数电压无功补偿控制装置的控制策略不完善，没有进行优化，主要表现在变压器分接头和补偿电容器调整次数过多、影响设备寿命和安全以及负荷波动时的投切振荡问题。
提出将超短期负荷预测引入变电站综合调压，重点在综合调压控制策略的优化上进行了深入研究。首先对变压器分接头调节和补偿电容器投切控制策略进行优化，充分利用二者的优势，实现优化的综合调压；其前提是必须能判断负荷波动的情况，掌握负荷变化趋势。因此，一种可行的方法是采用超短期负荷预测的控制策略，基本思路是建立一种闭环控制，将实际负荷同预测曲线相比较，通过优化计算，判断是否投切电容器和调整变压器分接头，并充分利用变压器的过负荷能力，从而达到综合优化的目的。
准确的电力系统超短期负荷预测是实现上述方法的前提和基础，比较了各种负荷预测方法，分析了负荷特点和变化规律。为提高预测精度和智能化水平，采用人工神经网、一元线性回归法和指数平滑法相结合的综合短期负荷预测方法。具有较强的学习、计算、变结构适应、复杂映射、记忆、容错及各种智能处理能力，能很好的适应负荷变化，计算精度高，能满足实际需要。
在上述研究成果的基础上，建立了无功补偿实时控制解决方案，给出了系统框图，对典型电压无功控制装置从控制策略上进行了优化，做了软件和硬件的改进工作。该方法不仅能提高变电站母线电压合格率和功率因数，同时有效地减少了开关操作次数，延长了设备寿命，减少对系统安全的影响。
With the reform of power system and the development of reactive compensationtechnology, reactive compensation technology on the low voltage side has becomepopularized. Both from static compensation to the dynamic compensation and contactthrow-cut to without contact throw-cut have got rich operation experience. At present,the reactive compensate control is mainly on reactive power control, power factorcontrol, and reactive power synthetically control. Taking the control strategy intoconsidered, the reactive power control, the reactive voltage synthetically control ismuch reasonable. Although power factor control is comparatively simple, there willproduce throw-cut vibration without relevant strategy.
Theoretically analyzes have been done to the relations between reactive powerbalance and the voltage regulation of electrical power system. It compares all kinds ofvoltage regulation method's advantages and disadvantages, and mainly discussed thecontrol strategy of typical reactive voltage adjusting device. With the practicaloperation experience and management experience on electrical network, this paperpointes out that most of the reactive voltage control strategies are imperfect, whichhave no optimization and too many transformer tapping and too many compensationcapacitor adjustment, this influences the equipment life and the security, also causesthe throw-cut vibration with the load fluctuation.
The super-short-term load forecasting to voltage synthetically adjusting has beenintroduced mainly on control strategy optimization of synthetically voltage adjustment.Firstly, carrying out an optimization on control strategy of the transformer tappingadjustment and compensates capacitor throw-cut, fully using two superiority to realizeoptimized synthetically adjustment voltage; but the premise is that it can judge the loadfluctuation and grasp the load change tendency. Therefore, one feasible method is touse the control strategy of the super-short-term load forecast. The basic way is toestablish one kind of closed-loop control, comparing the actual load with theforecasting curve, by the optimization calculation, judging whether throw-cut thecapacitor and adjustment transformer tapping, and fully uses the overload ability of thetransformer, thus achieves synthetically optimization's goal.
The accurate forecast of electrical power system super-short-term load is thefoundation of the realization of the above method. This paper has carried out thecomparison of each load forecasting method, analyzed the load characteristic and thechange rule. In order to increase the precision of load forecast and the intellectual level,we used the synthetically super-short-term load forecast method of the artificial nervenetwork and once basic linearity return, index smoothing method. It has stronglearning capability, calculating capability, changing structure adaptive capability andother characteristics. It can adapt load change well, and meet the actual needs.
A real-time control of the compensation capacitor solution according to the abovewas presented; the system diagram also was given, and has realized this method using the hardware. This method can not only enhance voltage qualified rate of thesubstation generatrix and power factor, simultaneously effectively reduced the switchoperation number of times, lengthened the life of equipment, and reduced the influenceof the system security.
首先从理论上分析了电力系统无功功率平衡和电压调整关系，对目前各种电压调整手段优缺点进行了比较，重点探讨了典型电压无功调整装置(VQC)的控制策略，结合所从事电网运行和管理实际工作经验，指出目前多数电压无功补偿控制装置的控制策略不完善，没有进行优化，主要表现在变压器分接头和补偿电容器调整次数过多、影响设备寿命和安全以及负荷波动时的投切振荡问题。
提出将超短期负荷预测引入变电站综合调压，重点在综合调压控制策略的优化上进行了深入研究。首先对变压器分接头调节和补偿电容器投切控制策略进行优化，充分利用二者的优势，实现优化的综合调压；其前提是必须能判断负荷波动的情况，掌握负荷变化趋势。因此，一种可行的方法是采用超短期负荷预测的控制策略，基本思路是建立一种闭环控制，将实际负荷同预测曲线相比较，通过优化计算，判断是否投切电容器和调整变压器分接头，并充分利用变压器的过负荷能力，从而达到综合优化的目的。
准确的电力系统超短期负荷预测是实现上述方法的前提和基础，比较了各种负荷预测方法，分析了负荷特点和变化规律。为提高预测精度和智能化水平，采用人工神经网、一元线性回归法和指数平滑法相结合的综合短期负荷预测方法。具有较强的学习、计算、变结构适应、复杂映射、记忆、容错及各种智能处理能力，能很好的适应负荷变化，计算精度高，能满足实际需要。
在上述研究成果的基础上，建立了无功补偿实时控制解决方案，给出了系统框图，对典型电压无功控制装置从控制策略上进行了优化，做了软件和硬件的改进工作。该方法不仅能提高变电站母线电压合格率和功率因数，同时有效地减少了开关操作次数，延长了设备寿命，减少对系统安全的影响。
With the reform of power system and the development of reactive compensationtechnology, reactive compensation technology on the low voltage side has becomepopularized. Both from static compensation to the dynamic compensation and contactthrow-cut to without contact throw-cut have got rich operation experience. At present,the reactive compensate control is mainly on reactive power control, power factorcontrol, and reactive power synthetically control. Taking the control strategy intoconsidered, the reactive power control, the reactive voltage synthetically control ismuch reasonable. Although power factor control is comparatively simple, there willproduce throw-cut vibration without relevant strategy.
Theoretically analyzes have been done to the relations between reactive powerbalance and the voltage regulation of electrical power system. It compares all kinds ofvoltage regulation method's advantages and disadvantages, and mainly discussed thecontrol strategy of typical reactive voltage adjusting device. With the practicaloperation experience and management experience on electrical network, this paperpointes out that most of the reactive voltage control strategies are imperfect, whichhave no optimization and too many transformer tapping and too many compensationcapacitor adjustment, this influences the equipment life and the security, also causesthe throw-cut vibration with the load fluctuation.
The super-short-term load forecasting to voltage synthetically adjusting has beenintroduced mainly on control strategy optimization of synthetically voltage adjustment.Firstly, carrying out an optimization on control strategy of the transformer tappingadjustment and compensates capacitor throw-cut, fully using two superiority to realizeoptimized synthetically adjustment voltage; but the premise is that it can judge the loadfluctuation and grasp the load change tendency. Therefore, one feasible method is touse the control strategy of the super-short-term load forecast. The basic way is toestablish one kind of closed-loop control, comparing the actual load with theforecasting curve, by the optimization calculation, judging whether throw-cut thecapacitor and adjustment transformer tapping, and fully uses the overload ability of thetransformer, thus achieves synthetically optimization's goal.
The accurate forecast of electrical power system super-short-term load is thefoundation of the realization of the above method. This paper has carried out thecomparison of each load forecasting method, analyzed the load characteristic and thechange rule. In order to increase the precision of load forecast and the intellectual level,we used the synthetically super-short-term load forecast method of the artificial nervenetwork and once basic linearity return, index smoothing method. It has stronglearning capability, calculating capability, changing structure adaptive capability andother characteristics. It can adapt load change well, and meet the actual needs.
A real-time control of the compensation capacitor solution according to the abovewas presented; the system diagram also was given, and has realized this method using the hardware. This method can not only enhance voltage qualified rate of thesubstation generatrix and power factor, simultaneously effectively reduced the switchoperation number of times, lengthened the life of equipment, and reduced the influenceof the system security.
引文
[1] 靳龙章．电网无功补偿使用技术[M]．北京：中国水利电力出版社，1997
[2] 沈来根．变电站电压无功综合控制装置的应用[J]．浙江电力，2001，19(1)：46-48
[3] 严浩军．变电站电压无功综合自动控制问题探讨[J]．电网技术，2000，24(7)：41-48
[4] 邓集祥，张弘鹏．用改进的Tabu搜索方法优化补偿电容器分档投切的研究[J]．网技术，2000，24(3)：46-49
[5] 康重庆，夏清，沈瑜等．电力系统负荷预测的综合模型[J]．清华大学学报，1999，39(1)：8-11
[6] 康重庆，程旭，夏清等．一种规范化的处理相关因素的短期负荷预测新策略[J]．电力系统自动化，1999，23(18)：23-25
[7] 国家电力公司．电力系统规程[M]．北京：中国电力出版社，1994
[8] 赖晓平，周鸿兴，王昌钦．混合模型神经网络在短期负荷预测中的应用[J]．控制理论与应用，2000，17(1)：69-72
[9] 欧建平，李丽娟．人工神经网络在电力系统短期负荷预测中的应用[J]．广东电力，1999，12(2)：4-7
[10] 陈章潮．城市电网规划与改造[M]．北京：中国电力出版社，1998
[11] 孙洪波．电力网络规划[M]．重庆：重庆大学出版社，1996
[12] 何利诠，邱国跃．电力系统无功功率与有功功率控制[M]．重庆：重庆大学出版社，1995
[13] 何仰赞，温增银，汪馥瑛等．电力系统分析(上，下)[M]．武汉：华中理工大学出版社，1984
[14] 国家标准．供配电系统设计规范[S]．北京：中国计划出版社，1995
[15] 王涛．关于无功补偿降损及经济效益的有效计算[J]．湖北电力，1999，23(2)：21-22
[16] 李智宇．降损技术措施在配电网运行和改造中的应用[J]．广东电力，1999．12(4)：41-43
[17] 于尔铿，陈竟成，张学松．地区电网调度自动化系统的应用功能[J]．电网技术，1998，22(3)：47-53
[18] 靳龙章，丁毓山．电网无功补偿实用技术[M]．北京：中国水利水电出版社，1996
[19] 吴斌，陈章潮，包海龙．基于人工神经元网络及模糊算法的空间负荷预测[J]．电网技术，1999，23(11)：1-4
[20] 黄振华，吴诚一．模式识别[M]．杭州：浙江大学出版社，1991
[21] 石俊，陈幼平．前馈网的知识扩充及故障恢复[J]．控制理论与应用，2000，17(2)：189-192
[22] 王成山，杨军，张崇见．灰色系统理论在城市年用电量预测中的应用—不同预测方法的分析比较[J]．电网技术，2000，21(4)：15-18
[23] 黄向前．浅谈变电所内变压器的经济运行[J]．电网技术，2000，24(3)：66-69
[24] 陈竟成，张学松，汪峰等．配电网络建模与网络接线分析[J]．电网技术，1999，23(5)：52-54
[25] 张雪峰．电力负荷预测方法在地区供电部门的应用[J]．湖南电力，2003，23(2)：11-13
[26] 刘敏华．电力负荷预测线性相关方程的最佳权重加权最小二乘法[J]．徐州师范大学学报，2003，21(3)：26-29
[27] 樊丽丽．电力系统短期负荷预测的改进BP算法[J]．太原理工大学学报，2003，34(2)：188-189，202
[28] 王吉权．电力系统负荷预测方法与特点[J]．农村电气化，2003，11：7-8
[29] 顾洁．电力系统中长期负荷预测的参数抗差估计研究[J]．电力自动化设备，2003，23(6)：13-15
[30] 顾洁．电力系统中长期负荷预测的最大模糊熵模型研究[J]．自动化设备，2003，23(8)：5-7
[31] 叶万余．无功补偿电压优化控制系统功能的实现[J]．南方电网技术研究，2006，2(5)：48-50
[32] 张震宇．基于实时参数校核的变压器经济运行研究[J]．电力通信，2006，55 (5)：5-7
[33] 凌滨．短期电力负荷预测方法的研究[J]．林业科技情报，2006，38(3)：59-60
[34] 赵宇红．改进Pi-Sigma神经网络及其算法在短期负荷预测中的应用[J]．测控技术，2006，25(9)：70-74
[35] 牛东晓．基于数据挖掘的SVM短期负荷预测方法研究[J]．中国电机工程学报，2006，26(18)：6-12
[36] 张步涵，刘小华，万建平等．基于混沌时间序列的负荷预测及其关键问题分析[J]．电网技术，2004，28(13)：32-35
[37] 李天云．电力系统负荷的混沌特性及预测[J]．中国电机工程学报，2000，20(11)：36-40
[38] 杜杰，陆金桂，曹一家．短期负荷预测最大Lyapunov指数预报模式预测值的判定[J]．电网技术，2006，30(20)：19-24
[39] 陈毛冒，彭茂君，孙羽等．一种多功能负荷预测系统的开发[J]．吉林电力技术，2006，34(5)：10-13
[40] 严浩君．变电站电压无功综合自动控制问题探讨[J]．电网技术，2000，24(7)：41-43、48
[41] 陈耀武，汪乐宇，龙洪玉．基于组合式神经网络的短期负荷预测模型[J]．中国电机工程学报，2001，21(4)：79-82
[42] 赵登福．基于确定性退火方法的短期负荷预测[J]．中国电机工程学报，2001，21(7)：1-8
[43] 郭庆来，吴越，张伯明等．地区电网无功优化实时控制系统的研究与开发[J]．电力系统自动化，2002，26(3)：66-69
[44] 庄侃庆，李兴源．变电站电压无功控制策略和实施方式[J]．电力系统自动化，2001，25(15)：47-50
[45] 马文晓，白晓民，沐连顺．基于人工神经网络和模糊推理的短期负荷预测方法[J]．电网技术，2003，27(5)：29-32
[46] 周佃民，官晓宏，孙捷等．基于神经网络的电力系统短期负荷预测研究[J]．电网技术，2002，26(2)：10-13
[47] 于尔铿，刘广一，周京阳．能量管理系统[M]．科学出版社，1998
[48] 于尔铿．现代电力系统经济调度[M]．北京：水利电力出版社，1986
[49] 蒋平，鞠平．应用人工神经网络进行中期电力负荷预测[J]．电力系统自动化，1995，19(6)：11-17
[50] 潘天红，盛占石．基于GSM短信技术的电网电压监测仪研制[J]．电力系统自动化，2005，25(7)：48-50
[51] 丁富华，邹积岩，段雄英等．采用数字信号处理器的永磁机构同步控制系统[J]．电网技术，2005，25(19)：42-43
[52] 黄炎会，林争辉，林涛等．系数预处理在FIR数字滤波器设计中的应用[J]．现代电子技术，2005，23：62-66
[53] 王小华，何怡刚．3型FIR高阶多通带滤波器的自适应优化设计研究[J]．电路与系统学报，2005，10(5)：133-135
[54] 戴丽萍，刘开培．基于自适应预测滤波器的谐波检测[J]．电力自动化设备．2005，25(8)：63-65
[55] 姚宇新，赵曾贻，邹静娴等．数字滤波器的实时执行与仿真入门[J]．电气电子教学学报，2004，26(6)：43-45
[56] 蒋毅，古天祥．一种修正的FFT高精度谐波分析方法[J]．电子测量与仪器学报，2006，20(4)：19-20
[57] 孙洪波．电力网络规划[M]．重庆：重庆大学出版社，1996
[58] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993
[59] 王民量，张伯明，夏清等．能量管理系统TH-2100中的短期负荷预测[J]．电力系统及其自动化学报，1999，11(4)：15-20
[60] LIANG R H, WANG Y. Main transforrner ULTC and capacitors scheduling by simulated annealing approach [J]. Electrical Power and Energy Systems, 2005, 23(7): 531-538.
[61] ARYA L D, TITARE L S, KOTHARI D P. Determination of probabilistic risk of voltage collapse using radial basis function (RBF)network[J]. Electric Power Systems Research, 2006, 76(6): 426-434.
[62] JAZAYERI P,SHOARINEJAD A,ROSEHART W.Voltage Stability Constrained Optimal Power Flow[J].Automation of Electric Power System.2005,29(16) :48-55．
[63] Willis H L.Spatial electric load forecasting[M].New York:Marcel Dekker,Inc,1994
[64] Chow Mo-yuen.Methodology of urban re-development considerations in spatial load forecasting[J].IEEE Trans,on PS,1997,12(2) :996-1001
[65] Cassel WRetal.Distribution management system:functions and payback[J].IEEE/SM PWRS,1992
[66] Jung won Kim,Peter J.Bentley.Towards an Artificial Immune System for Network In-torsion Detection:An Investigation of Dynamic C1ona,1 Selection[C].Proc.of the 2002 con-grass on evolutionary computation,2002,Vol.2,1015-1020
[67] C.Jason Coat,Stuart Stanford,Joseph McAlerney.Towards Faster String Marching for Intrusion Detection or Exceeding the Speed of Snort[C].Proc.of 2001 DARPA information survivability conference &.Exposition Ⅱ,2001,Vol.,1,367-373
[68] Daniel U.Schwartz,Sara Stoecklin,Erbil Yilrnaz.A Case-based Approach to Network Intrusion Detection[C].5~(th)International conference on Information Fusion,2002,Vol.2,1084-1089
[69] Jingmin He,Min Wang.Cryptophytes and Relational Database Management Systems[C].In:Proc.of 2001 Internet Symposium on Database Engine ring and Applications,2001,273-284
[70] ABB.Power System Simulation & Analysis Software SIMPOW[M],User Manual,ABB Power Systems,V?ster?s,Sweden,2000．
[71] H.R.Franchiser,T.Dan(?)elson,K.Angers,A-A.Edris,Lindkvist,and S.Torseng.SIMPOW-a digital power system simulator[J].Reprint of ABB Review,1990,(7)
[72] Nasty S,Wegner C A,Dalmatic R W,et al.Effectiveness of Thruster Controlled Series Capacitor in Enhancing Power System Dynamics:An Analog Simulator Study[J].IEEE Trans on PWRD 1994,9(2) .1018-1027
[73] Christ N.Hedin R,Krause P E et.Advanced Series Compensation(ASC)with Thruster Controlled Impedance[M].In CIGRE Paper 14/37/38-05 Paris:1992
[74] Pike R J,Wegner C A,Kinney S J,ET.Sub synchronous Resonance Performance Tests of the Slat Thruster Controlled Series Capacitor[J].IEEE trans on PWRD,1996． 11(2) ,1113-1119
[75] Helping S G.Investigation of an Advanced From of Series Compensation[J].IEEE Trans on Power Delivery,1994,9(2)
[76] Elisa Bettino.Data security.Data and Knowledge Engineering[J].1998,25(12) :199-216
[77] Paul Lothian,Peter Wenham.Database Security in a web invoment.Information Security Technical Report[J].2001,6(2) :12-20
[2] 沈来根．变电站电压无功综合控制装置的应用[J]．浙江电力，2001，19(1)：46-48
[3] 严浩军．变电站电压无功综合自动控制问题探讨[J]．电网技术，2000，24(7)：41-48
[4] 邓集祥，张弘鹏．用改进的Tabu搜索方法优化补偿电容器分档投切的研究[J]．网技术，2000，24(3)：46-49
[5] 康重庆，夏清，沈瑜等．电力系统负荷预测的综合模型[J]．清华大学学报，1999，39(1)：8-11
[6] 康重庆，程旭，夏清等．一种规范化的处理相关因素的短期负荷预测新策略[J]．电力系统自动化，1999，23(18)：23-25
[7] 国家电力公司．电力系统规程[M]．北京：中国电力出版社，1994
[8] 赖晓平，周鸿兴，王昌钦．混合模型神经网络在短期负荷预测中的应用[J]．控制理论与应用，2000，17(1)：69-72
[9] 欧建平，李丽娟．人工神经网络在电力系统短期负荷预测中的应用[J]．广东电力，1999，12(2)：4-7
[10] 陈章潮．城市电网规划与改造[M]．北京：中国电力出版社，1998
[11] 孙洪波．电力网络规划[M]．重庆：重庆大学出版社，1996
[12] 何利诠，邱国跃．电力系统无功功率与有功功率控制[M]．重庆：重庆大学出版社，1995
[13] 何仰赞，温增银，汪馥瑛等．电力系统分析(上，下)[M]．武汉：华中理工大学出版社，1984
[14] 国家标准．供配电系统设计规范[S]．北京：中国计划出版社，1995
[15] 王涛．关于无功补偿降损及经济效益的有效计算[J]．湖北电力，1999，23(2)：21-22
[16] 李智宇．降损技术措施在配电网运行和改造中的应用[J]．广东电力，1999．12(4)：41-43
[17] 于尔铿，陈竟成，张学松．地区电网调度自动化系统的应用功能[J]．电网技术，1998，22(3)：47-53
[18] 靳龙章，丁毓山．电网无功补偿实用技术[M]．北京：中国水利水电出版社，1996
[19] 吴斌，陈章潮，包海龙．基于人工神经元网络及模糊算法的空间负荷预测[J]．电网技术，1999，23(11)：1-4
[20] 黄振华，吴诚一．模式识别[M]．杭州：浙江大学出版社，1991
[21] 石俊，陈幼平．前馈网的知识扩充及故障恢复[J]．控制理论与应用，2000，17(2)：189-192
[22] 王成山，杨军，张崇见．灰色系统理论在城市年用电量预测中的应用—不同预测方法的分析比较[J]．电网技术，2000，21(4)：15-18
[23] 黄向前．浅谈变电所内变压器的经济运行[J]．电网技术，2000，24(3)：66-69
[24] 陈竟成，张学松，汪峰等．配电网络建模与网络接线分析[J]．电网技术，1999，23(5)：52-54
[25] 张雪峰．电力负荷预测方法在地区供电部门的应用[J]．湖南电力，2003，23(2)：11-13
[26] 刘敏华．电力负荷预测线性相关方程的最佳权重加权最小二乘法[J]．徐州师范大学学报，2003，21(3)：26-29
[27] 樊丽丽．电力系统短期负荷预测的改进BP算法[J]．太原理工大学学报，2003，34(2)：188-189，202
[28] 王吉权．电力系统负荷预测方法与特点[J]．农村电气化，2003，11：7-8
[29] 顾洁．电力系统中长期负荷预测的参数抗差估计研究[J]．电力自动化设备，2003，23(6)：13-15
[30] 顾洁．电力系统中长期负荷预测的最大模糊熵模型研究[J]．自动化设备，2003，23(8)：5-7
[31] 叶万余．无功补偿电压优化控制系统功能的实现[J]．南方电网技术研究，2006，2(5)：48-50
[32] 张震宇．基于实时参数校核的变压器经济运行研究[J]．电力通信，2006，55 (5)：5-7
[33] 凌滨．短期电力负荷预测方法的研究[J]．林业科技情报，2006，38(3)：59-60
[34] 赵宇红．改进Pi-Sigma神经网络及其算法在短期负荷预测中的应用[J]．测控技术，2006，25(9)：70-74
[35] 牛东晓．基于数据挖掘的SVM短期负荷预测方法研究[J]．中国电机工程学报，2006，26(18)：6-12
[36] 张步涵，刘小华，万建平等．基于混沌时间序列的负荷预测及其关键问题分析[J]．电网技术，2004，28(13)：32-35
[37] 李天云．电力系统负荷的混沌特性及预测[J]．中国电机工程学报，2000，20(11)：36-40
[38] 杜杰，陆金桂，曹一家．短期负荷预测最大Lyapunov指数预报模式预测值的判定[J]．电网技术，2006，30(20)：19-24
[39] 陈毛冒，彭茂君，孙羽等．一种多功能负荷预测系统的开发[J]．吉林电力技术，2006，34(5)：10-13
[40] 严浩君．变电站电压无功综合自动控制问题探讨[J]．电网技术，2000，24(7)：41-43、48
[41] 陈耀武，汪乐宇，龙洪玉．基于组合式神经网络的短期负荷预测模型[J]．中国电机工程学报，2001，21(4)：79-82
[42] 赵登福．基于确定性退火方法的短期负荷预测[J]．中国电机工程学报，2001，21(7)：1-8
[43] 郭庆来，吴越，张伯明等．地区电网无功优化实时控制系统的研究与开发[J]．电力系统自动化，2002，26(3)：66-69
[44] 庄侃庆，李兴源．变电站电压无功控制策略和实施方式[J]．电力系统自动化，2001，25(15)：47-50
[45] 马文晓，白晓民，沐连顺．基于人工神经网络和模糊推理的短期负荷预测方法[J]．电网技术，2003，27(5)：29-32
[46] 周佃民，官晓宏，孙捷等．基于神经网络的电力系统短期负荷预测研究[J]．电网技术，2002，26(2)：10-13
[47] 于尔铿，刘广一，周京阳．能量管理系统[M]．科学出版社，1998
[48] 于尔铿．现代电力系统经济调度[M]．北京：水利电力出版社，1986
[49] 蒋平，鞠平．应用人工神经网络进行中期电力负荷预测[J]．电力系统自动化，1995，19(6)：11-17
[50] 潘天红，盛占石．基于GSM短信技术的电网电压监测仪研制[J]．电力系统自动化，2005，25(7)：48-50
[51] 丁富华，邹积岩，段雄英等．采用数字信号处理器的永磁机构同步控制系统[J]．电网技术，2005，25(19)：42-43
[52] 黄炎会，林争辉，林涛等．系数预处理在FIR数字滤波器设计中的应用[J]．现代电子技术，2005，23：62-66
[53] 王小华，何怡刚．3型FIR高阶多通带滤波器的自适应优化设计研究[J]．电路与系统学报，2005，10(5)：133-135
[54] 戴丽萍，刘开培．基于自适应预测滤波器的谐波检测[J]．电力自动化设备．2005，25(8)：63-65
[55] 姚宇新，赵曾贻，邹静娴等．数字滤波器的实时执行与仿真入门[J]．电气电子教学学报，2004，26(6)：43-45
[56] 蒋毅，古天祥．一种修正的FFT高精度谐波分析方法[J]．电子测量与仪器学报，2006，20(4)：19-20
[57] 孙洪波．电力网络规划[M]．重庆：重庆大学出版社，1996
[58] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993
[59] 王民量，张伯明，夏清等．能量管理系统TH-2100中的短期负荷预测[J]．电力系统及其自动化学报，1999，11(4)：15-20
[60] LIANG R H, WANG Y. Main transforrner ULTC and capacitors scheduling by simulated annealing approach [J]. Electrical Power and Energy Systems, 2005, 23(7): 531-538.
[61] ARYA L D, TITARE L S, KOTHARI D P. Determination of probabilistic risk of voltage collapse using radial basis function (RBF)network[J]. Electric Power Systems Research, 2006, 76(6): 426-434.
[62] JAZAYERI P,SHOARINEJAD A,ROSEHART W.Voltage Stability Constrained Optimal Power Flow[J].Automation of Electric Power System.2005,29(16) :48-55．
[63] Willis H L.Spatial electric load forecasting[M].New York:Marcel Dekker,Inc,1994
[64] Chow Mo-yuen.Methodology of urban re-development considerations in spatial load forecasting[J].IEEE Trans,on PS,1997,12(2) :996-1001
[65] Cassel WRetal.Distribution management system:functions and payback[J].IEEE/SM PWRS,1992
[66] Jung won Kim,Peter J.Bentley.Towards an Artificial Immune System for Network In-torsion Detection:An Investigation of Dynamic C1ona,1 Selection[C].Proc.of the 2002 con-grass on evolutionary computation,2002,Vol.2,1015-1020
[67] C.Jason Coat,Stuart Stanford,Joseph McAlerney.Towards Faster String Marching for Intrusion Detection or Exceeding the Speed of Snort[C].Proc.of 2001 DARPA information survivability conference &.Exposition Ⅱ,2001,Vol.,1,367-373
[68] Daniel U.Schwartz,Sara Stoecklin,Erbil Yilrnaz.A Case-based Approach to Network Intrusion Detection[C].5~(th)International conference on Information Fusion,2002,Vol.2,1084-1089
[69] Jingmin He,Min Wang.Cryptophytes and Relational Database Management Systems[C].In:Proc.of 2001 Internet Symposium on Database Engine ring and Applications,2001,273-284
[70] ABB.Power System Simulation & Analysis Software SIMPOW[M],User Manual,ABB Power Systems,V?ster?s,Sweden,2000．
[71] H.R.Franchiser,T.Dan(?)elson,K.Angers,A-A.Edris,Lindkvist,and S.Torseng.SIMPOW-a digital power system simulator[J].Reprint of ABB Review,1990,(7)
[72] Nasty S,Wegner C A,Dalmatic R W,et al.Effectiveness of Thruster Controlled Series Capacitor in Enhancing Power System Dynamics:An Analog Simulator Study[J].IEEE Trans on PWRD 1994,9(2) .1018-1027
[73] Christ N.Hedin R,Krause P E et.Advanced Series Compensation(ASC)with Thruster Controlled Impedance[M].In CIGRE Paper 14/37/38-05 Paris:1992
[74] Pike R J,Wegner C A,Kinney S J,ET.Sub synchronous Resonance Performance Tests of the Slat Thruster Controlled Series Capacitor[J].IEEE trans on PWRD,1996． 11(2) ,1113-1119
[75] Helping S G.Investigation of an Advanced From of Series Compensation[J].IEEE Trans on Power Delivery,1994,9(2)
[76] Elisa Bettino.Data security.Data and Knowledge Engineering[J].1998,25(12) :199-216
[77] Paul Lothian,Peter Wenham.Database Security in a web invoment.Information Security Technical Report[J].2001,6(2) :12-20