基于灰色模型的电网技改规划可行性自动化分析系统

传统的电网技改规划系统存在电网设备陈旧、线路损坏等问题,电网系统的可靠性低,为此,设计基于灰色模型的电网技改规划可行性自动化分析系统.将灰色模型作为基本模型,结合余弦距离的思想,对电网运行过程中的数据进行预测.根据数据预测结果,对系统的运行效益和运行风险进行分析;通过电网运行效益分析结果、运行风险分析结果以及数据预测结果,组建基于灰色模型的电网技改规划可行性自动化分析系统,实现对整个电网系统运行方式的控制,使其能够安全、稳定的环境下运行.仿真实验结果表明,所设计系统能够快速、准确实现电网技改规划可行性自动化分析.     

储能系统电力设备变工况的优化运行控制方法

在对储能系统进行调度时,存在风能最大功率获取速度慢、输出功率与储能系统充/放电结果相差大的问题,为此提出储能系统电力设备变工况的优化运行控制方法。依据电力设备部件之间的动态耦合,建立电力设备目标函数及约束条件,构建电力设备模块化数学优化模型。利用该模型对电力设备部件参数进行优化后,将处于不同运行模式的电力设备以变工况运行方式进行优化运行控制。实验结果表明,通过对该方法进行风能最大功率获取速度测试、输出功率与储能系统充/放电结果对比测试、储能系统频率与设定频率测试,验证了该方法准确性强、有效性高。     

局部优化加权回归算法在电力设备失效预测中的应用

电力设备的失效预测是一个新的研究热点;为了实现对大规模电力设备失效的有效预测,不同于传统方法的设备等均值可能预测方法,提出一种基于局部优化加权回归的电力设备失效预测研究模型;结合电力设备运行特点,首先通过回归方法形成电力设备失效预测模型,在回归分析中使用粒子群优化方法对不同部位失效权重系数进行优化求解,解决了传统方法中不分部位,等权值笼统定位损坏部位带来的误判,设计的变压器设备失效测试中,本体、套管、分接开关、非电量保护都能将数据的误差保持在0.02左右;系统仿真测试结果表明,这种方法做出的预测效果与实际的设备运行情况吻合度较高,鲁棒性较好,对电力设备失效预测准确率高达95%,具有很高的实用价值。     

基于物联网技术的新能源电网运行状态监测方法

提出了基于物联网技术的新能源电网运行状态监测方法。利用物联网技术选取ZigBee通信网络中的网状网络以及树形网络，来收集新能源电网运行状态数据，并通过无线网络对监测区域中的参数进行智能检测；根据监测到的运行状态数据搭建新能源电网运行状态监测模型；利用电流监测原理对运行状完成监测。在实验中，通过监测器的布置进行运行状态的监控，并对提出的方法进行验证，经实验结果分析证明，发现采用基于物联网技术的新能源电网运行状态监测方法监测到的运行异常次数的误差较小，可以将误差控制在20%以内。此方法可以有效地对新能源电网的状态运行进行监测，可以更精准地对新能源电网的运行状态进行观察和研究，提高了电网运行的安全程度。     

电力巡检场景下的红外与可见光图像配准方法

电力设备故障会导致停电事故,影响电网的安全稳定运行。根据电力设备运行时会产生热量的特点,提出一种电力设备的红外与可见光图像配准方法,便于进行异常发热故障检测。首先通过Sobel边缘检测算子提取电力设备的红外与可见光图像的边缘信息,得到边缘图像;然后通过SuperPoint算法检测2幅边缘图像的特征点并计算描述子,利用SuperGlue算法对特征点进行匹配;最后通过最小二乘法计算仿射变换模型参数,实现电力设备的红外与可见光图像配准。实验结果表明本文方法能够对电力设备的红外与可见光图像进行高精度的配准。     

基于T-S模糊模型的电力短期不平衡负荷预测方法研究

综合考虑电网条件、生产和气象变化因数,计算电力短期负荷参数内存在的关联,以提高对负荷预测准确程度,提出一种基于T-S模糊模型的电力短期不平衡负荷预测方法研究.预处理和格式化历史负荷数据,去除误差数据.仿真结果表明,所提方法有较高的预测准确度,有利于保障电网运行的安全性、稳定性和高效性.     

基于BP神经网络的太阳辐射度预测

太阳辐射预测准确,能够对光伏发电的输出功率做出较为准确的预测,将为电网的运行和控制提供重要参考依据。建立了一种用于预测太阳辐射的BP神经网络仿真模型,通过利用实际数据对该模型进行训练,实现了对未来太阳辐射的预测。     

应用调控大数据的电网运行态势动态感知方法研究

传统方法在对电网运行态势进行感知的过程中,受到电网运行态势波动影响,无法提取态势因子参数,在态势感知累积和阈值为0.05~0.2的范围内存在负荷水平偏低的问题。为此,提出调控大数据的电网运行态势动态感知方法。获取系统静态有功安全域边界,根据调控大数据中的气象边界条件获取电网的安全裕度;选取丢包率、利用率、吞吐量作为电网运行的网络态势因子,依据简单网络管理协议(SNMP)信息的采集结果,对态势因子相关的性能参数进行计算,实现态势因子参数的提取;通过构建电网运行态势动态感知架构实现电网运行态势动态感知。为了证明所设计方法的有效性,进行负荷水平的对比试验。试验结果表明,该方法的负荷水平在几种试验方法中可以始终保持最高,更适用于该范围内的电网运行态势动态感知。     

一种基于SARIMA-LSTM模型的电网主机负载预测方法

随着智能电网的不断发展,如何提高对信息设备运行状态的预测准确率以及设置适应数据变化的动态阈值区间是电网IT运维面临的巨大挑战。为了解决这些问题,提出了组合时间序列预测模型(SARIMA-LSTM),即在传统周期性ARIMA 模型(SARIMA)的基础上,引入深度学习领域的LSTM模型,并摒弃了过去精度低、效果差的误差拟合方法,使用误差自回归方法来补偿预测结果。该模型可以学习到传统ARIMA模型无法捕捉到的误差波动规律,解决其无法预测非线性数据的问题。实验结果表明,在实际预测电网内存负载数据时,与ARIMA模型和SAIRIMA模型相比,SARIMA-LSTM模型可以实现更高的预测精度。     

基于进化神经网络的短期电网负荷预测算法

本文提出了一种基于进化神经网络的短期电网负荷预测算法。该算法使用改进的人工蜂群算法与BP神经网络融合生成进化神经网络,然后使用改进的人工蜂群算法对进化神经网络的偏置和权重进行优化。该算法将火电历史负荷数据作为输入,使用进化神经网络训练预测模型,预测未来一段时间内的电网负荷。首先,获取历史负荷数据。然后,将获取到的数据输入到进化神经网络模型中进行训练。在训练过程中,采用了改进的人工蜂群算法对进化神经网络对神经网络的权重和偏置进行优化,提高模型的预测精度。人工蜂群算法作为一种全局搜索算法,可以有效地探索模型参数空间,找到最优的模型参数组合,从而提高模型的预测精度。为了验证所提出的负荷预测方法的有效性,我们使用了火电网负荷数据进行了测试。实验结果表明本文提出的进化神经网络在短期电网负荷预测方面表现出了良好的预测精度和实用性。与传统的预测方法相比,该算法的预测误差更小,预测结果更加准确可靠。     

基于机器学习的电网关键断面安全运行自动控制系统设计

输电断面稳定超限问题日益突出,为此提出基于机器学习的电网关键断面安全运行自动控制系统。根据极限学习机理论使预测误差最小化,引入核函数获得关键断面精度。设计符合电网在线运行要求的电网关键断面安全运行自动控制网络框架,采用潮流法对断面输电极限功率实施运算,依据调度策略确定控制支路并实施约束,保证系统运行的安全性。控制电网负荷频率,获取采集交换业务数据,通过自动控制系统达到电网关键断面功率平衡,最终完成最优控制。实验结果表明:设计该系统能够提高电网整体的稳定度,并且能有效降低能耗。     

基于模糊控制和大数据算法模型的电力运维故障诊断设备方法

针对现有技术中对电力运维故障检测灵敏度低、诊断误差大等问题,设计了一种新型故障诊断方案。该方案将PID模糊控制计算器与大数据算法模型相结合,并采用实时布线的方法减少诊断面积,基于改进型大数据算法模型提取电力运维设备故障数据特征,对电力运维设备运行工况构建诊断网络,通过分析电力运维设备工况的功能系统完成数据诊断。为了减少诊断误差,该研究设计了一种故障诊断设备,采用集成芯片化设计和算法程序,减小体积的同时保证检测结果的准确性。实验结果表明,该研究方法故障诊断误差小,准确率最高达到98.6%。     

面向电网智能管控的电力信息系统研究

随着电力信息化的不断发展,对于电网智能管控的研究逐渐被人们重视起来,并且已经上升到了国家建设层面。为促使电力供应更加稳定和合理化,本文提出了一种面向电网智能化建设的电力物联网体系,该体系基于基础物联网结构,从电力的输送、变压、分配、使用不同阶段出发,规避了原有物联网和电力物联网在功能和支撑技术上的差异。并基于电力物联网应用框架进行系统构建,该体系以物联网采集数量为基础,结合云计算,有利于实现数据统一处理并分析、电力资源统一调配。最终形成了一套面向电网智能管控的电力信息系统,将设备远程监控、电能质量监测、电力设备监测、实时故障处理、电力资产管理等功能集成于一体,有利于实现电力管控智能化,提高电网企业效率。     

基于调控云的电网供区分析方法

为了解决调控云平台下电网大规模数据集的电网供区分析及其效率的问题,文中设计了基于调控云模型的电网供区分析方法.首先,本文定义了调控云电网供区数据模型.其次,在此数据模型基础上设计了一种电网供区分析方法并利用上述方法实现了电网供区分析展示应用.最后,针对某地区电网的调控云真实的厂站模型及拓扑数据进行实验验证,实验结果表明本文提出的基于调控云模型的电网供区计算方法能较好的分析出电网供区,满足实际电网调度的需求.     

基于大数据的电网设备供应链溯源管理评价研究

为了加强电网设备质量源头治理,解决设备质量可追溯性问题,实现贯穿设备全寿命周期的全程质量管控。本文从大数据理念出发,首先建立了基于大数据的电网设备供应链溯源管理评价框架模型,指明了电网设备供应链溯源管理评价的技术路线,其次设计采用网络爬虫技术对散落的海量数据进行爬取和处理,从而提取电力设备供应商的信息,然后构建了包含5个一级指标、8个二级指标和两个维度的三级指标的电力物资供应商评价指标体系,分析了指标间的相互关系,最后对如何合理配指标权重进行了探索,对主观赋权法、客观赋权法和模糊综合评价三种权重确定方法进行了对比分析,从而搭建了具有追溯性的电网设备供应链溯源管理评价模型,为电网企业进行供应商的评价优化提供借鉴。     

基于多源数据的电网一次调频能力平行计算研究

为解决电网一次调频性能难以估计的问题, 本文提出了基于多源数据的电网一次调频性能平行计算平台. 通过采集整合OMS (Operations management system)、WAMS (Wide area measurement system)、SCADA (Supervisory control and data acquisition)等系统的各类型一次调频数据, 以极大似然估计、数值拟合等方法构建机组一次调频性能功频图谱. 采用均方差分析建立电网一次调频性能数学模型, 基于并网运行机组的一次调频性能功频图谱, 估算出当前电网的实际一次调频性能. 算例计算表明, 本文所提出的计算方法能够有效兼顾机组类型的静态特性和运行工况的动态特性, 并以平行执行方式完成人工估算系统与实际电力系统的滚动优化, 实现了电网一次调频性能的在线全面估计, 为电网频率管理与控制提供数据决策支持.     

基于CNN和LSTM联合预测并修正的电量缺失数据预测

数据是电网调度控制系统稳定运行的关键依据, 而因为硬件故障等原因导致数据采集过程中的数据缺失会影响到系统数据的完整性, 从而对电网调度的智能性和高效性产生相应的影响. 因此, 针对缺失数据的准确预测对于智能电网调度系统的建设有着重要的意义. 本文针对解决电网领域电能量采集系统的缺失数据预测问题对已有的基于CNN和LSTM联合预测方法进行改进和优化, 在联合预测模型基础上添加修正模型, 针对不同缺失数据段利用CNN卷积神经网络和电力数据里特有的对侧数据场景建模, 实验结果证明该方法将平均绝对误差值降到0.142, 提高了现有预测模型的准确率, 对电网调度系统的智能性和高效性提供了数据完整性、准确性的保障.     

基于轮廓线与特征融合的电网变电设备三维自动化运检方法

因工作环境的复杂性,变电设备成为智能电网中故障频率最高的装置之一,易发生设备接地故障、保险熔断故障、绝缘材料老化等问题,为提高电网变电设备三维自动化运检精度,提出基于轮廓线与特征融合的电网变电设备三维自动化运检方法研究。采集电网变电设备三维图像,获取电网变电设备三维图像初始轮廓点,筛选变电设备轮廓点,依照顺序连接提取出的关键轮廓点,得到变电设备三维图像轮廓线,结合形态学滤波算法,对图像进行开、闭运算,依据轮廓线的闭合情况,分割出目标图像与背景图像,提取包括HOG特征与LBP特征的变电设备目标图像特征,经过特征融合后,构造最优分类超平面,制定电网变电设备三维自动化运检规则,判定变电设备运维情况,最终实现变电设备的三维自动化运检。实验数据显示：该方法识别出变电设备的正常与异常状态,在不同实验工况背景下,应用提出方法获得的变电设备运检精度达到了96%。提高了变电设备的自动化运检的识别及运检精度,满足现今变电设备的运检需求。     

电力系统中网络质量问题分析方法及实现

电力电网质量情况是关系到电网正常运行的关键,如何及时监测电力网络是目前亟待解决的技术问题,针对该问题,提出了新型的质量监测方法,该文基于.NET的浏览器/服务器(B/S)架构设计出系统总体架构,该系统包括监测设备层、数据库层服务层、Web服务层、客户端应用层等,通过电力网络质量检测模块监测电力网络系统中影响电力网络质量的数据,诸如网络正常稳态数据、网络参数、告警事件数据等,并且应用OneNet平台实现电力网络数据的准确、实时采集和传输,并采用随机矩阵理论模型对监测的数据进行深度的分析,揭示影响电力系统数据的因素。通过试验分析,该技术方案能够及时发现电网中的问题,有利于电力电网的稳定运行。