综合能源互联网配电网故障定位与隔离的研究

基于"互联网+"的智慧能源互联网综合服务是互联网在电力行业的体现,充分利用了计算机技术、信息技术及人工智能技术等,具有信息的高效处理与状态的全面感知等优点,是实现万物互联互通的重要手段.现阶段配电网故障定位与隔离存在过程较繁琐、计算量及存储量大等缺陷,因此结合互联网中边缘计算的思想,提出一种基于综合能源互联网的配电网故障定位与隔离方法,设计了适用于综合能源互联网中配电网故障定位与隔离的模式与算法,实现了高效、快速定位的目标,同时减少了计算量与存储量,最后通过算例验证了方法的有效性.     

基于边缘计算和深度学习的有限信息配电网单相接地故障区段定位

目前围绕量测条件受限的配电网展开的故障定位研究较少,且传统的主站集中式故障定位系统在实时性与安全性等方面存在不足。针对上述问题,提出一种基于边缘计算和深度学习的单相接地故障区段定位方法。首先,构建基于分区修正的边缘计算单元配置多目标优化模型。该模型通过分区修正方法降低了故障定位系统的通信时延,提升了数据传输安全性,进而保障配电网安全运行。其次,将基于数据驱动的智能算法应用于配电网故障区段定位,选择易获取的相电流稳态有效值在故障前后的变化量作为故障特征,利用全连接型深度神经网络学习样本特征与标签间的映射关系,得到离线训练好的定位模型并储存在边缘节点以实现快速故障定位。最后,以IEEE33节点系统为例进行仿真。算例结果表明该模型在分布式电源接入、高阻故障、噪声干扰以及拓扑改变等情况下均具有良好表现。     

基于边缘计算的配电网过电压在线识别装置

人工智能算法、边缘计算技术的快速发展,为研制识别率更高、智能化更强的新型配电网过电压识别装置奠定了基础.提出了一种基于边缘计算的配电网过电压识别软硬件系统设计方法.在硬件上采用多级运放设计了适于高带宽、高精度高压分压器的信号调理电路,利用高速数据采集卡实现了配电网三路电压信号的同步实时采集,以带神经网络处理器(NPU)...     

基于Infomap算法的配电网边缘划分方法

在能源互联网时代,配电网面临着海量分布式数据的计算和存储需求,而边缘计算可以利用网络末端资源就近提供配用电分析和计算,从而减轻主站计算、存储压力。为了充分发挥配电网边缘计算的优势以及提高配电网精细化运行管理水平,文章提出了一种基于Infomap算法的配电网边缘划分方法。首先,考虑配电网边缘规模和自治需求,明确定义配电网边缘范围并设计边缘划分原则;然后,构建基于路径描述的配电网N-1安全校验模型,并用求解出的联络开关动作次数量化边缘间联系的紧密程度;最后,基于复杂网络社区检测的思想,将配电网抽象为图模型,并结合Infomap算法和配电网运行管理特点进行边缘划分,通过实际配电网的算例验证了文中方法的有效性与合理性。     

基于边缘计算的分布式配电故障处理系统

长期以来,配电自动化建设集中在10kV城市配电网,而忽略了0.4kV低压配用电系统。低压配电系统发生开关设备故障、线路短路、越级跳闸等事件时,故障定位时间长、事故处理响应慢。基于泛在电力物联网的建设要求和技术路线,文章提出并设计了一套基于边缘计算的分布式配电故障处理系统,可实现对低压配电设施故障及时感知、实时响应。实践应用表明,该系统可大大加快低压配电故障处理速度、缩短停电时间、提升供电可靠性和用户满意度。     

边缘智能技术在智能配电网中的应用探讨

智能电网技术的快速发展,引入了大量的智能化设备,致使传统的云端集中式管理遇到了挑战.主动配电网用电侧具备更灵活的调节能力和负荷特性动态变化.为了更好地适应和满足多样的负荷侧主动响应,智能配电网必须提供一种可快速迭代的在线自动调度系统架构.提出一种将边缘计算技术结合人工智能的应用思路,以配电网需求响应协调控制架构为例,讨论了具体实现方式,提出"云边端"协同控制模式,在边缘节点进行负荷聚类、负荷预测以及负荷控制.最后,结合开发的试验样机做了典型应用说明.结果表明,提出的在线协调控制系统能够满足负荷侧主动调节的优化调度.     

基于边缘计算的配电网数字化转型关键问题分析与展望

配电网是新型电力系统建设中最为关键和最具活力的环节之一。面向日益复杂的配电网运行与控制问题,数字化转型已成为广受认可的发展思路。边缘计算为数字配电网中海量数据资源和物理资源的利用提供了有效手段,同时也将作为配电网多种业务功能在边缘侧的融合承载平台,推动配电网运行架构的发展变革。文中围绕边缘计算技术驱动下的配电网数字化转型问题,梳理了配电网边缘计算装置的关键技术需求;分析了配电网边缘计算的技术定位及由其所支撑构建的数字配电网技术架构,特别针对数字配电网运行问题,从集群化、分布式、灵活定义3个典型特征入手,围绕边缘侧集群自治、边-边协调控制、云-边协同运行等典型模式下的关键问题和技术研究方向进行了分析与探讨。     

柔性互联配电网故障恢复的云边协同优化算法

柔性互联配电网是未来新型配电网的新发展方向,系统对故障恢复策略及其算法提出了更高的响应速度要求。为提升配电网故障恢复优化算法的响应速度,以柔性互联设备为网络边界,采用云边协同技术,在遵循云边端网络架构的约束下,将健全边缘网络的最优潮流计算前移到配电网正常运行时,采用定时或阈值触发扫描计算并拟合边缘网络最优运行指标与网间交互功率的分段线性关联函数,从而提出基于边缘网络前置预计算的柔性互联配电网故障恢复优化算法及其云边协同调控逻辑。由于各边缘网络的优化计算前置到正常时,且优化模型被限制在边缘网络内,优化模型维度被有效限制,配电网故障恢复算法的响应速度得到提高。算例分析与对比验证表明,所提方法准确且计算效率高。     

基于云-边协同的配电网快速供电恢复智能决策方法

分布式电源高渗透率接入对配电网故障自愈能力提出了更高的要求。基于模型的供电恢复方法利用精准的网络参数构建优化模型,可以实现供电恢复策略的准确制定。但在配电网实际运行中,精准的配电网络参数往往难以获取,导致基于模型的供电恢复方法应用受限。云-边协同运行模式可作为配电网快速供电恢复的一种实现方案。提出一种基于云-边协同的配电网快速供电恢复智能决策方法。首先,在云端基于图卷积神经网络建立配电网快速供电恢复智能决策模型,包括网络重构模块和潮流模拟模块。当故障发生后,云端利用网络重构模块,快速制定网络重构策略,经过破圈法/避圈法验校后下发至配电网边缘侧的边缘计算装置。边缘侧根据云端的网络重构策略利用潮流模拟模块就地制定负荷恢复策略,实现系统的快速供电恢复。最后,依托改进的IEEE33节点配电网算例对所提模型进行分析,验证了所提方法可有效提升配电网的供电恢复能力。     

基于K8s的配电边缘计算终端资源动态配置方法

随着新型电力系统发展，接入海量分布式对象的配电网在信息感知、分析、控制能力等方面都面临挑战，将成为边缘计算重要的应用场景。为了更好地满足配电网业务的实时性要求，提出了基于Kubernetes（简称K8s）的配电边缘计算终端资源动态配置方法。首先，针对配电网计算资源弹性伸缩需求，建立了基于K8s技术的配电边缘计算终端模型；然后，基于配电网业务与Pod集合间的对应关系，提出了以Pod集合为伸缩单元的资源弹性伸缩算法；最后，在MATLAB上进行建模仿真，构建业务请求种类和数量各不相同的配电网业务场景，讨论了不同弹性伸缩机制和不同弹性伸缩系数下配电网业务处理结果。仿真结果表明，以Pod集合为伸缩单元且设置合理的弹性系数能够有效降低业务时延，验证了该方法的有效性。     

基于随机矩阵理论的配网故障可观的PMU优化配置方法

定义故障在全网最不灵敏节点发生时可检测为随机矩阵理论下的全网可观。相同故障发生在不同节点时对配网影响程度不同,对应的随机矩阵理论指标MSR的跌落程度不同。提出了配网故障时全网可观的PMU优化配置方法。分别在所有节点设置单相和两相接地故障,得到2种情况下全网的电压数据并计算相应的MSR;对2种MSR进行加权,计算出各节点灵敏系数;以灵敏度最低的节点发生故障时全网可观为目标,按灵敏程度逐次减去不灵敏节点的PMU并计算相应的MSR,直到故障不可检测,得到的PMU配置即为最后配置。以IEEE36节点和IEEE39节点模型进行仿真,验证了在该PMU优化配置方案下,可用随机矩阵理论对配网进实时监测,在故障发生时能准确检测到故障并确定故障发生的时刻。     

基于边缘计算的电网假数据攻击分布式检测方法

虚假数据注入攻击(FDIA)作为新型的电网攻击手段,严重威胁智能电网的安全运行。爆炸式增长的数据给集中式的FDIA检测方法带来了巨大的挑战。基于此,提出了一种基于边缘计算的分布式检测方法。将系统拆分为多个子系统,且在子系统中设置边缘节点检测器进行数据的收集、检测。结合深度学习的方法,构建了CNN-LSTM模型检测器,提取数据特征,并将模型的训练过程放置在中心节点上,实现高效、低时延的FDIA检测。最后在IEEE14节点和IEEE39节点测试系统中,设定不同攻击强度,对所提边缘检测方法进行验证。结果表明,与集中式的检测方法相比,所提边缘检测方法在检测时间和内存消耗两个指标上有明显的下降。     

基于同步相量测量技术的配电网故障定位

配电网的故障定位是配电网自动化系统中的一项高级功能。为此,针对配电网的特点,结合同步相量测量技术对节点电压方程进行了处理,导出了一种新型的故障定位矩阵算法。该算法具有较强的通用性,求解过程简单快捷,故障定位快速,对于部分类型的故障还可以具体解出故障距离。最后结舍IEEE13节点系统和[EEE36节点系统,说明了该算法的定位方法并证实了其有效性。     

考虑天气影响的配电信息物理系统可靠性评估

电力与通信深度融合是配电网发展的趋势,而天气又是影响配电网可靠性最主要的要素之一,研究评估考虑天气影响的配电信息物理系统可靠性很有必要。首先,选取对电力元件故障和通信元件故障影响最大的天气要素,并对天气要素进行区间划分,构建适合分析电力元件故障和通信元件故障的天气状态模型;其次,结合配电网历史故障数据和历史天气数据,构建以天气状态为变量的电力元件故障概率模型和通信元件故障概率模型;接着,针对通信元件故障使得监视和控制失效而造成的后果评估,给出配电网失负荷量化分析方法;然后,综合考虑电力元件和通信元件故障,提出基于蒙特卡洛方法的配电网信息物理系统可靠性评方法;最后,在改进的IEEE 33节点测试系统进行仿真测试,验证了所提算法的可行性和有效性。     

基于拟牛顿法的配电网络潮流计算

以牛顿法为基础,提出了一种拟牛顿法的逆布雷顿秩1的方法来计算配电网络的潮流,该方法减少了每步迭代的计算量和计算时间。与经典的保留二阶项配电网络潮流算法相比,拟牛顿法计算速度快,且能很快收敛,IEEE33节点、145节点的配电系统算例,验证了所提方法的有效性。     

基于量测大数据和数学形态学的配电网故障检测及定位方法研究

提出基于量测大数据和数学形态学的配电网故障检测及定位方法,该方法基于多点同步测量的采集分析架构可使所有数据在同一个时间剖面。首先,通过同步量测采集到的行波信号和工频信号,结合配电网拓扑结构,构建全网大数据矩阵;然后利用Trace检测、圆环定律等方法判别波形信号奇异点,快速判别是否存在故障及不同类型故障的波形畸变规律,从而达到快速故障检测的目的;在检测到故障后,采用基于现代D型行波故障定位方法对故障点进行高精度定位。最后,在PSCAD 80节点配电网模型中对该方法进行了仿真验证,验证结果说明本文提出的方法具有不受线路长度和波速影响,精确度较高的特点。     

A fault segment location method for distribution networks based on spiking neural P systems and Bayesian estimation

With the increasing scale of distribution networks and the mass access of distributed generation, traditional centralized fault location methods can no longer meet the performance requirements of speed and high accuracy. Therefore, this paper proposes a fault segment location method based on spiking neural P systems and Bayesian estimation for distribution networks with distributed generation. First, the distribution network system topology is decoupled into single-branch networks. A spiking neural P system with excitatory and inhibitory synapses is then proposed to model the suspected faulty segment, and its matrix reasoning algorithm is executed to obtain a preliminary set of location results. Finally, the Bayesian estimation and contradiction principle are applied to verify and correct the initial results to obtain the fnal location results. Simulation results based on the IEEE 33-node system validate the feasibility and efectiveness of the proposed method.     

考虑一二次耦合多重故障的电力系统风险评估

为了综合评估恶劣天气下输电线路故障与二次系统隐性故障导致的多重故障风险,提出了考虑一二次耦合多重故障的电力系统风险评估方法。首先,分析了气象灾害导致输电线路故障的特点,总结了一二次设备耦合多重故障的特点。其次,综合考虑输电线路及保护装置的失效概率,建立了一二次耦合多重故障模型。然后,应用拉丁超立方抽样实现初始故障集的快速生成,进而评估系统失负荷、节点电压越限、支路潮流越限等风险指标。最后,采用IEEE39节点系统对所提方法进行测试。研究结果表明：考虑一二次耦合的多重故障,系统面临的风险更为严重;使用拉丁超立方抽样,可兼顾不同气象分区内线路故障概率分布差异,提高计算效率;通过多维度风险指标排序,能够有效筛选灾害天气落区内影响电网风险的关键线路和母线,为电网风险防控和薄弱环节治理提供决策依据。     

基于正序电压变化量的故障电压暂降源定位算法

随着越来越多敏感负荷接入电网,由电压暂降问题直接及间接带来的经济损失日趋严重。在各类电压暂降中,故障引发的电压暂降占比最大,对其进行准确定位是高效治理电网故障的必要前提。文中针对故障型暂降源提出一种基于正序电压变化量的定位方法,基于发生故障时各监测点的正序电压分布特性,建立监测点信息库和各支路故障距离定位模型;然后基于马氏距离与Pearson相关系数定义相似度指标,利用信息库匹配的方法对故障所在支路进行初选;最后采用遗传算法对最优故障距离目标函数进行寻优,定位故障源。利用IEEE 14节点仿真系统对所提方法的有效性与准确性进行了验证。