连锁故障中负荷损失数值特征的非参关联分析

从大量连锁故障仿真数据中观察负荷损失与电网特性指标的数值特征关系,建立负荷损失与阶段性电网特性指标的非参关联分析模型。基于多层时序演化连锁故障模型构建数据仿真平台,选取电气状态指标、网络结构指标以及有序分布指标这3类电网特性指标作为连锁故障负荷损失的关联对象,通过仿真得到连锁故障负荷损失与电网特性指标的大数据样本。采用非参数独立性筛选方法剔除弱关联特性指标,进一步利用Group Lasso非参数回归算法确定关联特性指标与负荷损失的非参数关联规则。西南某省级电网算例表明,非参关联分析方法可揭示与连锁故障负荷损失具有强关联性的电网特性指标,同时显性地给出电网特性指标与负荷损失的关联水平和趋势。     

智能电网中考虑温积效应的OSVR负荷预测

为了提高智能电网系统的负荷预测精度,基于支持向量回归(support vector regression, SVR)原理以及卡罗需-库恩-塔克(Karush-Kuhn-Tucker, KKT)条件,建立一种在线支持向量回归(online support vector regression, OSVR)预测模型。当数据库有新样本添加时,该模型利用递增算法及时调整参数,实时学习当前负荷曲线特征和气象变化状况,而无需结合旧样本重新训练模型;考虑到温积效应对电力负荷产生显著影响,基于Fisher信息(FI)原理,通过气温窗口数据计算当前气温的权值,并将气温加权积作为模型输入量;将温度影响的持续性引入建模过程,从而得到FI-OSVR负荷预测模型。实例仿真结果表明,FI-OSVR模型具有较高的预测精度,在智能电网负荷预测中具有优越的工程实用性。     

计及相似日与气象因素的电动汽车充电负荷聚类预测

电动汽车充电负荷精准预测对于电网调度、电力市场交易、充电站规划建设等具有实际意义。由于电动汽车充电负荷特性异于传统的电力负荷,两者负荷的规律性及影响因素的敏感性各有不同,有必要针对电动汽车充电负荷影响因素及预测模型开展针对性研究。考虑到不同类型电动汽车充电负荷时间序列特性及影响因素存在差异,构建考虑日类型、最高与最低温度的电动汽车充电负荷预测模型;采用模糊C均值(fuzzy C-means, FCM)聚类算法对充电负荷进行聚类分析,挖掘数据特征属性,提取相似日负荷;针对聚类后的相似日负荷采用最小二乘支持向量机(least square support vector machine, LS-SVM)进行预测。将所得的预测结果和测试集进行对比,结果显示,基于该模型的预测精度高于使用非聚类的LS-SVM方法,验证了预测模型的有效性。     

基于双向长短时记忆的立体化超短期负荷预测

传统电力系统负荷预测的基本思路是基于时间序列的历史负荷数据采用机器学习方法实现负荷预测.这种方式缺乏负荷在时间、空间两层的相互耦合关系.对此,在电力系统全景全周期运行状态可观测条件下,提出了大数据环境下基于双向长短时记忆网络的立体化负荷预测.首先提出了负荷在电网时间、空间下的耦合关联方程;其次,利用负荷节点的时间大数据...     

基于PCA-SVM的电力系统短期负荷预测

针对基于支持向量机的电力系统短期负荷预测算法中,预测模型的精度和泛化能力易受样本集中输入变量的影响,利用主成分分析方法能有效地消除变量之间共线性的特点,通过提取样本集的主成分完成数据预处理,有效地压缩样本集的维数。根据East-Slovakia Power Distribution Company提供的电网运行数据进行了预测计算,证明此方法与标准支持向量机算法相比,可以降低样本集的维数,提高负荷预测精度。     

基于人群搜索算法的电网短期用电负荷预测研究

针对传统预测方法缺少对未知变量的分析,导致预测效果较差的问题,提出了基于人群搜索算法的电网短期用电负荷预测研究。将电力系统负荷时间序列进行分解,获取负荷时间序列的高低频分量,并对电网短期用电负荷特性展开分析。借助人工智能研究成果,研究人群搜索算法原理,充分考虑电网短期用电负荷受到温度因素影响,选取输入变量,并以此构建人群搜索算法预测模型。通过设计预测流程以及对未知变量分析,实现对电网短期用电负荷预测。通过实验结果可知,采用该预测方法具有良好预测效果,为保障电网稳定运行提供依据。     

基于Fisher信息和在线SVR的智能电网气象敏感负荷预测动态建模技术

智能电网大数据环境为解决短期负荷预测模型性能退化和精度随时间降低等问题提供了契机。基于此,该文提出一种基于在线支持向量回归(on-linesupportvector regression,OSVR)和Fisher信息(Fisherinformation,FI)气象因素处理及特征选择(features selection,FS)的动态建模新方法,用该方法来构建过程变量之间关系快速变化时的智能电网气象敏感负荷预测模型。首先,利用支持向量回归(supportvectorregression,SVR)模型的卡罗需–库恩–塔克(Karush-Kuhn-Tucker,KKT)条件推导出一种简洁的OSVR学习算法,使得每当有样本增加到训练集或从训练集移除时,该算法均能有效地更新已训练好的SVR模型,而不用对整个训练数据重新再训练。其次,提出一种基于Fisher信息的特征选择方法和气象因素引入方法,能够从捕获的数据中提取主要特征,并有效处理气象因素的累积效应。实际测试结果表明:所建立的预测模型能够使用最新的数据信息完成更新,在过程特征发生快速变化的情况下,其预测精度仍高于传统方法。     

基于PCA-LSTM模型的风电机网相互作用预测

随着风电在电力系统中渗透率不断提高,风电机组接入电网带来的机网相互作用问题已严重影响电网安全和电能质量,对风电机网相互作用进行研究意义重大。在TensorFlow深度学习框架下,提出一种基于长短期记忆(long short-termmemory,LSTM)网络的风电机网相互作用预测模型。首先,通过主成分分析法(principal component analysis,PCA)对多变量时间序列做筛选,降低数据维度。其次,用LSTM网络对选出的风电机网相互作用关联因素序列和风电实际输出序列之间的非线性关系进行建模,并通过实例与其他预测方法对比证明其具有更高的精确度和适用性。最后,对机网相互作用观测对象的预测数据进行Prony分析,通过实测数据验证采用观测对象预测值分析机网相互作用的可行性和有效性。     

一种基于XGBoost算法的月度负荷预测方法

为向大工业提供更为精确的月度负荷预测,提出将XGBoost(极端梯度上升)算法引入电网负荷预测,对负荷及相关影响因素指标进行异常识别填补、指标转换、独热编码等数据预处理工作;结合关联分析,对相关影响因素指标进行筛选;最后采用XGBoost算法进行月度负荷建模预测。结合实例,对比XGBoost与支持向量机、神经网络模型算法在大工业用户近几年历史月度负荷数据建模预测中的应用,发现XGBoost模型应用效果较佳,具有一定的实用性。     

基于敏感气温空间分布的度夏度冬日最大负荷预测与应用研究

随着电气化率的提升，新型电力系统“双高双峰”特性愈发明显，准确预测度冬度夏日最大负荷对电力平衡安排、迎峰保电保供的重要性也更加突出。采用负荷分解理论，提出了基于敏感气温空间分布的夏季和冬季日最大负荷预测方法。利用社会发展因素，建立基础负荷与国内生产总值(gross domestic product,GDP)、居民消费价格指数(consumer price index,CPI)关联模型，为基础负荷的估算提供更客观、严谨的理论依据。根据各区域电网负荷占比识别重点分区，采用M-K(Mann-Kendall)检验确定分区敏感气温并统计各分区温变负荷范围，结合聚类分析方法构建分档位温变负荷预测模型。以国家电网有限公司经营区2021年度冬度夏日最大负荷预测为例，预测结果相比ARIMA(autoregressive integrated moving average)时序预测法、支持向量回归法(support vector regression,SVR)的结果更具优势。结合2022年度夏日最大负荷预测算例，进一步验证了所提方法和模型的有效性。     

微电网概率性最优的储能容量研究

针对可再生能源发电受外界环境影响较大、难以控制,接入微电网后对其安全运行带来很大挑战的问题,指出在微电网中接入储能装置可有效地解决此问题;研究了微电网孤岛运行时储能容量的确定方法,提出了一种概率性最优的储能容量确定方法：计算了微电网调度出力与负荷需求的功率差额,并根据其概率函数密度曲线确定储能系统的最大充放电功率;根据储能系统不同时刻其充、放电量累计值的概率函数密度曲线,求出其最优储能容量,使电网能实现经济效益最优和可再生能源利用率最大。采用该方法确定微电网储能容量,具有求解方法简捷、所需储能容量小的特点。     

220 kV变电站10 kV直供负荷的改善措施及其经济分析

为了协调220 kV与110 kV变电站布点关系,结合某省220 kV变电站三卷变压器10 kV低压侧直接向负荷供电（简称直供）的实际情况,对全省220 kV变电站进行统计分析,研究其直接供电的现状及运行中反映的问题,并有针对性地从技术和经济层面提出解决办法：对10 kV直供负荷供电时,将配电网规划和10 kV直供负荷相结合,优化配电网的结构,合理利用220 kV变电站的容量,由220 kV变电站向周边10 kV负荷系统直接供电,在确保供电可靠性的情况下,控制10 kV线路的送电距离。以上措施可挖掘现有电网的供电潜能,降低线路损耗,使电网布局更趋合理。     

智能变电站中高频开关电源技术应用

高频开关电源因其性能可靠、体积小、效率高等优点,已广泛应用于智能变电站直流系统中,为变电站安全、可靠运行提供保障。首先简单介绍了交直流一体化电源系统,然后分别对直流充电模块、通信电源模块、UPS电源模块作了详细分析,重点研究了高频开关电源的N+1冗余技术和均流技术。通过研究发现,这2种技术的应用提高了高频开关电源模块的可靠性。高频开关电源能够满足智能变电站对直流系统可靠性的要求。     

电解铝整流系统建模与稳流协调控制策略

介绍了大功率直流电解铝供电系统结构,建立了包括电解槽负载模型、饱和电抗器（ＳＲ）模型以及有载调压变压器（OLTC）的整流系统模型,提出了稳流协调控制策略：OLTC可对系列电流进行离散性的粗调,SR可在一定范围内实现对系列电流的连续性微调,两者结合能有效地解决机组投入与退出、阳极效应发生等大扰动下的稳流精确控制问题。基于电磁暂态分析软件包（ＥＭＴＤＣ）搭建了6机组整流系统,对网侧电压波动、负荷波动等工况进行了仿真分析,仿真结果表明：所提协调控制策略能保持直流系统处于最佳的运行状态,可实现电解铝生产过程中电流的平稳。     

基于先验方差的发电机惯量辨识数据质量评估

发电机惯量是电力系统频率特性分析与在线应用的重要参数。基于发电机正常运行时机端有功功率和频率的类噪声信号可对发电机惯量进行实时辨识。然而实测数据质量存在的缺陷,导致现有算法对实测数据辨识效果较差。为解决该问题,本文以谱分析与系统辨识理论为基础,通过参考系统估计、模型参数方差估计、惯量方差估计三个步骤,建立惯量辨识结果的先验方差统计量,在进行辨识前对类噪声数据段进行评价和筛选,提升了惯量辨识的准确度。基于仿真数据和实测数据的数据评估筛选结果验证了本文提出方法的有效性。结果表明,先验方差较小的数据段,惯量辨识的准确度较高。     

基于暂态相关性分析的小电流接地故障选线方法

小电流接地系统发生单相接地故障时,接地点产生的暂态故障电流包含了整个系统中全部的暂态故障电流特征量。非故障线路的三相暂态电流主要表现为对地电容电流,考虑到系统中存在的电感影响,健全线路中的两相电流差非常小,且波形与自身的暂态零序电流明显不相关,而故障线路的两相电流差与其暂态零序电流表现出明显的相关性。利用这一特征,首先对母线电压进行小波变换,通过三相近似系数比例AR检测配电网是否发生了单相接地故障,并找出故障相;然后,运用相关性分析比较各条线路的两相电流差与零序电流的相关性,能够正确地选出故障线路,文章通过MATLAB/SIMULINK建模,验证了该方法的正确性。     

基于卡尔曼增益动态修正的动力电池SOC估算

扩展卡尔曼滤波法(EKF)被认为是一种精度较高的电动汽车动力电池荷电状态(SOC)估算法,但是观测方程误差会对SOC估算结果带来影响。对EKF滤波过程进行改进,根据观测方程的误差对原EKF滤波过程增设动态卡尔曼增益修正系数,提出基于卡尔曼增益动态修正的动力电池SOC估算法。仿真结果表明EKF法可以有效克服SOC初始值不准确所造成的估算误差,动态卡尔曼增益修正系数可以进一步减小由于观测方程误差造成的SOC估算误差,使估算误差保持在5%之内。     

多ARM协同架构的智能合并单元设计

为降低合并单元设备成本、增强其智能化和通用化特性,利用多ARM（高级精简指令集处理器）并行处理的优势来构建智能合并单元。采用灵活的模块化方式来进行总体架构的设计,通过光纤接口方式与其他智能电子设备建立基于快速以太网的双向通信,遵循IEC 61850通信标准进行采样值报文和GOOSE报文的高速网络化传输。结合数据处理和报文传输的要求,详细阐述了采样控制和开入开出控制等核心部分的软件处理流程。采样值及GOOSE传输等相关测试结果表明,该智能合并单元工作可靠而稳定,可满足智能变电站中合并单元在实时性强、可靠性高、通信流量大等方面的要求。     

East China Market in Dire Need of Three Major Breakthroughs

Since started as a pilot project of regional power marketin June, 2003, East China power market has been actively andsteadily progressing, and has promulgated in succession amarket establishing program, market operating rules andspecifications for the functions of technical support systems.The technical support systems have been built up by stagesincluding the master station system in East China region and     

12th International Conference on Electronic Measurement & Instruments(ICEMI'2015)

正Qingdao,China 7.16-19,2015 The International Conference on Electronic MeasurementInstruments(ICEMI)is the world's premier conference dedicated to the electronic measurement and test of devices,boards and systems that is covering the complete cycle from design,verification,test,diagnosis,failure analysis and process of manufactory and products