配电网均匀接线图生成及态势图察觉度计算

针对常规配电网接线图作为配电网态势可视化态势底图存在不少缺陷,文中提出了一种全新的底图形式,即以变电站为中心的配电网动态辐射状均匀接线图的态势底图,并提出了其基于改进型FR力导布局的自动生成算法,即针对过长馈线在节点运动方程引入牵引力,添加点边规避处理负荷与线路过近的问题,引入馈线与馈线、相邻级别线路的斥力从而达到边边规避;基于地理接线图和均匀接线图为底图的2种电压等高线态势图进行定性分析,提出了态势图察觉度及其计算方法,并进行了定量对比,表明后者的态势察觉度明显优于前者。     

基于电压时序数据的配电台区户变关系智能识别

为解决低压配电网络户变关系不准确带来的台区线损统计、排查困难等问题,根据电力大数据技术,提出了基于变压器低压侧和用户侧电压时序数据聚类的配电台区户变关系智能识别方法.首先,采用改进的动态时间规整算法计算用户时序电压序列的相似度;其次,提出基于自组织特征映射算法与K-means算法相结合的两阶段聚类方法,结合时序数据相似...     

智能电网态势图建模及态势感知可视化的概念设计

提出了智能电网态势管理概念模型及概念设计,包括态势感知可视化对象建模及应具有的核心算法模块。态势可视化的核心是态势图建模,文中提出了态势图构成模型,并提出了实时态势图片生成以及基于条件触发的历史图片存储机制。存储的带时间戳的历史态势图片,经过拼图,可实现历史动态态势图动画反演播放;提出了未来的预测动态态势图的生成机制,生成的带时戳的未来态势图片,经过拼图,可实现未来动态态势图动画播放。初步探讨了态势图设计评价指标,指出态势底图的选择将直接影响到态势感应和感知可视化效果。     

基于深度学习和改进K-means聚类算法的电网 无功电压快速分区研究

随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难。提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法。首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱。然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维。最后基于改进的K-means聚类算法用以对降维后的特征序列进行聚类分析,通过检验电气模块度值来确定最终的分区。以电气模块度、无功储备校验两个评价指标对电网分区质量进行评估。对IEEE39节点和IEEE118节点系统进行仿真分析,验证了所提方法在保证连通性以及充足的无功储备的的基础上,具有较高的电气模块度。     

面向不对称察觉的低压配电网分相接线图自动成图

态势可视化是低压配电网现代化监管关键技术之一,为此提出配电变压器为中心低压配电网(TCDN)概念作为研究及工程应用的对象和目标。清晰美观的接线图自动生成是TCDN态势可视化的前提,接线不对称性和负荷不对称性是低压配电网的关键特点,因此提出2类适合态势感知的分相接线图布局设计。提出了TCDN分相接线图自动生成原理,基于该原理的接线图,既能确保三相四线主干线和三相用户的接线对称性,也能清晰识别出单相双线用户导致的接线不对称性。对于提出的虚拟全单相接线图形,基于其单线束扇形图形设计参数和排列顺序,提出了单线束初始布局以及缩放和旋转参数计算方法以生成初始图形,再进行基于力导的美化计算以得到较为美观的图形。基于提出的原理,得到的虚拟全单相接线图形可以分解组装得到分相接线图。案例验证了该方法的快速性和有效性,其电压态势时序图片可以很好地察觉含单相户用光伏、单相及三相负荷变化下的低压配电网动态运行特性。     

面向海量用户用电特性感知的分布式聚类算法

智能电表的普及促进了配用电大数据的发展。通过对用户用电数据的挖掘和用电特性的感知,能够有效识别用户用电模式、评估需求响应潜力、指导电价制定等。然而,用户用电数据一方面随时间不断更新,增长迅速,呈海量态势;另一方面,数据采集点分布在用户侧,具有极强的分散性。针对海量、分散的用电数据带来的挑战,文中提出一种新的分布式聚类算法。首先利用自适应k-means聚类算法对分布在各区域的用电数据进行局部聚类分析,提取各局部数据的典型负荷曲线,构建局部模型;然后利用传统聚类算法对获取的局部模型进行二次聚类分析,获取全局的典型负荷曲线,构建全局模型;最后向局部数据中心反馈全局聚类结果,实现全局聚类分析。通过爱尔兰实际量测用电数据证明了所提出算法的有效性。     

基于改进FCM聚类算法的清洁能源典型场景构建

电力系统的中长期规划和经济运行优化需要考虑能够反映清洁能源历史数据特征的典型场景,提出了一种基于改进FCM聚类算法的清洁能源典型场景构建方法,并将其应用于含清洁能源的电力系统运行成本优化中。以浙江省某地区电网为例,在电力系统运行成本优化领域对比基于改进FCM聚类算法与基于全年时序法、典型日法的场景构建方法的性能优劣。研究结果表明,提出的改进聚类算法的清洁能源典型场景构建方法兼具计算精度与效率,具有实际应用价值。     

基于改进DBSCAN算法的变压器不良漏抗参数辨识

PSD-BPA在中国电力系统仿真计算中被广泛应用,但由于其数据格式的特殊性,往往容易出现许多人为原因的数据错误,这给仿真计算结果的准确性与可靠性带来了极大的隐患。首先,在给出变压器不良漏抗参数辨识步骤的基础上,结合PSD-BPA潮流数据中变压器参数数据的特点,提出了考虑特征相似度的具有噪声的基于密度的聚类(DBSCAN)改进算法。其次,基于各类参数向量簇的各属性最大相似系数,计算获得各类参数向量簇的典型特征向量。然后,基于各类的典型特征向量,针对聚类结果中的噪声簇,提出了基于离群系数的可疑不良数据分布模型;在此基础上,结合分布规律,提出了基于可疑度的不良参数判别方法。最后,通过实际算例验证了所述模型与方法的有效性。     

改进谱聚类与遗传算法相结合的电力时序曲线聚类方法

为改善传统聚类算法在电力时序数据上的聚类效果,提出一种基于优化特征向量选取的遗传谱聚类算法。针对应用数据结构特点,合理优化谱聚类算法中特征向量的提取过程,避免传统方法可能造成的数据信息缺失问题;采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。以UCI标准合成时间序列数据与美国区域电网运营商PJM提供的日负荷数据为例,对比分析现有常用聚类算法与所提算法测试结果的聚类有效性指标与形态特征。研究结果表明,所提算法分类效果显著,有较高的聚类质量和算法稳健性,具有工程应用前景。     

面向暂态电压控制的大电网区域划分方法

暂态电压稳定控制越来越受到重视,实现分区控制是提高大电网运行稳定性的有效手段。文章提出了基于节点暂态电压特征的区域划分方法。根据节点暂态电压时序信息构建节点的向量型暂态电压特征,引入余弦相似度评价节点间暂态电压特征的相似性作为电气距离的衡量,采用仿射传播聚类算法对暂态电压行为特征相似的节点进行聚合,并利用轮廓系数进行分区方案的评价以获取最佳分区方案,实现了暂态电压控制区域的构建;基于此可进一步实现动态无功补偿规划以及暂态电压分区控制。在NE 39节点上进行算例分析,验证了所提方案的有效性。     

基于混合聚类分析的电力系统网损评估方法

面向具有海量性、多元数据类型特征的电网运行方式数据集,如何快速、准确地实现电力系统网损评估将是一个重要研究点。采用数据挖掘和典型场景模拟思想,提出了一种新颖的基于混合聚类分析的网损评估方法。该方法首先面向网损评估确定聚类属性;其次根据各聚类属性的数值类型异同将原聚类问题分解为两个聚类子问题,进而在充分考虑电力数据特点的基础上,分别选取划分聚类算法和层次聚类算法对其进行聚类分析,并集成各子问题的聚类结果;最后基于混合聚类结果生成电网的典型运行方式集,以用于网损评估。以某省级电网为算例验证所提方法在网损评估中的有效性,结果表明基于所提方法的网损评估精度较高,计算效率较好,在工程实际中具有较强的实用性。     

基于多级聚类分析和支持向量机的空间负荷预测方法

为充分利用元胞负荷与元胞属性之间的相关联系来改善空间负荷预测效果,提出了基于多级聚类分析和支持向量机的空间负荷预测方法。首先生成元胞并建立元胞属性集合,根据各属性对元胞进行多级聚类分析,其中采用改进的k-均值算法确定聚类数目和初始聚类中心,来得到逐级细化的元胞分类;然后针对不同类型的元胞建立各自的支持向量机预测模型,同时利用遗传算法进行参数优化以提高预测模型的适应度;最后将待预测元胞的相关属性作为输入向量并代入所建立的预测模型中计算出目标年各元胞负荷最大值,从而实现空间负荷预测。工程实例分析表明了该方法的实用性和有效性。     

输配协同的配电网态势快速感知方法

智能配电网的发展呈现更加灵活多变的趋势,使得输配电网间的相互作用日趋显著,对配电网态势感知提出更高的要求。为提升配电网态势感知能力,文中从输配协同的角度,提出了配电网态势快速感知的方法。首先,针对预估的配电网负荷变化计算输电网的状态;其次,从配电网根节点处将输电网进行戴维南等值并辨识等值参数;最后,将戴维南等值后的输电网接入配电网感知配电网负荷变化后的态势。该方法无需多次交互输配电网信息,感知速度快,计算结果精度高。在该方法的基础上,可通过对未来状态的多步预估,预测配电网静态电压稳定裕度指标轨迹,然后根据该轨迹评估配电网静态电压稳定态势。仿真算例验证了所提方法的可行性和有效性。     

基于场景构建的电压暂降特征量随机评估方法

电压暂降幅度与持续时间分布是电压暂降的主要特征量,也是敏感负荷损失预估及治理方案选择的重要依据。但现有随机评估方法往往存在计算量大、精度低等不足,使得分析得到的电压暂降特征值难以进行实际应用。针对配电网节点众多、负荷变化特征明显等特点,选择将场景法应用于电压暂降特征量随机评估中。首先通过K-medoids聚类方法进行节点类别划分及典型节点选取。其次通过节点加权网络等值实现了配电网初始运行状态的多维场景降维处理。进而结合短路故障概率分布曲线及网络阻抗折算,提出了典型电压暂降场景集生成方法。最后以某配电网网架结构为例,计算了其供区内敏感负荷点处电压暂降特征量,验证了方法的有效性与可行性。     

变电站电压无功控制范围的整定计算方法

现有变电站电压无功控制装置的控制策略主要是依据九区域图法。文中根据一天24h各负荷点的有功和无功负荷曲线进行全网离散无功优化计算，并以此为基础提出了变电站电压无功控制装置控制范围的整定计算方法。既考虑了对受控变压器低压侧母线电压和高压侧无功功率的最优变化曲线的跟踪，又顾及了减少变压器分接头动作次数的要求。用广州鹿鸣电网的计算结果和变电站电压无功控制装置的模拟试验结果验证了所提出的方法的合理性和有效性。     

基于因子分析与K-means聚类的退役动力电池快速分选方法

针对目前退役动力电池数量多、快速分选方法匮乏的问题,提出一种基于脉冲功率测试(Hybrid PulsePower Characteristic,HPPC)、因子分析和聚类算法的退役动力电池快速分选与重组方法。根据电池管理系统(Battery Management System, BMS)记录的电池数据,计算单体电池电压数据得到电池最大可用容量。以HPPC一次放电脉冲提取的电池开路电压、欧姆内阻、极化电阻以及浓差电阻作为特征变量。特征变量数据经归一化算法与因子分析优化后,通过聚类算法完成电池分选与重组。实验结果表明:该方法下单体电池平均分选重组时间压缩在30 min以内,分组后一致性指标较好,在退役动力电池分选与重组中具有较好的实际意义。     

应用模糊聚类的电力系统网络重构分析

以提高电力系统电压稳定裕度为目的,基于模糊聚类方法对网络重构进行分析。若系统网络发生故障(如某联络线发生短路、过载等)或因不确定性问题引起其他网络故障,应迅速切除。为不影响负荷供电,需要其他线路替代故障点,但此时可能有多种候选方案。应用模糊聚类方法将众多候选支路予以分类,在最大限度提高电压稳定裕度的基础上选取最为合适的候选支路,以完成网络重构。应用IEEE-30节点系统验证所提模糊聚类分析方法的正确性和有效性。     

计及不确定性的分布式光伏接入配电网极限容量评估

针对分布式光伏大量并网导致的配电网电压越限风险增加的问题,分析了不同天气类型下光伏出力特性,提出了基于光伏出力波动特性的广义天气类型聚类划分方法和基于净空理论的光伏出力时间序列模型构建方法。所构建的模型能反映实际光伏出力的时序性和波动性,建立了基于各时段节点电压越限概率与严重度函数的系统电压越限风险评估指标,据此提出采用混合逼近法求解配电网中分布式光伏的极限接入容量。最后,以典型IEEE33节点配电系统和南方电网某地区实际线路为例,分析了不同负荷特性、负荷水平和线路类型下的系统电压越限风险,从这三方面分别对分布式光伏接入配电网的极限容量进行评估。     

基于EWT及多尺度形态谱的高压并联电抗器故障诊断研究

针对高压并联电抗器故障诊断问题,提出一种基于经验小波变换(EWT)、多尺度数学形态谱进行特征提取,采用KernelK-means聚类进行故障模式识别的诊断新方法。首先,将实测三种工况下的电抗器振动信号经EWT分解得到数个模态分量。然后分别计算每个模态分量与原信号的相关系数并按系数大小降序排列,取前4个模态分量构成有效分量向量。再利用多尺度形态谱对有效分量向量进行分析计算,构成一个四维特征向量。最后利用KernelK-means聚类对样本特征集进行分类识别。实验验证,该方法能有效提取电抗器振动信号特征量,能正确识别电抗器所属的不同工况。     

一种基于功率闭环控制的改进全局MPPT方法

在部分阴影的条件下,光伏阵列的P-U特性曲线呈现多峰值。针对现有方法在多峰值情况下最大功率点追踪的速度和准确度的不足,提出了一种基于功率闭环控制的改进方法。该方法首先采用功率闭环控制确定最大功率点所在电压范围,其次通过分析粒子群法和0.8倍开路电压法,选取适合算法对该电压范围进行精确的追踪。最后以两种典型的阴影条件为例,对现有的基于功率闭环的方法和所提方法进行对比仿真。结果证明了两种方法均能精确地追踪最大功率点,所提方法在追踪速度上有显著提升。