低压配电线路谐波电阻损耗模型参数辨识及实验验证

严重的谐波污染导致低压配电线路存在不可忽视的谐波附加损耗。针对线路谐波电阻模型实用性不足以及谐波损耗计算精度不高的问题,考虑集肤效应影响建立低压配电线路谐波损耗分析模型,提出谐波电阻的参数辨识算法;然后采用线路不同含量谐波下的实测运行数据,完成谐波电阻参数辨识,得出线路谐波电阻模型;最后基于电阻负载和智能电子负载下配电线路各次谐波叠加运行工况的实验数据,验证了文中模型的有效性。实验结果表明,该模型相比传统简化模型和不考虑集肤效应模型计算配电线路谐波损耗的精度更高。     

架空和电缆混合馈线的电压损耗快速估算

提出了一种架空和电缆混合馈线的电压损耗快速估算方法。基于架空线路和电缆线路的电压损耗分析构造了混合馈线最大电压损耗的非线性估算模型,模型中的变量包括最长供电路径所含架空线长度、电缆线长度、和馈线首端的有功无功功率。运用Gauss-Raphson方法给出了估算模型中参数的求解方法。运用实测数据对所提模型和算法进行了仿真计算和分析,验证了该方法的有效性和可行性。     

架空和电缆混合馈线的电压损耗快速估算

提出了一种架空和电缆混合馈线的电压损耗快速估算方法.基于架空线路和电缆线路的电压损耗分析构造了混合馈线最大电压损耗的非线性估算模型,模型中的变量包括最长供电路径所含架空线长度、电缆线长度、和馈线首端的有功无功功率.运用Gauss-Raphson方法给出了估算模型中参数的求解方法.运用实测数据对所提模型和算法进行了仿真计算和分析,验证了该方法的有效性和可行性.     

基于ATP-EMTP的1000kV交流同塔双回输电线路线损分析

1000 kV架空输电线路地处环境复杂多变,线路电能损耗难以精确计量.为了分析不同状况下1000 kV架空输电线路线损规律,利用了电磁暂态仿真软件ATP-EMTP,建立1000 kV同塔双回架空输电线路线损仿真模型,分析功率方向、相序排列、换位方式对架空线路损耗的影响,发现了1000 kV同塔双回输电线路出现典型异常线损工况,研究结果可为1000 kV同塔双回架空输电线路线损计算研究提供理论支持.     

基于人工神经网络的配电线损分析

为准确计算和分析配电网的线损,提出一种基于人工神经网络的配电线损计算模型.首先根据现场数据推导出配电馈线的日负荷曲线,使用三相潮流计算程序创建训练数据集;然后通过灵敏度分析确定了影响线损的关键因素;最后应用人工神经网络开发出架空线路和地下电缆季节性损耗的计算模型.仿真试验表明,相对于回归线损计算模型,所提出的模型提高了配电线损计算的准确性.     

一种基于实际数据驱动的新能源出力对电网线损影响评估方法

以风电、光伏为代表的大规模可再生能源接入对电网线损评估及降损管理工作带来了较大挑战。提出一种基于实际运行数据驱动的新能源出力对电网线损影响分析方法,首先根据输电线路典型模型对输电线路线损进行分析,将其表示为输送有功功率的二次多项式函数,然后将其扩展到全网,并据此构建了全网等值线损评估模型;对于等值线损模型中的未知参数,提出基于实际运行数据拟合的模型解析方法。最后,以某省级电网为例,对所提线损评估模型误差、不同发电类型线损率灵敏度因子及新能源出力对线损影响等进行了分析,对所提模型的有效性进行了验证。     

架空和电缆混合馈线的线损估算

提出了架空和电缆混合馈线的线损估算方法。在分析架空线和电缆线功率损耗的基础上,先构造混合馈线线损估算的非线性回归模型。模型以混合馈线所含架空线长度、电缆线长度、馈线首端的有功和无功功率为独立变量,通过高阶多项式反映混合馈线的损耗随独立变量变化的复杂关系。针对非线性线损估算模型中的待求回归系数,基于Gauss-Raphson法推导了迭代求解公式;设计了相应的计算程序,并采用实测数据对所提模型和算法进行了仿真计算和分析,得到的检验回归模型合理性指标表明,给出的线损估算模型有效、可行,为架空和电缆混合馈线的线损估算可提供高效率的途径。     

基于改进PSO优化RBF神经网络线损计算与分析

为了准确计算配电网线路损耗,进行窃电位置的判断,提出改进粒子群算法优化RBF神经网络的计算和分析模型。以机器学习为切入点,通过数据驱动的方式,利用改进粒子群算法优化RBF神经网络重要参数,分别构建了相关线损计算和分析模型,基于IEEE13节点配电网络参数,实现理论线损计算和窃电位置判断。通过Matlab仿真验证上述模型的准确性和可靠性。     

基于架空线路简化模型的柔性直流电网双极短路故障定位法

在模块化多电平换流器(MMC)组建的多端柔性直流输电系统中,准确定位直流侧双极短路故障位置是确保快速功率恢复的重要举措。针对目前故障测距存在的问题及获取架空线路参数的困难,文中提出了一种基于架空线路简化R-L模型的柔性直流电网双极短路故障定位方法。通过预设双极短路故障试验可反推出架空线路故障态下的单位电阻和电感值,从而得到R-L线路模型。在此模型的基础上推导故障定位公式,代入故障线路两端的实测电压和电流数据即可较为准确地计算出故障位置。通过PSCAD/EMTDC中的四端柔性直流系统验证了所提定位算法的有效性。仿真结果表明,所提定位算法具有很高的精度和可靠性,几乎不受过渡电阻和系统传输功率的影响,同时这也证明了简化R-L模型具有很高的精度。     

配网线损同期化计算与多维分析系统

主要针对当前配网线损计算缺乏线路数据、线损数据不同期、缺乏异常线损定位与线损原因判别等现状,提出一种用于10 kV配网线损同期化计算与多维分析系统。一方面,该系统将高压计量等新型传感器应用于配电10 kV架空线路与电缆线路各分支节点,解决了当前配电网无法获取线路数据的难题;另一方面,结合各测点实时数据集,提出同期化线损计算方法、线损异常分段的定位方法以及多维度线损相关性分析方法,对线损异常分段各数据集进行相关性分析,给出线损异常的可能原因,辅助电力用户进行线损问题排查。通过在试验线路中对该系统的应用,验证了所提方法的有效性。     

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。     

基于改进型SVR的电网短期负荷预测

常规的支持向量回归预测模型（SVR）预测算法采用人工经验的方法对RBF核函数参数、不敏感系数和惩罚系数等参数进行选取,其性能会因随机选取的参数而变得随机和不确定。人工鱼群算法的初始参数会对整个算法的优化性能产生较大影响,将粒子群优化算法和混沌机制引入常规人工鱼群算法,对其进行改进,可以提高种群多样性和全局寻优能力,避免优化算法陷入局部最优解。通过实验方法对改进型人工鱼群优化SVR预测模型的性能进行分析。结果表明,所研究的短期负荷预测精度较高,具有较好的工程应用价值。     

基于纵横交叉算法的神经网络配电网故障选线研究

为了提高小电流接地系统单相接地故障选线的精度,提出一种基于纵横交叉算法优化RBF神经网络的故障选线新方法。利用Matlab/Simulink仿真单相接地得到一组零序电流信号,通过小波包变换和傅里叶变换从中提取出暂态特征值、有功分量以及五次谐波分量。再将提取得到的特征量作为神经网络的输入,用纵横交叉算法优化后的神经网络对故障特征值进行训练,实现故障选线。仿真中建立100组不同的故障样本,其中80组作为训练集,20组作为测试集。实验结果表明,与传统神经网络相比,CSO-RBF方法训练效果好,准确性高。     

变尺度混沌蚁群算法在NOx排放优化中的应用

为了控制燃煤电厂NOx排放,应用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx 排放特性模型。利用大样本量的热态实炉NOx 排放试验数据对模型进行了训练和验证,结合NOx排放模型采用一种变尺度混沌蚁群算法对锅炉运行参数进行优化, 定量分析优化算法参数对优化结果的影响。计算结果表明,相对于BP神经网络,支持向量回归模型能更好地预测锅炉NOx排放;变尺度混沌蚁群算法能明显降低NOx排放,且具有较高的稳定性与鲁棒性,1.8 min的优化时间也便于在线应用;支持向量回归与变尺度蚁群混合算法能有效降低燃煤锅炉NOx排放,是锅炉NOx排放控制的有效工具。     

基于IKFCM与多模态SSO优化SVR的光伏发电短期预测

为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFCM与多模态SSO优化SVR的光伏发电功率短期预测方案。首先采用改进的KFCM(Improved KFCM, IKFCM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFCM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响。然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO, MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合。最后,运用MSSO优化SVR模型对测试数据进行预测评估。仿真结果表明,该方案实现了不同天气下短期光伏发电功率准确预测,而且同其他预测算法相比预测精度提高了25.2%～37.8%。     

计及气象因素的用电负荷短期分时分类预测模型与方法

短期负荷预测是电力系统运行和分析的基础,对机组组合、经济调度以及安全校核等具有重要意义。针对地区负荷在小样本情况下预测精度不高的问题,在对某地区负荷数据进行分析并剔除异常数据之后,建立了基于支持向量机回归(support vector regression,SVR)的短期负荷预测模型。为了提高模型的预测性能,采用细菌觅食算法(bacteria foraging optimization algorithm,BFOA)对SVR的参数进行优化,并将温度、湿度和降雨量等气象信息引入预测模型。考虑到负荷与时间点的耦合关系,对每日96个时间点分别进行预测。同时,根据工作日和周末2种不同属性分别建立了基于SVR的负荷预测模型。仿真结果表明,所建立的短期负荷预测模型能够在小样本的情况下以较快的速度获得较高的预测精度。     

Probabilistic Multi-objective Framework for Multiple Active Power Filters Planning

In the real-world electrical distribution networks, entering of the non-linear loads, as main sources of harmonic generator, has probabilistic nature. In this paper, with a new point of view, a multi-objective framework is developed for multiple active power filters (APFs) with taking probabilistic features of non-linear loads into account. In the proposed probabilistic multi-objective framework, total harmonic distortion of voltage (THDV), motor load loss function, harmonic transmission line loss, and total APFs current are the four objectives considered in the optimization problem. At the same time, individual and THDV, and maximum allowable size of the APFs are modeled as constraints with predetermined admissible levels. The newly developed framework is a non-convex non-linear mixed-integer optimization problem. Hence, a new hybrid of melody search algorithm and augmented Powell heuristic method is employed and followed by a fuzzy satisfying method to obtain the final optimal solution. The feasibility and effectiveness of the offered framework has been implemented on the IEEE 18-bus distribution test system and IEEE 30-bus distribution test system. The obtained results show the profitableness of the newly developed framework in the APFs planning.     

基于支持向量同归的电力变压器状态评估

为提高电力变压器状态评估的准确性,将变压器健康状态分为5级。鉴于支持向量机对小样本具有良好的拟合能力,而变压器数据具有小样本、贫信息的特点,提出了基于支持向量回归的电力变压器状态评估模型。将变压器的油色谱分析数据和电气实验数据利用半岭模型确定变压器各个参数的分值,评分项目结果作为支持向量机的自变量,通过多层动态自适应优化算法优化了支持向量回归的参数,形成变权重的预测。实例验证了变压器状态评估模型的正确性及可行性,其结果更接近变压器的真实运行状态。     

模拟电荷法计算特高压架空线路3维工频电场

为研究杆塔及导线弧垂对架空线路周围工频电场分布的影响,并检验2维计算模型的合理性与适用性,首先基于模拟电荷法建立考虑杆塔及导线弧垂的3维架空线路工频电场计算模型(它以线电荷单元为模拟电荷布置在各导线和杆塔铁棒轴线上,解析计算线电荷单元的电位系数,并叠加得到总体电位系数矩阵,从而可解得各节点的线电荷),然后据此计算了特高压线路相导线表面及地面上1m高平面内的3维工频电场。结果表明,地面上1m处平面内场强分布受弧垂影响很大,3维模型比2维模型更全面、准确地反映了这种不均匀分布状况;各相导线表面场强最大值在杆塔附近均有微弱变化,但并不显著;地面上1m处场强在杆塔附近增大,但在远离杆塔的区域基本不受杆塔影响。     

Hybrid evolutionary algorithms in a SVR-based electric load forecasting model

Accurately electric load forecasting has become the most important issue in energy management; however, electric load often presents nonlinear data patterns. Therefore, looking for a novel forecasting approach with strong general nonlinear mapping capabilities is essential. Support vector regression (SVR) reveals superior nonlinear modeling capabilities by applying the structural risk minimization principle to minimize an upper bound of the generalization errors, it is quite different with ANNs model that minimizing the training errors. The purpose of this paper is to present a SVR model with a hybrid evolutionary algorithm (chaotic genetic algorithm, CGA) to forecast the electric loads, CGA is applied to the parameter determine of SVR model. With the increase of the complexity and the larger problem scale of electric loads, genetic algorithms (GAs) are often faced with the problems of premature convergence, slowly reaching the global optimal solution or trapping into a local optimum. The proposed CGA based on the chaos optimization algorithm and GAs, which employs internal randomness of chaos iterations, is used to overcome premature local optimum in determining three parameters of a SVR model. The empirical results indicate that the SVR model with CGA (SVRCGA) results in better forecasting performance than the other methods, namely SVMG (SVM model with GAs), regression model, and ANN model.