分布式光伏功率数据的IMOWOA和LightGBM混合虚拟采集方法

点多面广、分散无序的分布式光伏电站规模化接入电网是我国新型电力系统向低碳演进的重要路径之一。低成本、高效率的分布式光伏电站数据获取是光伏电站开展精细化管理、精益化运维的重要基础。为此,该文提出一种基于改进多目标鲸鱼优化算法(improved multi-objective whale optimization algorithm,IMOWOA)与轻量梯度提升机(light gradient boosting machine,LightGBM)的分布式光伏数据虚拟采集方案。针对虚拟采集区域划分难题,该方案首先在网格化区域划分的基础上提出一种自编码器相似性分析方法,获取满足相似性需求的光伏电站集;为解决参考电站集选择难题,提出一种改进的多目标鲸鱼优化算法,提高算法的全局搜索能力,基于区域内光伏电站的历史功率数据,同时对参考电站子集与LightGBM超参数进行优化,从而实现仅选取部分分布式光伏电站安装完备的数据采集装置,完成区域范围内所有电站功率数据的高精度虚拟采集。最后,以我国江苏省某区域范围内的29个分布式光伏电站为算例进行分析,验证提出的方法的可行性和有效性。     

不平衡数据集下海量配电网量测终端故障诊断方法

配电网量测终端设备的大规模接入,往往伴随着突发性、多样性的故障,其故障类型的精准判断对合理的运维检修策略制定与配电系统可靠运行具有重要意义。为此,以量测终端中的智能电表为典型,提出一种基于卷积神经网络-长短时记忆模型的故障分类方法。首先,考虑实际场景中智能电表故障数据不平衡以及存在分类特征的情况,通过K-prototypes算法对少数类故障类别进行聚类,在簇中心附近通过SMOTE-NC过采样技术生成智能电表故障数据;其次,将平衡后的故障数据通过卷积神经网络提取更高层次的特征信息作为长短时记忆网络的输入以实现智能电表的故障分类。最后,基于浙江省各市区智能电表故障分拣数据进行算例分析,结果表明本文所提出方法具有可行性和有效性。     

多重异构城市能源互联网络实时仿真的顶层设计

城市能源互联网是国家"碳达峰、碳中和"的重要组成部分,也是电网转型规划、建设和运营的重点工作之一.实时仿真平台是城市能源互联网协调控制策略的有效验证手段,通过构建多重异构的城市能源互联网高性能实时仿真平台,可突破现有城市能源互联网协同运行决策依据单一等局限性问题,实现冷、热、电、气的协同、统筹和梯级利用,提高能源利用效率.由此,提出了城市能源互联网实时仿真的顶层设计,构建了多重异构城市能源互联网动态仿真架构,归纳分析了城市能源互联网的仿真原理,最终从快速建模方法、计算异构型融合仿真技术、能源异构型动态仿真技术、实时仿真平台4个方面构建了城市能源互联网实时仿真的关键技术框架,以期为后续研究工作提供借鉴.