基于混合神经网络的电力调度文本事件抽取方法

为了提升电力调度文本在业务场景的应用效果,提出基于混合神经网络的电力调度文本事件抽取方法。以电力调度文本故障处置预案为研究对象,建立以预案触发词为中心的事件抽取模型。通过仿真案例验证了所提方法具有较好的事件抽取效果,能够提升实体和实体关系识别的准确率。     

提高分布式储能系统放电效率的分散协调优化方法

为提高智能配电网(Smart Distribution Network,SDN)中分布式储能系统(Distributed Energy Storage Systems,DESS)的充电效率,提出了一种基于两层一致性控制和牵引控制的分散协同优化方法。该方法仅通过相邻代理之间的局部信息交互来实现全局信息控制协调,不需要集中代理;通过改进的全局信息发现算法和存在牵引值的一致性算法,代替中央控制器作用,实现全分布式的分散协同优化;同时,通过对分布式储能系统放电的边际成本的控制,以分散的方式协调各DESS的充电效率,在减少SDN网络局部功率错配的同时,最大限度地提高充电效率。最后通过Simulink进行仿真,验证了此方法的有效性和适应性。     

基于电力领域系统的公共事业数据集中采集方案研究

为落实国家智慧城市发展战略,提升全社会用能服务水平,降低公共事业综合运营成本,基于电力领域成熟的用电信息采集系统建设成果和经验,提出面向公共事业的数据集中采集建设方案。通过水电气热四大领域一体化数据建模,实现数据共享存储;通过上行通道信道共享、下行通道灵活组网,解决异构多源数据通信难题;采用分布式架构的企业服务总线与消息总线,解决系统的数据处理效率及性能问题,实现公共事业数据集中采集和综合应用。     

基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术

光伏逆变器作为太阳能光伏发电系统的关键设备,其健康状态直接影响电力系统的安全与稳定。提出了一种基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术,将光伏逆变器集群的历史监测信号作为原始特征库,采用t-SNE降维算法提取光伏逆变器集群的主特征矩阵,基于快速聚类算法搜寻每一采样时刻的聚类中心光伏逆变器,分别计算每台逆变器在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,通过合理设定预警阈值,从而实现光伏逆变器故障的准确预测。最后基于设计开发的分布式光伏发电监控系统,利用采集的光伏逆变器集群的历史运行数据对算法进行了测试。结果表明,提出的光伏逆变器故障预测技术能够提前准确地预测光伏逆变器故障,有助于保障设备健康平稳运行。     

基于需求侧响应的配电网优化调度研究

随着配电网的快速发展,分布式电源和需求侧响应技术正逐步由输电网向配电网转移。提出了一种含电价型需求侧响应的配电网的优化调度方法。首先构建了电价型需求侧响应的负荷转移模型,以实现需求侧响应执行后的负荷转移;其次,构建了运行成本最小的配电网的调度模型,该模型包括分布式电源的运行成本、与主网的功率交换费用,并将储能设备充放电状态引入约束;最后,采用CPLEX求解器对模型求解。仿真结果表明,需求侧响应技术和储能设备能提升分布式电源的消纳能力,降低配电网的调度运行成本,优化了负荷特性。     

特定次谐波注入抑制模块化多电平换流器电容电压波动

模块化多电平换流器（MMC）电容电压波动抑制有助于降低电容器体积/重量,降低换流阀设备投入成本。推导了换流阀子模块电容电压波动分量及影响因素,分析了二倍频环流注入、三次谐波注入对子模块电容电压波动及换流阀的影响,提出的特定次谐波注入方法,可显著降低换流阀子模块电容电压波动,且桥臂电流峰值和有效值控制在允许范围内。以张北柔直工程参数为例,通过PSCAD仿真比较了环流抑制为零、二倍频环流注入、特定次谐波注入情况下的电容电压波动、桥臂电流有效值和桥臂电流峰值,验证了所提方法的正确性和有效性。     

特高压直流输电系统金属旁通支路运行工况分析与对策

在双12脉动阀组串联结构的特高压直流工程中,以下过程可能导致系统进入金属旁通支路运行:直流场开关或刀闸的手动/自动控制、极层保护性闭锁、阀组保护性退出。文中针对各类金属旁通支路运行工况的形成过程进行了阐述,并提出了相应对策。对于金属旁通支路运行工况的处理,应以预防作为主要原则,而以极隔离、中性母线开关失灵保护等隔离手段作为补充措施。文中所提出的对策已在南方电网滇西北至广东±800 kV特高压直流工程中应用,并经工程现场与仿真系统试验验证,可有效解决双12脉动阀组串联结构中的金属旁通支路运行问题。     

离散控制时间对暂态稳定性的反常影响及其机理

大规模可再生能源与电力电子装备入网,以及交直流混联,使电力系统的动态特性更为复杂。文中利用扩展等面积准则（EEAC）对暂态稳定性的量化能力,分析诸如故障清除及切机等离散控制的时间对暂态功角稳定裕度的影响机理。暂态功角稳定裕度由主导映象的不平衡功率及功角构成的扩展相平面（P-δ）上的面积来表示,不但具有清晰的几何表示,也具有明确的物理意义。故可将控制时间对暂态功角稳定裕度的影响,分解为控制变量的P轴效应及δ轴效应。对于非哈密顿系统,可能出现与以往认知不符的现象,通过若干实例,验证了上述分析。     

基于LSTM自动编码器的电力负荷聚类建模及特性分析

电力系统负荷聚类和特性分析对电网的安全与经济调度、运行具有重要意义,是提升调度人员对电网感知能力的重要技术手段。为了解决传统负荷聚类方法需要人工设定负荷特征指标和无法考虑负荷时序特性等问题,提出了一种由长短期记忆(LSTM)自动编码器构成的负荷聚类方法。利用LSTM的时序记忆能力和自动编码器的非线性特征提取能力,实现了考虑负荷时序特性的自动特征提取和非线性降维。然后,基于提取的负荷特征采用k-means聚类算法进行电力负荷聚类分析。最后,采用实际供电区域的负荷数据进行验证,并对负荷特性进行详细的分析。结果表明所提方法与其他负荷特征提取方法相比,有较好的负荷聚类效果。     

面向配用电侧负荷数据的深度端到端超分辨率感知方法

在智能电网中,精准的数据采集是整个系统安全与经济运行的基础。随着信息与物理系统融合的不断加深,各类大数据应用与实时控制等任务对采集高频数据的要求不断提高。然而,提高数据采样频率必然给系统造成更高的数据通信与存储负担。文中提出了一种基于深度学习的超分辨率感知技术,用于从低频采样的传感器数据中恢复精确的高频数据。具体地,提出了一种基于门控循环单元网络的深度端到端超分辨率感知方法,包括特征提取、关系推断、信息重建3个部分。特征提取部分采用一维卷积网络对低频数据进行特征提取;在关系推断部分应用门控循环单元网络对获得的特征进行学习,推断低频数据同高频数据间内在关系;在信息重建部分则使用全连接层对推断信息进行重建,获得对应的高频数据。采用所提方法对居民用户和工业用户功率数据及输电线电压数据进行超分辨率感知,同时使用恢复的高频数据进行负荷状态识别。算例结果表明所提方法能够精准有效地恢复低频数据的丢失信息并提升负荷识别等实际应用的准确性。