视场非完全重叠的分布式雷达多目标跟踪方法

在探测能力、波形设计及天线指向等因素制约下,分布式雷达视场并非完全重合,由此造成的观测信息差异给后续信息融合带来了巨大挑战。该文基于高斯混合实现的集势概率假设密度(CPHD)滤波器,提出了一种视场部分重叠下的分布式雷达多目标跟踪方法。首先,利用多目标密度乘积切分出概率假设密度(PHD)中表征共同观测信息的部分;之后,标准的分布式融合(算术平均或几何平均融合)方法作用于切分出的共同观测目标信息以提升跟踪性能,补偿融合则作用于雷达单独观测目标信息以扩展视场范围。该文方法无须视场先验信息,能够适应雷达视场未知时的分布式融合多目标跟踪场景。仿真实验验证了所提出方法在未知、时变雷达视场下跟踪多目标的性能,表明了该文方法比基于高斯混合的聚类方法性能更好。      

基于输出反馈线性化的多移动机器人目标包围控制

针对受非完整约束的多移动机器人系统的移动目标包围控制问题, 提出一种基于输出反馈线性化的局部协同控制方法. 利用机器人与邻居节点和目标的相对距离信息、角度信息以及机器人自身的方位角信息设计协同控制器. 该方法无需事先指定包围编队形状, 可实现对移动目标的速度估计, 且保证机器人之间的障碍规避. 严格的理论分析证明了移动目标指数收敛到多移动机器人构成的凸包内部. 最后, 仿真结果验证了所提控制方法的有效性.     

高比例新能源直流送端系统分布式调相机优化配置

高比例新能源直流送端系统故障可能引发新能源暂态过电压脱网,在新能源场站或汇集站配置分布式调相机是抑制暂态过电压脱网的有效手段。针对高比例新能源直流送端系统分布式调相机优化配置的技术需求,首先分析高比例新能源直流送端系统的暂态过电压传播特性。基于此,提出考虑节点和系统综合暂态压升严重性指标的分布式调相机候选节点筛选方法。然后,以计及运维费用的分布式调相机综合配置成本最小为优化目标,考虑多场景和多故障下的暂态电压稳定性约束,构建分布式调相机优化配置模型。最后,利用粒子群算法进行寻优得到分布式调相机优化配置方案,并构建高比例新能源直流外送试验系统。采用BPA-PYTHON-Matlab联合仿真验证所提配置方法的有效性。     

基于多参量分布式光纤传感的架空输电线路风振监测分析

输电线路风振可能造成线路闪络、断股和金具疲劳损坏等故障,严重影响电力系统的安全稳定运行,准确和实时地监测线路的风振情况对灾害预警、故障排除和状态评估意义重大。为了解决传统风振监测手段维护困难、可靠性低等缺点,提出了一种基于多参量分布式光纤传感的输电线路风振监测装置。首先介绍了分布式光纤传感的基本原理和设备基本结构,然后利用数值仿真的方法分析了舞动和微风振动时线路的振动频率、幅值特征,论证了利用分布式光纤监测风振的可行性。实验证明,该装置能同时监测输电线路沿线各段的风振及线路内部应力变化情况,其60 km内的定位精度为±50 m,舞动及微风振动频率监测误差分别为0.07 Hz和0.01 Hz。该装置为架空输电线路的风振在线监测提供了新方法。     

基于恢复力约束的分布式储能优化规划

提出基于恢复力约束的分布式储能优化规划方法,以保证重要用户的恢复力为前提条件,采用双层耦合规划模型。内层模型在满足电网运行的潮流约束下,灵活地控制重要用户侧分布式储能参与需求侧响应,实现用电成本与动作频次最小的目标,采用竞争深度Q网络（dueling deep Q network, DDQN）结构的深度增强学习方法进行求解,内层模型将分布式储能响应策略传递给外层模型;外层模型进一步基于重要用户的恢复力约束和投资收益校核分布式储能的配置方案,通过双层优化耦合反馈,最终实现基于恢复力约束的分布式储能优化规划。通过分时电价引导分布式储能等重要互动资源参与配电网的优化运行,保证重要用户电力供应连续性的同时给用户明显的投资收益。最后以某10 kV变电站的重要用户储能优化配置为例,分析了所提方法的有效性。     

基于协同强化学习的微电网分布式两级电压优化控制

由于微电网中分布式电源组成复杂,运行模式多样,孤岛微电网的电压恢复控制面临着不确定性干扰的影响。为此,针对不确定性干扰下微电网的二级电压恢复控制问题,提出了一种基于协同强化学习的微电网分布式两级电压优化控制方法,实现孤岛模式下微电网的电压调节控制。首先构建孤岛微电网分布式一致性协同电压控制算法,并建立李雅普诺夫函数稳定性判定方法。其次根据控制器性能与控制器增益参数的关系,求解孤岛微电网电压控制器增益上界,并根据控制器增益参数上界限制强化学习智能体动作集。随后,采用强化学习算法优化二级控制器增益参数,给出相应的强化学习智能体状态集、协同全局奖励函数。最后在Matlab/Simulink上通过仿真实验验证了所提出的控制方法的有效性和适应性。     

分布式屋顶光伏接入下并网功率平衡控制方法

由于逆变器间电流的有效值相差较大,传统的分布式屋顶光伏接入下并网容易出现失衡问题。提出一种分布式屋顶光伏接入下并网功率平衡控制方法。根据分布式屋顶光伏接入并网原理,建立分布式屋顶光伏接入并网结构模型,确定光伏阵列和逆变器的数学模型;采用矢量图表达分布式屋顶光伏接入并网功率平衡变化,确定并网零序电压与逆变器三相输出电压之间的矢量关系;计算逆变器三相额定功率、三相功率误差及零序分量的幅值和相位,设计零序分量叠加的逆变器相间功率控制框图,使逆变器相间功率平衡。确定仿真参数,设置实验工况条件,仿真控制结果：在并网功率失衡不严重的工况1条件下,该文研究方法的电流有效值相差±0.01 A,小于其他2种对比方法;在并网功率失衡严重的工况2条件下,该文研究方法的电流有效值相差±0.02 A,远小于其他2种对比方法。说明该文方法的控制性能优于其他2种对比方法,具有较大的应用价值。     

分布式储能应用模式及优化配置综述

为促进新能源的发展,解决大规模分布式电源（Distributed Generation, DG）直接接入配电网和负荷急剧增长对电网规划及运行带来的问题与潜在威胁。分布式储能技术得到了广泛应用,由于其具有快速功率吞吐能力、控制精度高、安装灵活、多主体利益等特点,可从根本上保障配电网供电的安全与稳定性。介绍了分布式储能的发展状况,根据其接入位置在分布式电源侧、中低压配电网侧和用户与微网侧详细归纳了近年来国内外各种分布式储能应用模式的研究成果,重点就其位置和容量的选择问题总结了分布式储能优化配置的各类数学模型及优化算法。并结合分布式储能在配置过程中存在的问题,对其发展趋势进行了展望。     

考虑虚假数据注入攻击的有源配电网分布式状态估计

状态估计作为保障电网监测数据质量的关键一环,为能量管理系统提供可靠的数据基础。考虑到有源配电网量测误差大、易遭受网络攻击等问题,本文研究计及虚假数据注入攻击的有源配电网分布式状态估计方法。首先,各子区域根据自身量测进行状态估计,并利用平均一致性算法获取全局信息对内部状态量进行修正,实现完全分布式状态估计;其次,在子区域状态估计中引入权函数动态修正目标极值函数的权重矩阵,增强状态估计的抗差性能;然后,在边界节点和易受到虚假数据注入攻击的节点配置同步相量测量单元,提高辨识虚假数据攻击的能力;最后,利用IEEE 118节点配电网系统进行算例仿真验证。试验结果表明,本文所提出的状态估计方法不仅可以有效减小估计误差,还能准确辨识虚假数据注入攻击,提高了状态估计的精度和虚假数据注入攻击的辨识能力。     

基于历史梯度平均方差缩减的协同参数更新方法

随机梯度下降算法(SGD)随机使用一个样本估计梯度,造成较大的方差,使机器学习模型收敛减慢且训练不稳定。该文提出一种基于方差缩减的分布式SGD,命名为DisSAGD。该方法采用历史梯度平均方差缩减来更新机器学习模型中的参数,不需要完全梯度计算或额外存储,而是通过使用异步通信协议来共享跨节点的参数。为了解决全局参数分发存在的“更新滞后”问题,该文采用具有加速因子的学习速率和自适应采样策略：一方面当参数偏离最优值时,增大加速因子,加快收敛速度;另一方面,当一个工作节点比其他工作节点快时,为下一次迭代采样更多样本,使工作节点有更多时间来计算局部梯度。实验表明：DisSAGD显著减少了循环迭代的等待时间,加速了算法的收敛,其收敛速度比对照方法更快,在分布式集群中可以获得近似线性的加速。