多元QoS约束下电力通信无线资源分配的边缘代理调度方法

为满足不同配电通信业务的服务质量要求,BS需要在时变网络条件下实时优化无线资源。提出一种基于级联深度网络的接入网无线资源边缘代理调度方法,将时频资源和发射功率分配给延迟耐受度不同的业务。核心网采用网元功能与专用硬件设备解耦的软切片方法,在保证负荷在规定时长内可靠切除的同时,提高了核心网服务器对不同业务的时空间复用能力。仿真结果表明,多业务并列运行时RTU与协控子站间的接入时延与TD-LTE专网相比降低40.76%,相邻第一第二信道间的功率泄露比均高于45 dB,满足毫秒级负荷切除业务分路整组动作时延和通信可靠性的要求。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

基于稀疏表示的配电网故障区段定位研究

提出一种基于稀疏表示的故障定位算法,仅需要少量的故障前后的电压幅值信息,通过故障节点电压方程,重构故障电流向量,根据该向量非零元素的位置来确定网络中发生故障的具体位置。提出了一种重构稀疏向量的求解算法,在定位算法中施加了两类约束条件,缩小了求解空间,为避免约束条件中出现的非线性约束条件造成的求解困难,将原问题分解成多个子问题,达到求解目的。IEEE33节点配电系中仿真验证表明:本方法仅需要6个测点便可有效定位故障,并且此方法基本不受故障类型、过渡电阻的影响,还具有强抗噪性。     

考虑客户画像和能量枢纽的配电网多目标抢修重构模型

随着大规模风电以及能量枢纽接入配电网,配电网故障后抢修重构面临新挑战,提出一种考虑客户画像和能量枢纽的配电网多目标多故障抢修重构模型。通过对配电网用电客户多因素精准画像,确定权重,建立兼顾客户画像和能量枢纽的配电网多目标抢修重构模型,提出一种改进NSGA-II算法以适应对模型求解,从而获得Pareto解集,并利用模糊最大满意度进行决策。算例仿真表明所提模型正确有效,与传统模型相比更加精细而客观。     

基于改进U-net和CNN的绝缘子自爆检测方法研究

针对绝缘子自爆故障人工检测效率低,成本高的问题,基于改进U-net和卷积神经网络（CNN）模型,提出一种可有效识别绝缘子自爆故障的双阶段目标检测算法。首先,在语义分割阶段使用改进U-net模型,通过翻倍提高图像分辨率的方法有效提高图像分割精度。其次,在图像分类阶段提出更适合所提问题且有效提高分类准确度的新型CNN模型。最后,使用无人机拍摄的绝缘子图片为实验数据进行实验。实验结果表明所提算法识别精度较高。     

基于柔性互联技术的含高渗透率新能源配电网多目标优化运行

智能软开关（SOP）可控制潮流、提供无功补偿,进而改善配电网电压、降低网损。因此,针对可再生能源大规模接入配电网后电能质量下降问题,采用K-means算法构建风-光典型场景,同时建立了基于SOP、可投切电容器的含高渗透率分布式电源的主动配电网优化运行模型。该模型以电压偏差、系统网损最小以及系统运行成本最低为目标,综合考虑了能源利用率及系统运行稳定性。最后利用基于参考点的非支配排序方法的多目标优化算法（NSGA-III）进行求解,输出Pareto最优解集,并采用改进的IEEE 33节点系统对所建立模型的有效性进行了验证。     

基于CPSO-BP神经网络的风电并网暂态电压稳定评估

针对目前传统方法难以快速、准确判断风电并网后系统暂态电压稳定性的问题,提出了一种基于CPSO-BP组合的风电并网暂态电压稳定评估方法。首先采用混沌理论对粒子群算法的不足进行改善,应用改进后的算法对神经网络的初始权值和阈值进行优化,然后利用系统故障前后采集的传统物理量和风电场相关的物理量作为BP神经网络输入特征量进行监督学习,最后将训练得到的模型应用于风电并网系统的暂态电压稳定评估中。利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性。     

基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究

配电网中三相电压不平衡对异步电动机损耗会造成较大影响。运用等效电路公式分析三相电压不平衡影响下电动机损耗存在精度不稳定、需要参数过多且数学模型过于复杂等问题。针对以上问题,提出一种基于注意力机制和卷积神经网络(CNN)的异步电动机损耗评估方法。该方法将实测电机数据作为输入,引入注意力机制为输入特征赋予不同权重;采用卷积层和全连接层组成的CNN构架对异步电动机实测数据进行学习,最后完成损耗评估。以现场试验得到的电机损耗数据作为实际算例,该方法评估损耗与实测损耗平均误差仅为0.717%和0.549%,并与其他典型机器学习算法进行对比,结果表明所提方法具有更好的损耗评估性能。     

基于卷积神经网络的直线同步电动机电枢绕组故障诊断

通过绕组函数理论对直线同步电动机进行分析,提出一种基于卷积神经网络(CNN)的直线同步电动机故障诊断方法。从直线同步电动机的数学模型出发,基于绕组函数理论对电动机正常状态和匝间短路故障状态进行仿真,对电流波形图进行快速傅里叶变换(FFT)得到不同状态的数据集。利用CNN中的GoogLeNet网络结构,在保持网络空间维度的同时不增加故障诊断的计算量。将数据集输入到网络模型进行故障诊断,仿真结果表明GoogLeNet网络结构对直线同步电动机电枢绕组的短路故障识别率达到了96.5%以上。     

含逆变型分布式电源的不平衡配电网短路电流计算方法研究

逆变型分布式电源（IBDG）的输出由其控制策略决定而具有很强的非线性,使传统配电网的短路电流计算方法不再适用,而配电网的不对称更是进一步增加了其短路计算的难度。根据对称分量法推导出不平衡配电网的故障点各序电流,提出一种基于序网络迭代修正的不平衡配电网短路电流计算方法,在每一次迭代中,根据当前节点各序电压分别修正IBDG的输出电流和各不对称元件补偿电流源的输出电流,利用节点电压方程得到新的节点各序电压和故障点各序电流,直到满足收敛条件。最后,基于PSCAD/EMTDC对含IBDG不平衡配电网的进行了仿真计算,验证了所提方法的准确性和有效性。