直流配电网中含光伏的电动汽车快速充电站优化配置方案

为在提高直流配电网运行效率的同时降低充电站的投资与运营成本,文中提出了一种含光伏的电动汽车快速充电站的优化配置方法。首先,描述充电站内充电桩、光伏电池、储能系统的能量交换策略,然后,分析DC-DC变流器的电能转换效率-负载率特性,并以系统平均运行效率最高和充电站投资运行成本最低为目标函数建立优化模型,对充电站的接入位置以及各单元的安装容量进行优化。利用改进非支配排序遗传算法(NSGA-Ⅱ)求解该多目标优化的Pareto最优解,得出优化配置方案。最后,以采用双单环结构的中低压直流配电网实际工程为算例,将所提出的优化配置方法与充电站进行扩容的原有扩展规划方案进行对比,验证了所提优化配置方法的有效性和可行性。     

基于时-频域混合特征的变电站通信网异常流量检测方法

准确快速检测智能变电站通信网络异常流量是发现系统异常、实现安全态势感知和主动防御的关键技术,对保证智能电网安全稳定运行有着重要意义。文中提出了基于时-频域混合特征的智能变电站通信网络异常流量检测新方法。首先,设计了基于分形自回归积分滑动平均(FARIMA)流量模型和小波包分析方法的流量频域特征提取方法,并结合电力信息流时域特征构建时-频域混合特征集。进而,采用人工蜂群优化的支持向量机算法进行异常流量辨识。最后,基于某110 kV变电站的站内实际网络流量和CIC DDoS2019数据集、KDD99数据集进行仿真,结果表明所提算法对网络异常流量识别有更低的误判率和漏检率。     

主动配电网宽适应性潮流灵敏度分析模型

分布式发电、储能及柔性负荷在配电网的大量接入引起配电网潮流的频繁变化,构建准确、简洁的节点注入功率与运行参数的函数模型对主动配电网的规划和运行至关重要。结合配电网辐射状拓扑结构,提出了一种对节点注入功率变化具有宽适应性的潮流灵敏度分析模型。所提灵敏度分析模型具体包含节点注入功率对线路损耗的二次形式的灵敏度模型、节点注入功率对节点电压的线性形式的灵敏度模型和节点注入功率对线路潮流的二次形式的灵敏度模型。对灵敏度模型应用于存在弱环网的配电系统时的有效性进行了分析,利用IEEE 33节点配电系统和含环网的IEEE 123节点配电系统进行仿真分析,仿真结果证明了所提灵敏度模型的有效性。     

基于暂态电流的MMC-LVDC双极短路故障定位方法

随着分布式电源和直流负荷的大量接入,直流配电系统相较于交流系统更具优势。故障定位是直流配电网可靠、优质供电的关键支撑技术之一。分析了模块化多电平换流器(MMC)型柔性直流配电网双极短路故障暂态特性,提出了一种基于子模块闭锁后初始阶段暂态电流的故障精确定位方法,建立了双端MMC型柔性直流配电网的等效电路,推导了直流电流的时域表达式,构建包含故障距离和过渡电阻2个未知参数的时域方程组,并利用最小二乘法进行求解。该方法适用于不同接地方式。在PSCAD/EMTDC中搭建了双端柔性直流配电网模型。仿真结果验证了该方法的有效性、可靠性与准确性,针对两端换流站参数不对称和过渡电阻时变场景,所提方法也具有很高的定位精度。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。     

基于深度学习的含统一潮流控制器的电力系统快速安全校正

随着新一代柔性交流输电装置如统一潮流控制器（UPFC）在现代电力系统中的逐步推广和应用,对电网安全校正策略的制定提出了更高的要求。基于物理模型的传统电网安全校正方法在实时性方面具有一定的局限性,而数据驱动方法将大量的复杂计算前移到离线阶段,具有快速在线计算性能。因此,针对含UPFC的电力系统提出了一种基于深度学习的快速安全校正方法。首先,基于深度学习建立了节点调整状态识别模型,利用深度神经网络（DNN）的分类和学习能力,优先确定存在调整可能性的节点范围,避免物理模型优化类方法迭代无解问题。然后,针对缩减后的寻优空间进一步采用优化法实现系统安全校正计算,快速确定系统各节点调整量。基于中国南京西环网UPFC示范工程的应用效果表明,所提快速安全校正策略能够发挥DNN的学习能力,进而提高系统安全校正的效率和实用性。     

一种同步型分布式电源输出短路电流抑制技术

随着分布式电源（DG）在配电网渗透率的不断提高,其对继电保护尤其是过流保护的影响日益显著。针对短路电流输出能力强的同步DG,提出了一种基于全控型器件的励磁控制技术以抑制DG对配电网过流保护的影响。首先,分析了同步发电机机端短路时输出电流同励磁电流间的数学关联。然后,通过分析电流型逆变器调制策略下励磁能量泄放回路时间常数的影响因素,建立了面向配电网过流保护的同步DG励磁控制方案。最后,通过仿真分析验证了该励磁控制方案的有效性及其对转子匝间绝缘的影响。该方法只需要通过对全控型器件变流器的控制,即可抑制同步DG对过流保护的影响。     

基于D-PMU的配电网故障选线和定位方法

配电网发生单相接地故障时,故障信号微弱且易受噪声干扰,准确选线和故障定位困难。为此,提出一种基于配电网同步相量测量装置(D-PMU)的故障选线和定位新方法。研制了D-PMU功能扩展模块——行波故障采集模块;搭建了配电网故障选线和定位系统;依据全网波头时差构建故障前、后时间特征矩阵,并引入最小二乘法模型以消除行波波头到达时刻标定误差。通过分析得出故障前、后时间特征矩阵中元素的变化规律,实现配电网故障选线和精确定位。仿真分析及现场试验结果表明,D-PMU现场运行稳定,所提方法不受线路参数和网络拓扑结构的影响且实用性强。     

基于特征融合与深度学习的非侵入式负荷辨识算法

针对使用单一设备特征进行负荷辨识存在的局限性,提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法。通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征。利用人工神经网络的高级特征提取能力,实现了V-I轨迹图像特征与功率数值特征的融合。最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识。使用PLAID数据集对算法辨识效果进行了验证,并对比了不同分类算法对特征融合的有效性与负荷辨识能力。结果表明,该算法利用不同特征之间的互补性,克服了使用V-I轨迹特征无法反映设备功率大小的缺点,从而提高了V-I轨迹特征的负荷辨识能力,并且在嵌入式设备中的运算速度为毫秒级。     

智能电网可靠性需求约束下无线发射功率模型预测控制

在基于无线传感器网络(WSN)的智能电网数据采集与通信的应用中,通信可靠性是WSN的关键技术指标。提高发射功率会增加通信的信号强度和可靠性,但同时会导致节点间相互干扰增加。针对这一矛盾,基于自适应模型预测控制的方法,研究智能电网中WSN发射功率优化问题。依据无线通信链路路径损耗模型分析了影响智能电网无线通信信噪比的主要因素,并构建了系统状态空间模型;通过实时估计信噪比随机波动置信区间下界对系统期望信噪比给定进行补偿,并基于模型预测控制的算法,优化求解节点发射功率;最后,通过仿真软件将所提算法与自适应传输功率控制(ATPC)算法及势反馈控制(PFC)算法进行对比分析,并采用WSN硬件平台对算法进行测试。结果表明,所提出的自适应模型预测控制算法可以在保证智能电网无线通信可靠性条件下,降低由节点发射功率较大导致的相互干扰。