基于精英蚁群Q算法的中压配电网双Q规划模型

为了有效应用数字化技术提供的精细化地理与负荷信息,根据中压配电网的基本特点,将配电网中的元件抽象为图论中的节点和支路,以经济性和可靠性为目标,建立一种新型的大规模中压配电网双Q规划模型;将0-1变量编码方式转化为序列整数编码方式,降低模型求解的复杂度;提出精英蚁群Q算法,并利用该算法求解辐射状网架,根据最短路法和联络优先原则设置联络线,经过反复迭代得到闭环最优网架。广州某新建园区的算例结果验证了所提模型与算法的有效性。     

面向电量-调频-容量市场的数据中心园区算力及电力资源规划

数据中心广泛建设是智能时代的发展趋势。如何在保证数据中心服务质量的前提下,考虑数据中心负荷转移特性,并对其进行合理规划,对降低数据中心规划总成本及提升新型电力系统灵活性均有显著意义。为此,提出一种考虑多元电力市场引导下的数据中心园区算力及电力资源优化规划方法。首先,通过多面体定界收缩法建立虚拟发电机和虚拟储能模型,描述数据中心园区的聚合可调特性。然后,根据不同电力市场的结算规则,研究了数据中心园区参与电量-调频-容量市场的方式和经济收益。在此基础上,以综合成本最小化为目标,优化数据中心园区发电机、储能的建设容量以及服务器的建设数量。最后,以阿里巴巴公开运行数据为例,证明考虑多元电力市场能够大大降低数据中心规划成本,激励数据中心园区投资建设更多灵活性资源,为电网提供有效的调频服务和容量支撑。     

计及并离网频率约束的微电网容量优化配置方法

在新能源渗透率不断提升的背景下,微电网出现低惯量、弱阻尼的现象。现有研究主要通过改进控制策略、优化调度来提升微电网调频能力,但前提是微电网本身具有足够的调频容量。针对此问题,在微电网规划阶段加入并网和离网模式频率约束,建立混合整数线性容量优化模型。首先,对微电网内多种调频资源进行建模,构建综合频率响应模型并推导频率约束。其次,采用改进的自适应线性化方法将频率约束线性化并嵌入到模型中。最后,使用Gurobi求解器在多个微电网算例中进行验证分析,结果表明所提出的微电网容量优化配置模型能够在保证系统并网和离网频率稳定的同时达到最低的投建与运行成本。     

基于分布式馈线自动化的配电信息物理系统可靠性评估

对采用分布式馈线自动化的配电信息物理系统进行了可靠性评估。基于分布式馈线自动化的故障自愈实现原理,在传统物理系统两状态元件模型中考虑信息系统的影响,通过建立信息系统的元件和网络模型描述分布式馈线自动化的终端功能和邻域局部信息的交互过程,并由故障元件的位置定量描述在配电网发生故障时信息系统元件失效对物理系统可靠性的影响。利用序贯蒙特卡罗方法抽样,对系统进行仿真以获得计及信息系统故障的可靠性指标,对信息系统通信网络和终端2类元件进行失效分析,并探究断路器的重合闸功能在纠正故障上游因信息系统故障导致的误停电情况的可靠性影响。算例分析结果验证了所提方法的有效性。     

基于文化蚁群算法的高可靠多电源配电网规划模型

为了进一步完善配电网规划模型,首先抽象出辐射状、单环网以及两供一备3种接线模式的拓扑图。然后提出适用于多电源的配电网规划模型。以停电风险、投资成本和运行成本为目标函数确定配电网的常规线路,根据接线模式约束以最短路法确定配电网的联络线路和备用线路。模型中将接线模式约束转化为接线模式单元,用函数关系式将负荷重要性和缺供电量ENS转化为停电风险,从而达到协同考虑可靠性和经济性的目标。最后运用文化蚁群算法对模型进行优化求解。将提出的模型方法应用于一个29节点的待规划配电网区域,计算结果表明所提出的方法能够快速得到不同接线模式约束下的配电网规划方案及其对应的经济性、可靠性指标,为规划人员提供参考和依据。     

配电网信息物理系统可靠性的精细化建模与评估

随着信息通信技术广泛应用于配电网,配电网的信息物理耦合程度逐渐加深,现有配电网信息物理系统可靠性模型难以准确评估实际工程应用中复杂场景的可靠性。文中基于耦合元件的失效情况建立了多状态可靠性模型,并基于满二叉树拓扑遍历配电网信息失效场景,由此提出了一种新颖的可靠性分析方法。该方法考虑了实际故障处理过程与转供容量约束,并适用于所有开环运行的配电网拓扑,为评估存量配电网信息物理系统的可靠性提供一种可行的手段。最后,以中国某市一个实际配电网为例,构建测试配电网信息物理系统,验证了所提配电网信息物理系统可靠性评估方法的可行性与有效性。     

基于朴素贝叶斯和D-S证据理论的多时空数据融合

针对泛在电力物联网中分布广泛的传感器以及各类设备采样周期不同的问题,本文提出一种基于朴素贝叶斯和D-S证据理论的多时空数据融合方法。该方法突出的优点是融合了多个时间段、多个不同地点传感器的数据。首先运用朴素贝叶斯分类器得到信度分配,克服了过去采用专家系统进行信度分配的缺点,然后运用D-S证据理论进行融合得到最终系统的状态评价,有效地将多时空数据进行融合。实验结果表明,本文提出的方法相比其他机器学习算法有了明显的改进,能够有效地评估系统的状态。     

电网厂站接线图人工智能识别关键方法

矢量化的电网厂站接线图需要调度运维人员参考设计图纸进行人工绘制及导入，工作量巨大且极易出错。针对电网厂站接线图中图元、文字以及接线关系3个核心的识别问题，提出一套基于人工智能的完整电网厂站接线图识别方法，显著提升识别的效率和准确性。通过结合分级预处理的重叠滑窗机制与YOLOv4算法，解决电网厂站接线图的“大图像小图元检测”问题；通过迁移学习与卷积循环神经网络结合，提升包含中文电气文本的识别率；通过嵌入电气领域知识与规则，提升接线识别的准确率。最后，根据获取的电气元件信息、文本信息、连接线信息，完成其他下游任务。采用实际调度系统导出的电网接线图数据集，设计了图元、文字、接线识别三方面的对比实验，验证了所提方法的有效性。