小波模糊神经网络在电力系统短期负荷预测中的应用

该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点，利用小波分析对负荷样本做序列分解，对高尺度负荷分量采用常规预测方法，其他负荷分量则采用模糊神经网络处理技术，最后通过序列重构，得到完整的负荷预测结果。算例计算表明，新方法具有较高的预测精度和适应能力。  

微电网的研究现状及在我国的应用前景

首先介绍了微电网概念的产生背景和意义以及微电网的概念和结构，并给出了微电网的经典示意图；然后详细介绍了美国、欧洲和日本微电网的发展现状及其示范工程，对比了3者不同的微电网发展理念，概述了其微电网的未来发展方向；最后，展望了微电网对于中国未来电网发展的重要意义，提出了国内微电网研究应重点考虑的一些问题。  

考虑环境因素的分布式发电多目标优化配置

分布式发电优化布置与定容问题是智能电网发展中所面对的一个重要课题。该文在节点有功、无功网损微增率基础上，通过负荷功率法将两者结合，提出等效网损微增率的概念。通过计算该微增率并对其进行排序，可确定分布式发电(distributed generation，DG)的最优安装位置，并且最小化输电线路网损。对于DG定容问题，该文同时考虑了有功网损、电压改善程度和环境改善程度这3个重要指标，将DG优化容量确定问题转化为一个多目标非线性规划问题。采用目标逼近和二次序列规划方法对提出的算法进行求解。算例结果表明，采用该方法确定DG在系统中的布置位置和容量可有效提高系统运行电压，降低有功网损，减少电厂排放的污染气体。该方法对DG在规划阶段的选址和定容问题有着一定的实用价值。  

继电保护傅氏算法中滤除直流分量的一种简便算法

快速傅里叶变换（FFT）是电力系统进行谐波分析的主要算法，但当输入信号中含有衰减直流分量时，FFT算法会产生较大的误差。文中提出一种改进算法，能够在事先未知衰减常数的情况下，对衰减直流分量进行补偿，从而消除直流分量对基波及各次谐波幅值和相位的影响。该算法只需要在整周期采样的基础上增加一个采样点，理论上可以精确补偿衰减直流分量的影响，精度高、计算简单，适用于电力系统谐波分析中的精确算法。  

智能电网大数据技术发展研究

智能电网是大数据最重要的应用领域之一。该文阐述了智能电网大数据的基本概念,包括:数据源及数据特征,大数据应用于智能电网的价值体现,大数据与传统研究方法的不同之处;综述了国内外智能电网大数据研究和工程应用现状;总结了大数据的理论基础和技术体系;论述了智能电网大数据重点应用领域及应用价值;提出智能电网大数据研究框架和技术发展路线建议。  

基于同步对称分量法的静止无功补偿装置

该文提出了基于同步对称分量法的无功补偿导纳计算方法。该方法以电网三相正序电压为同步参考坐标，再利用旋转对称分量法可以方便地得到电网需要补偿的导纳值。文中提出的三相电压提取方法能有效地消除电网电压的畸变干扰，以电压为同步坐标的旋转对称分量法可消除电流中谐波的影响，从而可准确地计算出电网需要补偿的导纳值。基于该方法设计的静止无功补偿装置无需硬件锁相环，能够快速、准确地补偿对称／不对称负荷的无功功率，维持电压的稳定。采用PSCAD软件的仿真和实验结果证明，基于同步对称分量法的补偿导纳计算方法具有较好的效果。  

燃料电池——有前途的分布式发电技术

在现代发电系统中,分布式发电技术日益成为传统大电网的有力补充.文章简要介绍了分布式发电的优势、种类及其各自的特点,以及各种分布式发电技术的市场发展趋势,详细分析了各种燃料电池在分布式发电市场中的应用现状,对燃料电池在分布式发电市场中的应用前景进行了展望,并结合中国国情指出了我国有条件并且应该加快发展燃料电池分布式发电技术.  

基于信赖域内点法的最优潮流算法

在电力市场环境下 ,诸多问题 (例如实时电价、网络阻塞管理和可用传输能力的计算等 )都需要最优潮流 ( OPF)作为理想的工具。文中基于信赖域的思想提出了求解 OPF的新算法。该算法连续求解线性规划 ( LP)子问题 ,通过信赖域决定线性化步长的选取 ,由多步中心校正原—对偶内点法求解信赖域 LP子问题 ,并采用了一个物理策略以改善 OPF算法的稳定性。对国外一个 662节点实际电力系统进行了数值计算 ,结果表明该算法是快速、鲁棒的 ,具有实用意义  

基于气象负荷因子的Elman神经网络短期负荷预测

针对地区电网负荷易受气候影响的特点，引入气象负荷因子，提出了一种综合考虑各项气象因素．采用Elman反馈神经网络的短期负荷预测模型。由于Elman神经网络具有动态递归性能．可增强负荷预测模型的适应性。经上海电网实际数据的预测仿真计算，证明此方法与传统神经网络预测模型相比．既能减少输入变量个数，又能有效地提高预测精度。  

基于小波神经网络和故障录波数据的电网故障类型识别

电力系统发生大面积复杂故障后,调度人员仅仅依靠来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的保护和开关接点的变位信息难以做出准确的判断,来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据。为了进一步提高超高压输电线路故障类型识别率和计算速度,文中利用提升小波和PNN网络构造了新的小波神经网络故障识别模型,应用bior3．1提升小波对故障电流进行分解,将分解到的 (0,375)Hz频率段的小波系数输入到PNN神经网络。通过 ATP仿真及华东电网实际故障录波数据的测试和比较结果表明:该模型具有很高的识别率和收敛速度,并有望将该模型应用到电网故障诊断系统。