基于复数域偏最小二乘法与等值法的多谐波源责任划分

基于线性回归的谐波阻抗估算方法是常用的谐波阻抗估算方法之一。为确保谐波阻抗估算结果实部与虚部良好的相关性,基于混合建模思想,通过构建复数域偏最小二乘法的准则函数,给出了单因变量复数域偏最小二乘法的严格数学推导及简化求解过程。针对公共连接点处多谐波源情形,基于实测录波数据,通过分析各馈线电流波动量之间的关系,构建了用于筛选关注谐波源谐波电压和电流线性良好数据的指标因子;进而利用复数域偏最小二乘法估算相应的等值谐波阻抗;最终根据所提等值法实现各谐波源责任的定量划分。通过仿真及实测算例验证,体现了所提方法的可行性及有效性。     

基于模糊AHP的电力ICT网络业务质量评价方法

针对新一代电力信息与通信技术网络需求和业务特点,对新一代电力业务进行等级划分.在层次分析法和模糊评价算法的基础上,建立指标评价体系,得到指标的权重,最后构建了基于AHP的模糊加权业务质量评价模型,并对业务质量评价指标的计算方法进行了论述.以调度管理信息系统为例,证实了该模型在解决新一代电力信息与通信技术网络业务质量评价...     

台风灾害下配网用户停电数量预测最优数据驱动模型选择

严重的台风灾害可能导致配网用户停电,有效的配网用户停电数量预测可为电网应急抢修提供辅助指导。综合考虑气象因素、电网因素及地理因素,提出了基于机器学习回归算法的配网用户停电数量预测方法。分析比较了线性回归、支持向量回归(SupportVectorRegression,SVR)、分类回归树(ClassificationandRegressionTree,CART)、梯度提升树(Gradient Boosting Decision Tree, GBDT)及随机森林(Random Forest, RF)等5种机器学习回归算法对配网用户停电数量预测的应用效果。对比结果表明,LR在进行配网用户停电数量预测时表现较差,SVR及CART模型效果次之,RF及GBDT效果相对较好,其中GBDT算法与RF算法误差较为接近。但考虑到GBDT算法为串行计算,而RF算法为并行计算,使用时RF算法效率更高。因此最终选取了RF进行停电数量预测效果的进一步分析。结果表明其误差在±30%以内的准确率可达70%以上,可为配网用户停电抢修提供有力指导。     

基于迁移学习的电能替代节能量在线估计方法

电能替代成为能源转型发展的重要趋势和关键路径,节能量的快速准确估计有利于电能替代项目的推广。为充分利用少量电能替代项目调试期数据快速估计节能量,提出了一种基于迁移学习的单位节能量在线估计方法。首先利用回归算法对大量基期样本展开训练,获得基期能耗模型;其次,利用基于迁移学习的回归算法对大量基期样本、少量调试期样本展开训练,并通过不同的权重更新策略迭代调整基期样本、调试期样本权重,获得调试期能耗模型;最后,采用归一法获得参考条件下能耗差值,即单位节能量。针对干燥领域的电能替代进行仿真分析,证明了所提方法的有效性,并研究了迭代次数、样本数目和样本组合对所提算法预测误差的影响。     

高比例新能源电网多源最优协同调频策略

随着大规模可再生能源对电网渗透率的不断增加,大型风光电站也开始参与到电网的调频当中。首先,建立了功率响应总偏差、调频里程支出最小化的多目标互补控制模型,以解决不同调频资源的动态功率分配问题。为解决该非线性优化问题,采用多目标蝠鲼觅食优化算法(multi-objective manta ray foraging optimization, MMRFO)快速地获取高质量的Pareto前沿,以满足电网的实时在线调频需求,提高区域电网的动态响应能力。然后,基于熵权法,设计了灰靶决策法客观地选择不同功率扰动下兼顾运行经济性和电能质量的折中解。最后,基于扩展的两区域负荷频率控制(load frequency control,LFC)模型验证了所提方法的有效性。     

云南电网低频问题下风机转子动能控制研究

风电机组提供频率响应后,转子转速恢复过程可能导致的频率二次跌落是制约风机提供向上调节能力的关键问题。文章对云南电网风机转子动能控制展开研究,提出风机转子动能控制参数整定方法,在扰动初期利用综合惯量控制快速抑制频率变化率,减小最大频率偏差;在扰动中后期与水火等常规同步机组和直流频率限制器(frequency limit controller,FLC)协调配合,避免频率二次跌落问题,实现频率整体动态过程的优化。仿真研究表明,增加虚拟惯性控制系数K_df,不利于改善频率最大偏差,会让频率在进入直流FLC死区后出现严重超调和反调现象;下垂控制系数K_pf是改善频率最大偏差和直流FLC动作量的关键,K_df和K_pf取值相同时,运行在最大功率追踪区的风电机组改善频率最大偏差的能力几乎相同。     

采用形态学峰谷检测的谐振接地系统故障选线方法

谐振接地系统发生单相接地故障时暂态量十分丰富。文中对各线路发生故障后1/4周期零序电流的短窗数据进行小波变换,剔除工频所在频带,按能量和最大的原则选取特征频带,并对特征频带下重构的小波系数进行形态学峰谷检测。故障线路零序电流首波头峰谷形态与各线路零序电流首波头整体的峰谷形态相反,据此构成故障选线判据。仿真分析和实录数据验证均表明所提方法选线准确、可靠性高。     

变压器漏感特性分析

为了分析漏抗电压降的具体影响、了解漏电感在整个低频励磁试验中的变化规律。本文以实际大容量变压器模型为背景,针对其复杂模型,经过合理简化,以软件Ansoft为计算工具,建立了变压器二、三维漏磁场及漏抗计算模型,计算了典型变压器的漏磁场和漏电抗,通过比较漏电感在铁心饱和、电压频率变化和磁屏蔽等不同条件下的变化,得到结论:变压器漏感基本不随频率和和铁心饱和而变化,在低频试验下漏电感可将其等效为一个固定值电感。     

基于深度学习的高压隔离开关分合状态检测算法研究

高压隔离开关的正常工作是电力系统稳定运行的前提。为正确识别隔离开关的分合状态,提出一种轻量化改进型YOLOv5s目标检测算法。首先,针对隔离开关数据集,采用二次优化K-means++聚类算法重新获取锚框参数。然后,将模型中的损失函数由CIOU替换为具有更强收敛性能的EIOU,加快模型训练的收敛速度。最后,在模型主干特征提取网络的最后一层添加CBAM注意力模块,加强模型特征提取能力。在此基础上,采用通道稀疏化剪枝的方法对改进后的模型进行轻量化处理,减小模型体积和算力消耗。实验结果表明,改进后的模型识别平均精度均值到达97.4%,轻量化处理后的模型大小为3.92 MB,使得模型更加容易部署到移动端设备完成实时检测。     

基于多层特征融合注意力网络的电能质量扰动识别方法

针对复杂电网环境下电能质量扰动特征冗余、分类精度低的问题,经过多层卷积神经网络逐层获取电能质量扰动信号低维到高维特征信息,引入特征注意力机制构建多特征融合层消除特征冗余,提升扰动信号关键特征关注度,并加强扰动信号的局部特征与全局特征的提取,提高模型泛化能力进而提高扰动分类精度,据此提出基于多特征融合注意力网络的电能质量扰动识别方法。仿真结果显示,所提方法不仅在单一扰动、复合扰动下能有效辨识电能质量扰动,而且能有效克服噪声干扰对模型的影响,相比主流扰动分类方法提取的特征辨识度更高、模型抗噪性更强。