分布式并行网络拓扑计算关键技术研究

为解决由于不断扩大的电网规模和不断复杂的网络拓扑复杂程度,导致传统拓扑着色分析方法速度慢、效率低,无法适应电力系统应用软件高时效性要求的问题,研究了分布式并行网络拓扑计算关键技术。通过研究合理的网络拓扑模型划分算法,首先对拓扑计算程序改造成多线程并行处理的方式;再充分利用集群和网络的资源,将整个网络拓扑进行划分,由不同的服务器进行并行的分析与计算;最后每台并行的服务器再采用高效率的网络拓扑分析算法。经过以上几个步骤,分布式并行的网络拓扑计算可以提高可扩展性和可靠性,并且可以充分提高拓扑计算和程序运行的效率。     

支持数据共享、生态开放的网上国网开放平台

针对网上国网开放平台系统运行低下、数据共享能力差、生态开发程度低等问题,提出了基于SOA（Service-Oriented Architecture）的分布式网上国网开放平台系统,该开放平台提供多种有效的机制来保护用户的服务安全,以RESTful API的方式对外提供间接的服务访问,采用REST接口实现Web服务,提供Appkeys鉴权和OAuth2+JWT鉴权。数据共享平台采用基于Web的云服务,即数据中心信息同步服务、元数据推送与管理服务、多源异构数据访问服务等。实验结果显示,该平台在节点数为10时数据共享所用时间仅为834 ms,鉴权子系统的吞吐量最高可超过1 000。     

不同配置模式下分布式光伏发电并网接纳仿真

针对分布式光伏发电的间歇性、不确定性特点,解决其并网接入给配电网带来的难题,提出不同配置模式下分布式光伏发电并网接纳计算方法,通过构建分布式光伏发电接纳容量计算模型,以最大光伏电站接入总量为优化目标,以旋转备用容量、常规机组爬坡速率、网络传输等为约束条件,分析电网侧、分布式发电侧两种配置模式下储能参与电网电压调节的能力,展开分布式光伏发电并网接纳计算.仿真计算分析结果表明:天气状况可干扰分布式光伏出力情况,日间输出功率差异显著;储能配置在电网侧模式比储能配置在分布式发电侧模式的配电网分布式光伏发电接纳效果提升30％左右.     

电网调控系统通信总线调用链监视与分布式追踪方法研究

电网的快速发展和大规模互联电网的形成,使电网特性由区域模式转向全局模式。电网运行和调度控制均呈现数据密集、通信密集和计算密集的特征,从而形成了复杂的网状服务调用关系以及多层次的消息传输流程,给电网运行态势变化预测和运行风险管控带来了新挑战,亟需对通信总线数据交互过程进行有效监视。首先提出了通信总线的全链路监视与分布式追踪技术框架。然后研究了服务调用链监视和消息分布式追踪的关键技术。最后介绍了工程应用情况。该技术的应用为电网调控系统数据传输和交互提供了全面、直观的状态信息,实现了系统隐患及时发现、故障原因精准追溯,增强了新一代调控系统通信总线运行状态监视和风险控制能力。     

电网安全风险闭环管控体系构建方法设计

随着电网建设的高速发展,电网事故的影响也在逐渐扩大,电网安全引起了越来越高的重视。电网结构的多重削弱更是高风险场景之一,容易引发大面积停电事故。因此,构建电网安全风险闭环管控体系对电网稳定运行至关重要。以恩施电网7次重大、较大电网安全风险事件为实例,分析了各次电网安全风险事件发生的起因及防范方法。在归纳总结各类风险防范措施特点及实施效果的基础上,基于Pareto最优演绎构建了一种应对高风险场景的电网安全风险多闭环管控体系,对风险评估和协同防控环节实施多重闭环反馈和优化,达到规避、降低电网事故风险的目标。最后通过黄冈中、南部电网实际算例,验证了所提电网安全风险闭环管控体系的有效性。     

基于分布式技术的用电信息采集主站系统设计与应用

随着用户侧数据采集设备的发展及电网业务对用户侧采集数据的深化应用,当前电力用户用电信息采集主站系统在数据采集、计算、入库等方面出现瓶颈,无法满足业务快速发展的需求.针对营销数字化转型发展的需要,基于分布式架构、异步网络、并行计算与分布式存储等技术,文中提出一种具有高频实时采集特征的主站系统技术方案,在采集通信层、任务调度层、分布式存储层及并行计算层4个层面全面解决高频并发交互、复杂任务调度、海量数据存储及实时计算的效率问题.通过中国某省级工程应用表明,所提出的方案可显著提升用电信息采集主站的采集能力,改善集中式采集主站性能.     

基于e-模糊树方法的电力系统状态估计

电力系统状态估计在能量管理系统中起着重要的作用。为了提高状态估计的整体性能,提出了基于ε-模糊树方法(ε-FT)的电力系统状态估计方法。以福州电网500 kV母线为研究对象,通过网络结构分析,对各量测量进行信息提取和变量选择,将最优的变量子集作为ε-FT的输入变量,建立了各母线电压幅值的ε-FT模型,并与其他方法进行了对比。随后,在量测量中加入不良数据,验证所提状态估计方法的鲁棒性。结果表明,该方法能够有效地抵抗量测量中的不良数据,具有较高的估计精度和较强的鲁棒性,并且能将不良数据限制在局部,减少对整个电网状态估计的影响。