考虑需求不确定性的电网综合能源配置优化研究

为提高电网能源利用的充分性,确保电网持续发展,以需求不确定性为基础,提出电网综合能源配置优化方法。利用基本概率分布区间,量化认知不确定性的需求变量。采用概率密度函数指代随机不确定性的需求变量,通过分割离散概率密度函数,令其表征方式与认知不确定变量的表征形式相同。引用笛卡尔积运算构建联合概率区间,分析混合不确定性的需求变量关系。设立全周期投资成本与运行成本为配置优化目标,利用交替方向乘子算法将增广拉格朗日函数分解成两个配置优化目标,迭代优化不确定性需求变量配置。实例验证分析中,经电能资源、弃风量与日常规费用优化结果的检验,所提方法使网综合能源充分互补,使资源得以高效利用,具有良好的经济性优化能力。     

一种基于时间敏感网络的变电站确定性网络架构优化方法

新型智能变电站网络基于传统以太网尽力而为转发机制,在突发大流量时难以保证敏感流量可靠传输。文中提出一种基于TSN（时间敏感网络）的变电站网络架构优化方法,根据敏感SV报文的传输特性,采用TSN协议簇中IEEE802.1Qbv、IEEE 802.1AS结合的时间门控调度机制,在敏感流量到来的时隙开辟专用通道保证其以最佳时延通过;采用TSN协议簇中IEEE 802.1Qci技术对网络所有流量进行过滤管理,保障敏感流量能进入专用通道并阻挡其他流量误入。经模拟变电站实际场景组网验证表明,相对于传统以太网,时间敏感网络能确保网络拥塞时敏感流量能够以最大时延2.17μs、平均抖动0.16μs的最佳时延抖动传输。     

考虑需求不确定性的电网综合能源配置优化研究

为提高电网能源利用的充分性,确保电网持续发展,以需求不确定性为基础,提出电网综合能源配置优化方法.利用基本概率分布区间,量化认知不确定性的需求变量.采用概率密度函数指代随机不确定性的需求变量,通过分割离散概率密度函数,令其表征方式与认知不确定变量的表征形式相同.引用笛卡尔积运算构建联合概率区间,分析混合不确定性的需求变...     

基于云资源模型的数字化系统全链路监控体系设计

利用目前方法对项目进行设计时,存在采集数据误差大、在线查询数量低的问题,为此,提出基于云资源模型的数字化系统全链路监控体系设计方法。构建出云资源模型,设计客户端探针及客户端Client、Server等软件。再通过设计四种系统功能模块,将软件与硬件结合,实现监控体系设计。实验结果表明,该方法的有效性强、实用性高。     

面向电力系统网络安全的多层协同防御模型研究

为满足电力监控系统组网架构及网络安全协同防护的需求,提出一种多层次且纵深分布的主动安全协同防御模型,并从模型架构、功能机制等方面设计一整套实现方案。基于域内自防御和跨域协防的特性,通过基于灰色关联分析的最高关联度防御决策,并协同安全防护设备间协作,实现从主机层、安防设备层到网络层的网络安全多级防御。通过电力监控系统典型现场对网络安全应用场景进行实验验证,结果表明,该协同防御模型增强了各层级间安全防护能力,能够提供更高效的安全风险监测、安全事件响应及动态处置的手段。     

基于自适应交互反馈的电力终端信任度评估机制

在电力系统中,终端设备的信任度评估是实现访问权限分级、数据安全采集的关键技术,对于保证电网安全稳定运行具有重要意义。传统的信任度评估模型通常基于终端设备身份识别、运行状态和交互记录等直接计算信任度评分,在面临间接攻击和节点共谋时,性能较差。针对上述问题,提出一种基于自适应交互反馈的信任度评估（Adaptive Interaction Feedback based Trust evaluation, AIFTrust）机制。所提机制通过直接信任评估模块、信任推荐模块和信任聚合模块全面地度量设备的信任等级,针对电力信息系统中海量协作终端精准地评估信任度。首先,直接信任评估模块引入交互成本,并基于信任衰减策略计算恶意目标终端的直接信任评分;其次,信任推荐模块引入经验相似性,并通过二次聚类推荐相似终端以提高推荐信任度评分的可靠性;然后,信任聚合模块基于信任评分准确性自适应地聚合直接信任度评分和推荐信任度评分。在真实数据集和生成数据集上的仿真实验结果均表明,在攻击概率为30%、信任衰减率为0.05时,AIFTrust相较于基于相似度的信任评估方法 SFM(Similarity FraMework...     

基于Hampel和XGBoost联合算法的变电站巡检人员室内定位方法研究

变电站内部结构复杂,人员走动频繁,无线信号在传播过程中受到干扰,导致用于巡检定位的数据质量差。针对该问题,文章提出一种基于Hampel和极度梯度提升树(eXtreme gradient boosting,XGBoost)联合算法的变电站巡检人员室内定位方法。首先,利用Hampel滤波剔除信号序列异常值,并采用自适应反距离加权插值法补偿信号序列,从而得到新的信号序列;然后,将新序列带入训练好的XGBoost回归模型,得到信号预测值;最后,利用预测值基于路径损耗模型得到人员坐标。将所提方法分别在模拟环境中进行验证。验证结果表明,所提方法在数据预处理阶段对质量差的数据有较好的处理效果,并且对比传统的极限树和多层感知机回归算法模型,在模拟的变电站室内机房中定位精度分别提高21.9%、32%,在模拟的大面积的变电站环境中定位精度显著提高。     

基于卷积神经网络的发电机运行状态实时监视

为了实现对电力系统中所有发电机组暂态稳定性的监视,提出一种可在线识别发电机组实时运行状态的改进卷积神经网络框架。提出的框架使用向量测量单元所获取的测量值作为数据源,利用带有预测池化层的卷积神经网络来实现多标签分类功能,以达到识别多种发电机组运行状态的目的。在模拟多种故障状态的IEEE 118测试系统上开展仿真测试。结果表明,所提出的框架能够快速而准确地识别发电机组的运行状态,是实现发电机组运行状态在线监视的可行方法。     

基于物联网的电力通信机房状态监控系统设计

针对电力通信机房运行过程中依靠人工定期巡检完成运维,存在人工劳动强度大、效率低故障处理不及时、容易发生电网供电事故等问题,结合物联网技术和图像识别技术,设计了一种智能电力通信机房状态监控系统。该监控系统可以对机房内机柜仪表数据和环境数据进行实时监测,采用LoRa技术将数据传输至网关,通过NB-IOT模块将数据信息上传至物联网云平台,完成数据的整合和存储,并且在PC端显示实时状态。通过测试,该监测系统能够实时显示各设备、机房内温湿度、气体溶度等数据信息,降低运维人员工作量,提升效率,具有一定的借鉴意义。     

基于PID自整定的电加热炉加热温度控制方法研究

电加热炉加热温度控制过程,一直存在温度控制精度较低的问题,为解决以上问题,提出基于PID自整定的电加热炉加热温度控制方法,对电加热炉加热过程进行热力学分析,建立电加热炉的稳态热力学方程,确定电加热炉热对流牛顿冷却方程,获取热流密度、热梯度和温度场分布等物理参量;根据热力学分析结果构建电加热炉温度状态变化模型;通过遗传算法实现电加热炉加热温度控制过程参数的整定;利用PID自整定方法实现电加热炉加热温度控制。实验结果表明,与传统的电加热炉温度控制方法相比,所提方法的温度控制精度高、控制稳定性高,能够更好地适应不同的电热加热炉工况。该方法应用范围广泛,不仅适用于工业生产中的电加热炉温度控制,也可用于其他类似设备的温度控制。同时,该方法具有较强的实用性和可推广性,能够为工业生产中的温度控制提供一种新的、有效的解决方案。