基于负荷特征传导的配电台区全状态精准感知与数字化应用

针对低压配电网存在的状态感知水平较低、数据共享挖掘不足等典型问题,结合能源互联网示范台区项目建设内容,以能源互联网的建设理念进行"信息支撑"和"价值创造"2方面的技术突破和应用.首先利用用户负荷特征和故障特征在低压电网中的纵、横向传导特性,构建台区的变、线、户、相位、电气阻抗完整拓扑信息,极大简化采集架构,完成台区全状态精准感知,实现宽带高速电力线载波在信息感知上的高效利用;同时提出数字化业务支撑能力框架,以数据为驱动,探索能源互联网示范台区在电网数字化管理、用户数字化服务和政府数字化治理3个方面的典型业务场景;通过南京的11个小区完成示范应用,拓扑识别准确率可达100％,阻抗计算准确率大于90％,同时试点的603户完成了数据挖掘共享.     

基于载波和工频畸变技术的台区拓扑识别

在台区线路精细化管理和节能降损的背景下,提出了一种基于高速宽带电力线载波通讯技术和工频畸变脉冲电流技术的低压台区拓扑关系识别方法.该方法不仅实现了用电台区变、线、户之间供电网络拓扑结构的识别和校核,也实现了台区用户表相序的识别,为台区线损分析与异常定位、用电负载平衡提供了有效的数据支撑.     

基于冗余任务消减的边缘应用性能优化

在增强现实应用中，距离较近的多个用户请求很可能是相似或者相同的，从而导致同样的计算任务被重复执行。针对该问题，设计基于冗余任务消减的计算任务缓存系统。通过在边缘节点设计任务缓存，使边缘服务器以自组织方式维护全局缓存。对客户端请求时延、用户轨迹、节点部署和总时延进行建模，基于此研究基站上边缘服务器的计算资源部署问题，在给定总的部署代价下优化平均请求时延，并将该问题转化为整数非线性规划问题，设计针对中小规模场景的IDM算法和针对大规模场景的LDM算法。实验结果表明：IDM算法的平均时延与参考最优解仅相差5.85%，对最优解具有较好的逼近效果；LDM算法在牺牲9.20%平均时延的情况下，相比于IDM算法运行时间缩短98.15%，大幅减少了运行开销。     

基于数据驱动的台区户-变关系核查方法研究

经济的不断发展使得低压配电网的规模日趋庞大,但同时暴露了台区线损管理中的一些问题。台区的户-变隶属关系错误是导致台区线损异常的主要原因之一。为了弥补检修人员需要对所有用户逐户排查方法的缺陷,提出了一种基于数据驱动的台区户-变隶属关系核查的方法。模型利用台区供、用电的历史数据,以台区折算后日线损率最稳定为优化目标,采用长时间尺度下滚动优化的方式,最终给出疑似发生户-变隶属关系错误的用户。最后通过两个实际的案例进行分析,结果表明该模型能够给出疑似档案错误的用户集合,实现台区户-变隶属关系核查的高效化。     

热能动力工程在电厂中的有效应用

随着国民经济及时代的日益进步与发展,我国逐渐把社会生产主力投放于发电中。当前,我国最常用的发电结构为火力发电结构,但其能耗巨大,对世界资源紧缺的影响是非常大的。文章基于热能动力项目的基本概念,从降低调压环节的能耗、筛选与完善调频方案、采取多级汽轮机、减少湿气损失干扰等方面,阐述了将热能动力项目使用于电厂内的有效途径。     

基于云端协同的家用电器负荷辨识能力提升技术研究

居民家用电器类型丰富,具有相似特征量的电器种类往往很多,给非介入辨识带来电器类型不确定、辨识准确度有待提升等问题,所以提出了一种基于多类型特征交互的云端协同的负荷辨识方法.首先端侧基于高频采样进行特征提取及负荷辨识,基于CUSUM事件检测方法提高检测过程中小偏移事件的检测灵敏度,应用轻量级邻近辨识方法进行基本电器辨识并将不确定电器的时空特征上送云端;其次云侧辨识能力提升,构建了包含固有特征、时空特征及统计特征的16维云侧历史特征库,提出了面向多维时空特征的最邻近原则优化辨识技术;最后构建云侧闭环升级机制,云侧将差异性特征回送端侧完善终端电器特征库,综合实现不确定电器细化识别能力提升.以南京某用户为例,云端协同相较于终端的居民一般电器的辨识率从67％提升至91％,并实现了无法辨识电器的辨识,有效验证了算法的有效性.     

重庆市2009～2010年冬春抗旱经验与启示

2009年冬至2010年春,重庆市发生严重旱灾,持续受旱时间长达半年,党中央、国务院高度重视,国家防总、水利部也多次派出工作组指导抗旱救灾。通过分析重庆市2010年冬、春旱情,对抗旱工作经验及其暴露问题进行了总结和反思,并得出今后做好抗旱工作的启示,即增强全社会的水忧患意识,建立健全水行政管理体制,构筑防汛抗旱工程体系和非工程体系建设、应急救援队伍建设及物资储备工作。     

基于事件特征聚类的非侵入式小餐饮负荷辨识算法研究∗

随着社会用电量的不断增长,国家电网公司公开报道数据显示,全国多数省份一般工商业占总用电量比例集中在20％左右,且增速较快,由此对电力公司产生了巨大的供需缺口压力,也对政府部门对于工商业用户的安全和环保监管提出了新的挑战.当前一般工商业负荷辨识研究刚起步,总体研究水平还停留在理论研究阶段,亟需形成技术突破.鉴于此,提出了一种事件特征聚类的非侵入式小餐饮负荷辨识算法.首先基于高频采样数据,使用贝叶斯信息准则算法进行事件特征提取,其次针对小餐饮数据进行数据集分类,最后使用支持向量机(SVM)聚类算法对事件特征进行训练和调优,并在测试集中进行负荷识别.以南京某火锅店为例,验证了算法的有效性.     

台区同期线损率标杆值与合理区间计算方法

同期线损率合理值计算是配电台区线损精细化管理的重要组成部分，为定位线损异常台区进而精准降损提供有效的技术支撑。本文将影响线损的复杂因素分解与降维，避免难以准确获取的台区网架参数，建立基于计量偏差、均衡满载工况下的线路传输损耗、负荷特征、基础损耗等台区特性参数的同期线损率计算模型。基于大数据分析，提出特性参数的“双重学习”求解算法，实现每个台区个性化特性参数的求解；通过对同类型台区参数的关联分析，求解各类型台区的特性参数合理区间，实现异常台区的判别和参数合理值学习；最终实现全量台区在不同供电量下的同期线损率标杆值与合理区间智能计算。基于实际应用，验证了算法模型的合理性与有效性。