基于卷积神经网络的非侵入负荷辨识算法EI北大核心CSCD

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。     

面向新型电力系统的新能源与储能联合规划方法

随着电网负荷日益增加和新能源在电网渗透率的不断提高,针对电力市场环境下新能源和储能电站规划问题,提出一种考虑电力市场调度影响的双层规划方法。首先,上层规划用来模拟投资主体,以净收益率最高为目标,决策变量为新能源和储能装置的安装位置和额定参数,下层规划用来模拟市场经济调度,以社会福利最大化为目标;然后,基于分解与重构思想,将双层规划模型分解为一个主问题和两个子问题,通过主子问题迭代的方式进行求解;最后,以IEEE-14节点系统为例,验证了所提规划算法的有效性,并分析了不同售电价格对规划结果的影响。     

基于IPv6的高级量测体系及其可促成的应用

基于IPv6的高级量测体系(advanced metering infrastructure,AMI)是一个能综合处理用户用电信息的完整网络和系统,可以为电网提供开放和标准的基础通信架构以支持多种服务和业务融合。最近几年,基于IPv6的高级量测体系得到迅速的发展和应用。首先对世界上几个国家或地区的AMI体系实施实践进行了回顾;然后介绍了正日益成为行业主流的基于IPv6的高级量测体系通信局域网技术和完整架构;最后分析了基于IPv6的高级量测体系方案能够为电力公司和用户促成的关键服务和应用。     

智能电表数据分析元及示例

高级量测体系利用双向通信系统和能记录用户详细负荷信息的智能电表,可以提供覆盖系统范围内的量测信息。基于智能电表数据的分析方法为电力行业利用大数据解决许多实际问题开辟了新的道路。首先对智能电表及其功能进行了介绍,然后对智能电表数据分析元做了说明,并给出了智能电表数据分析在配网阻抗参数估计、潮流计算和电压/无功管理几个方面的应用示例,说明智能电表数据分析元应用能为电力公司带来显著的经济效益。