基于正序电压变化量的故障电压暂降源定位算法

随着越来越多敏感负荷接入电网,由电压暂降问题直接及间接带来的经济损失日趋严重。在各类电压暂降中,故障引发的电压暂降占比最大,对其进行准确定位是高效治理电网故障的必要前提。文中针对故障型暂降源提出一种基于正序电压变化量的定位方法,基于发生故障时各监测点的正序电压分布特性,建立监测点信息库和各支路故障距离定位模型;然后基于马氏距离与Pearson相关系数定义相似度指标,利用信息库匹配的方法对故障所在支路进行初选;最后采用遗传算法对最优故障距离目标函数进行寻优,定位故障源。利用IEEE 14节点仿真系统对所提方法的有效性与准确性进行了验证。     

基于SVM的直流电能质量扰动分类算法

近年来分布式能源发电的规模逐渐扩大,更具优势的直流供电技术也随之飞速发展,未来电网的主要模式将大概率趋向交流电网和直流电网混联的电网结构.其中交流电能质量问题已逐渐成熟,而相应的直流部分仍有待研究.对直流电能质量扰动波形进行有效区分与准确辨识,是研究直流电能质量必不可少的环节.直流电能质量扰动波形分类算法研究对直流配电...     

电动汽车充电负荷时空分布预测

采用最小二乘法与灰色关系度理论建立了电动汽车保有量预测模型,将车辆状态转移矩阵引入传统停车需求模型,预测了电动汽车随时刻变化的实际泊车分布特性;基于蒙特卡洛方法,针对电动私家车、电动公交车、电动出租车、电动公务车各自对应的充电需求,分别模拟了其充电行为,推测出了不同用地类型区域的电动汽车充电负荷曲线。文中结合徐州市公共汽车运营现状,给出了大型充电站的规划布局建议,为充电站规划建设提供理论支撑。     

考虑样本不平衡的特高压换流阀状态评估及其影响因素分析

针对特高压换流阀状态评估中原始数据不均衡、模型难以解释等问题,提出一种基于轻量梯度提升机(light gradient boosting machine,LightGBM)与SHAP归因分析的特高压换流阀状态评估方法。首先,通过层次聚类、自适应确定子簇规模与加权过采样生成均衡化样本,解决样本不平衡问题;接着,基于Light GBM树结构分类器构建状态评估模型,实现对样本的快速、准确评估;最后提出一种基于夏普利加法解释(SHapley Additive exPlanations,SHAP)归因理论的特高压换流阀状态评估影响因素分析框架,从全局与个体2个角度展示换流阀各状态量的重要程度及其对运行等级的影响效果。通过算例验证了所提过采样方法及状态评估模型的有效性,并通过关键影响因素的分析为换流阀状态评估结果提供依据与支撑。     

基于三元组孪生网络的窃电检测算法

窃电数据量的缺乏对窃电检测算法的辨识准确度造成了极大影响,因此该文提出在小样本条件下基于三元组孪生网络的窃电检测方法。利用格拉姆角场(gramianangular field,GAF)实现用电序列图像化,再使用三元组孪生网络提取用户用电数据中的特征向量,基于欧氏距离进行特征向量的相似度比对,实现窃电检测。由于三元组孪生网络不仅对训练样本本身的特征进行提取,还对同类样本间的相似性与非同类样本间的差异性进行了学习,提高了特征向量的聚类效果,拥有较高的轮廓系数(silhouette score)。算例结果验证了所提算法在小样本情况下的准确性和优越性。     

基于互近似熵的电压暂降波形匹配方法

随着越来越多电压暂降敏感设备接入电网,因电压暂降干扰带来的直接及间接经济损失日趋严重,这对供电质量提出了更高要求,准确识别暂降源是治理电压暂降问题中必不可少的步骤。文中分析了各类短路故障引起的电压暂降类型及其经变压器传变后暂降波形的变化情况,并根据理论分析建立各类暂降的标准样本波形。提出了一种基于互近似熵原理的电压暂降源辨识方法,通过计算实测波形与样本波形之间的互近似熵,直接进行相似度匹配,实现故障暂降类别的准确识别,并利用电网实测数据对该方法进行验证。结果表明该方法与实际工程相贴合,具有很强的实用性。     

基于深度置信网络的电压暂降特征提取及源辨识方法

提出一种基于深度置信网络(DBN)的电压暂降特征提取与暂降源辨识方法,利用DBN的特征提取能力对实测波形数据进行特征自提取,解决了人工提取特征过度依赖专家经验,受未知特征影响较大不具备一般性的问题。采用多隐层结构网络学习特征最终实现暂降源辨识。该模型集特征提取器与分类器于一体,优化了模型结构框架,提高了暂降源辨识效率。对模型最优参数进行选择,建立适用于电压暂降实测数据类型的DBN模型,对电网实测暂降数据进行特征提取与暂降源辨识,通过对比验证了DBN方法在特征提取与暂降源识别上的优越性,适用于实际工程。