基于模糊匹配的配电网短路故障区段定位方法

针对传统10 kV配电网短路故障方法难以适应非健全信息环境的难题,文中利用配电网配用电信息系统的多源数据,以Elman神经网络模型为中心,建立基于模糊匹配的短路故障区段定位方法。首先,以配用电信息系统数据库为基础,对配电网短路故障相关的信号与电气量进行分析,建立配电网短路故障诊断特征库。然后通过I-Relief算法进行主要特征的筛选选取,来作为Elman神经网络的数据输入,并基于Elman神经网络模型对多源数据和配电网短路故障类型及位置进行模糊匹配。最后通过西南某地区实际算例分析,证明所提模型能高效快速地对10 kV配电网短路故障进行区段定位,且具有较好的容错性和实用性。     

考虑容错的配电自动化主站故障定位方法

为避免配电线路故障指示器信号不健全时配电自动化主站故障判定方法失效,从容错的角度对主站定位方法进行了探索。首先分析了故障指示器故障时上报的遥测、遥信等多种信息的特点,提出了上报信息对应的故障决策表,再根据不同的决策表得到初始的故障定位结果,然后通过加性策略对初始的定位结果进行融合,得到最终的故障定位结果。最后通过算例分析,该方法适用于信息漏报和误报的情况,且能获得更加可信的定位结果,为配电自动化主站的故障定位提供一种新的思路。     

证据理论在配电网故障定位中的应用

将不同的故障指示器当作独立的传感器,利用其采集的故障信息形成不同的证据,然后通过改进的D-S证据理论对形成的证据进行融合,最后依据改进的决策原则得到最终的故障定位结果。仿真分析表明,该方法在故障信息误报或漏报的情况下,定位结果仍然可信。为基于故障指示器的故障定位方法提供了新的参考。     

农村配电网 10 kV 线路重合闸成功率的影响因素研究

重合闸是电力系统中提高供电可靠性的一种有效手段。目前,大部分的农村配电网10 kV线路都装设有重合闸装置,然而实际运行时重合闸成功率普遍不高。针对此问题,首先总结了重合闸时间整定原则,然后对影响农村配电网10 kV线路重合闸成功率的相关因素进行了详细的分析,最后依据短时停电的定义和要求,梳理了几点建议,为电力企业在提高农村配电网10 kV线路重合闸成功率方面提供参考。     

基于卫星共视技术的泛在电力物联网时间同步网

为了实现泛在电力物联网下调控中心之间、调控中心与变电站、变电站之间的高准确度跨区域时间同步,研究了基于卫星共视技术的天基时间同步网实现方法,研制了卫星共视授时装置,搭建了天基时间同步网实验系统。基于卫星共视的天基时间同步网,不仅消除卫星钟差、星历误差等影响因素而提高了时间同步的准确度,而且解决了标准量值传递的溯源问题。     

考虑配电网结构变化的DG规划

为了更合理地将分布式电源并入配电网中,提出考虑配网结构变化影响的DG规划。首先采用损耗灵敏度因子对DG进行最优布置,然后建立了以最大减少系统网损为目标的网络重构与DG容量配置的综合优化模型,并通过改进的细菌觅食算法对所提模型进行求解,最后用IEEE33和IEEE69节点系统进行仿真计算。计算结果表明,考虑配电网结构变化的DG规划更加实际、有效。     

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。     

考虑分散式资源互动响应的虚拟电厂智能化调峰定价

随着新型电力系统的提出,电网灵活性需求不断提高,传统电力调峰压力增大,而目前调峰服务逐渐市场化,虚拟电厂等概念的发展使各类分散式资源参与电网调峰成为研究热点。基于此,提出考虑分散式资源互动响应的虚拟电厂智能化调峰定价策略。基于虚拟电厂技术特性与调峰市场要求构建虚拟电厂与内部资源互动的框架,分析响应补偿机制;利用大量历史用电信息建立基于循环神经网络的资源响应行为预测模型,并以虚拟电厂运营收益最大化和调峰偏差量最小化为目标制定响应价格;采用强化学习智能化方法对调峰环境进行学习感知,并针对价格策略改进更新此方法;利用MATLAB进行仿真分析和方法对比,仿真结果验证了所提模型的有效性。     

基于深度强化学习的城市配电网多级动态重构优化运行方法

随着配电网分布式电源的大量接入以及城市区域负荷的快速发展,使得配电网运行环境愈发复杂。同时由于配电网重构涉及大量的开关状态二进制零散变量,现有优化方法很难求解大规模城市配电网重构问题。基于此,提出一种基于深度强化学习的城市配电网多级动态重构方法。首先,建立基于深度学习的配电网多级重构快速判断模型,通过该模型实现对重构级别在线决策,并对智能体动作空间进行降维。其次,使用含参数冻结和经验回放机制的深度Q网络对预测负荷、光伏能源输出功率等环境信息进行学习。以运行成本、电压偏移度以及负荷均衡度最优为目标,通过习得的策略集对配电网进行动态重构与运行优化。建立多智能体强化学习模型,对各个时段的不同重构主体进行联合优化。最后,通过算例分析验证了所提方法的有效性。     

单/双协同模式下配电网故障排查的最优巡线规划

针对有效制定科学、高效的配电网故障巡线排查方案,提出了一种单/双协同模式下故障排查巡线规划理论最优模型。结合配电网呈辐射状运行的特点,首先,设计了单模式配电网故障排查的最优巡线模型,并分析其计算复杂度;其次,为契合现场作业特点,在单模式模型的基础上衍生构建了双协同模式下高效协同的配电网巡线排查模型,该模型可同时兼顾总排查任务量最小和队间分配任务量更均衡。随后在论述两种模型差异的基础上,通过结合Dijkstra和深度优先搜索算法设计了所提两种模型的求解思路及解决方案。最后,以IEEE 33-Bus和某实际系统为例,验证了所提巡线排查模型的准确性、高效性。