基于数据驱动的风电机组状态监测与故障诊断技术综述

随着大规模风电场的建设,风电机组的状态监测和故障诊断成为一个重要的研究课题。早期的风电机组状态监测和故障诊断依靠人工巡检,而随着风电机组装机容量的不断增长,人工巡检的成本和难度也随之增加。近年来,基于数据驱动方法的风电机组状态监测和故障诊断逐渐成为热点。文中从运行数据类型出发,对相关研究内容进行综述。首先,针对风电机组数据采集与监控（SCADA）系统,从监测对象角度出发,剖析基于SCADA数据的状态监测与故障诊断方法的研究现状;其次,针对风电机组组件振动数据,分析对比各类振动故障特征提取方法的优点和局限性;然后,针对新兴基于图像数据或数据-图像转换数据的状态监测与故障诊断方法,从单一图像诊断和数据-图像转换评估两方面对现有研究进行论述与总结;最后,对未来状态监测和故障诊断的研究方向进行了展望。     

车联网环境下电动汽车主动充电引导模型

为了适应电动汽车数量和充电需求的急剧增长,从电动汽车用户视角出发,提出了一种在车联网环境下基于改进A*路径规划算法与排队论的电动汽车主动充电引导模型。首先,融入红绿灯等待时间和不走回头路条件,改进A*路径规划算法,利用实际路网状态信息更新路网时空状态矩阵,实时优化电动汽车行驶路径,获取电动汽车充电行驶时间。其次,利用深度置信网络预测充电站电动汽车短时到达量,基于排队论M/G/k模型预测电动汽车充电等待时间。最后,以最小化电动汽车充电行驶时间和充电等待时间为目标,搭建电动汽车主动充电引导模型。以中国南京市中心区域为算例,验证了所提主动充电引导模型的有效性,所提算法能够提高充电桩的利用率并减少电动汽车用户综合充电时间。     

基于关联分析算法的配电网多级冗余数据校验与挖掘技术研究

随着电网的快速建设与发展,电网的设备数据、运行数据以及管理数据等相关业务数据具有规模大、数据结构繁杂的特点,而且数据涉及到电网公司的多个部门、多个系统,彼此之间的数据会出现大量冗余及不一致性。因此,文中基于数据挖掘技术,对配电网多级冗余数据的校验的方法进行了研究,通过对照各项冗余数据与其他基础数据之间的关联关系,建立了数据相关性指标模型及冗余数据校验规则,并基于此对配电网多级冗余数据进行校验;并基于关联分析算法,对缺陷数据的挖掘与分析方法进行了研究。以某省级配电网的设备数据为例,进行了冗余数据的校验及缺陷数据的挖掘与分析,算例结果验证了文中所提方法的有效性及可行性。     

面向中低压配电网的分布式协同无功优化策略

分布式电源的大规模接入使得中低压配电网具备参与优化调度的能力,但分布式电源出力的随机性和潮流分布的复杂化为中低压配电网无功优化带来了新的挑战.考虑台区拓扑信息不全的现实问题和传统协同优化的局限性,文中提出面向中低压配电网的分布式协同无功优化策略.首先,对馈线和台区分别建立馈线物理模型和台区拟合模型.然后,利用主从分裂法对全局无功优化模型进行分解,并将不可控台区的潮流拟合模型引入馈线无功优化模型,从而充分调用馈线资源改善不可控台区各节点的电压质量,解决基于物理模型协同优化的局限性,提升协同无功优化水平.算例仿真结果验证了所提策略的有效性和优越性.