基于MGS-LGBM算法的电力系统暂态稳定评估

多粒度级联轻型梯度提升机(MGS-LGBM)具有超参数设置简单、模型泛化能力强、分类准确率高、训练评估快等特点。为提高电力系统暂态稳定评估的准确性和快速性,将MGS-LGBM引入电力系统暂态评估中。首先通过时域仿真提取原始数据,构造能够反映系统稳定情况的23维特征量,输入MGS-LGBM模型中,稳定结果作为输出量,利用模型中的多粒度扫描和级联结构对样本特征和结果进行高效并行训练。通过新英格兰10机39节点系统仿真验证MGS-LGBM算法,通过与其它机器学习算法比较,算法在提高暂态评估准确率的同时兼顾快速性,且在含有无关特征和训练集较少的情况下仍能保持较好的评估性能。     

分布式光伏配网补贴方法的长期效果分析

基于Matlab和GridLAB-D联合仿真平台,采用IEEE-13节点馈线配网模型,以北京市为例,考虑分布式电源(distributed generation,DG)、配网和国家补贴政策的相互作用,对分布式光伏(distributed-generation photovoltaic,DGPV)和分布式光伏接入配网建模,对影响DGPV投资决策的各种因素进行灵敏度仿真,并对配网补贴代替部分国家补贴的DGPV投资进行长期演化分析。研究表明,DGPV投资量对总水平辐照度(global horizontal radiance,GHR)和成本变化最敏感,其次是电价、国家补贴和自用率。配电网补贴对DG投资具有一定激励效果,可替代部分国家层面容量补贴,以提高补贴的灵活性。     

变压器的谐波传递特性研究

基于变压器的T型等效电路,在考虑分布电容影响的情况下,建立了谐波工况下变压器的等效电路模型,并对其谐波传递特性进行了深入的分析计算,结果表明：在空载或轻载时,电源侧谐波在变压器中是线性传递的;而在其他情况下谐波通过变压器后发生畸变,负载侧的谐波含有率跟电源侧相比变化很大。采用Matlab仿真软件,对变压器在不同负载率下的谐波传递特性进行仿真分析,最后在实际变压器上进行了实验验证,实验结果与理论分析结果和仿真结果具有较好的一致性。     

一种基于贝叶斯网络的配电网可靠性评估方法

提出了一种基于贝叶斯网络的故障树分析法并应用于配电系统的可靠性评估。该方法能够有效地求解系统中各部件对系统整体可靠性的影响大小,分析系统中的薄弱环节。该方法计算简便,可在此基础上方便﹑灵活地计算配电系统的可靠性指标。通过实例证明了该方法是有效可行的。     

交直流混合系统可用输电能力评估

随着我国交直流混合系统规模的不断扩大,交直流混合系统可用输电能力(available transfer capability,ATC)的计算模型和方法的研究成为一个关键问题。电力系统是一个动态时变系统,存在大量的不确定性和随机性,考虑这些不确定性因素对ATC的影响是准确计算ATC的一个难点。文中提出了一种基于非序贯蒙特卡罗仿真的可用输电能力评估方法,综合考虑负荷变化、设备故障、直流系统控制方式变化和天气等不确定性因素的影响,并从充裕性方面定义一系列的概率指标进行ATC评估。采用Matlab7.1编写相关的计算程序,并用改进的IEEE 14节点系统进行算例分析。计算结果表明,文中所提方法正确有效,能给出更准确的ATC信息。     

基于改进辅助分类生成对抗网络的风机主轴承故障诊断

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。     

基于改进深度残差收缩网络的电力系统暂态稳定评估

针对电力系统暂态稳定评估中,电力系统同步相量测量装置(PMU)量测数据在采集和传输过程可能存在噪声问题,以及由于暂态稳定与失稳样本不平衡,导致基于数据驱动的暂态稳定评估模型训练的倾向性和误判后果严重问题,提出基于改进深度残差收缩网络(IDRSN)的电力系统暂态稳定评估方法.首先将底层量测电气量构建成特征图形式作为模型输入,利用模型深层结构建立输入与稳定结果之间的映射关系.面对噪声问题,模型通过注意力机制,采用软阈值函数自动学习噪声阈值,减小噪声及无关特征干扰;并通过焦点损失函数(FL),引入权重系数修正模型训练的倾向性,利用调制因子重点关注误分类样本,提高模型训练效率和评估性能.通过新英格兰10机39节点系统进行仿真分析,所提模型能够有效减小不同程度的噪声干扰,在不平衡数据集上修正模型训练偏向性,以减少误分类样本,在不同PMU配置方案下,均取得较好评估效果.     

考虑备用共享的区域电力现货市场出清模型

在推进我国新一轮电力体制改革和建设全国统一电力市场的背景下,为了打破省间壁垒,缓解现行区域电力市场部分省份因备用容量不足和源荷逆向分布而存在的电力紧缺或“三弃”问题,引入备用共享机制和联络线协调优化的运行方式,构建了包括安全约束机组组合模型和安全约束经济调度模型在内的区域电力现货市场电能与备用联合出清模型。通过考虑备用共享的区域电力现货市场电能与备用联合出清,实现了电力资源在更大范围的优化配置,有效提高了系统运行的经济性和可靠性。以两个互联的IEEE 30节点系统模拟区域内两省间电力市场交易,验证了所提模型的正确性和有效性。     

基于改进ACGAN样本增强的变压器故障诊断技术

基于深度学习算法的故障诊断需要足量的样本作为训练数据集.变压器故障数据匮乏将导致故障诊断准确率较低.对此,提出了一种基于辅助分类GAN的故障诊断方法.该方法引入自我注意机制,提取故障样本的全局特性,以提高生成样本的质量;并加入梯度惩罚,以提高模型收敛速度和训练稳定性.运用该方法对失衡样本进行增强扩充,并在变压器振动试验数据集上进行验证.仿真结果表明,该方法能够有效改善数据不平衡带来的影响,增强扩充后的故障诊断准确率提高了3.4％.