基于前推回代法的低电压台区成因数据分析

采用前推回代法,通过对网架数据和中压配网负荷数据的解析,针对台区整体电压偏低、台区局部电压偏低等两类低电压台区特征,分别梳理造成低电压的主要影响要素,得出低电压台区的主要成因,定位造成低电压台区的主要因素。该研究不仅分析了低电压台区的成因,同时也为治理低电压台区提供了支撑,从而提高了供电安全性。     

面向三维可视化场景的电力大数据分析模型构建研究

针对电力大规模数据和空间场景特征,构建了基于电力大数据的三维可视化场景分析模型。通过对模型的层次化设计,实现同一平台下空间数据和场景的整合;针对模型大规模场景快速渲染问题,提出了一种可见性剔除算法来满足对模型物理层的遮挡剔除,并通过应用实例证明了该算法的准确度和有效性。研究结果表明：采用八叉树组织场景图结构和Halton序列法的快速渲染策略,尽管增加了单一数据的渲染时间,但整体减少了渲染管线数据量,从而提高了对电力大数据分析模型的快速渲染效率,同时保证了三维可视化场景模型节点的均衡性。     

适应配电网网格化规划的可靠性预测方法

网格化规划是在配电网规模日益扩大的背景下提出的一种规划新模式。根据网格划分原则将供电区域划分为多个供电网格,对每个网格分别进行规划。考虑网格化规划的特点和传统可靠性评估方法的局限性,提出了基于可靠性历史数据的预测模型,主要针对原始数据信息量相对不足的规划网架进行可靠性预测。采用灰色关联分析法选取影响供电可靠性的关键因素作为预测模型的输入;为了提高预测模型的准确性,采用三种科学常用的预测模型,包括回归预测法、灰色预测法、人工神经网络法,分别预测可靠性指标;对某网格化规划区域的实例分析表明,所提模型能够有效预测规划网架未来一定时间的可靠性水平。     

中压变频电力电缆载流能力的研究及试验

对变频系统用电力电缆载流量的计算原理和主要影响因素进行讨论,给出了相应的计算公式。选择典型规格电缆进行载流量试验,得到了在不同频率下电缆载流能力的实际测试数据。与理论计算值对比显示,电力电缆载流量随频率的升高逐渐降低,与工频相比,频率为400 Hz时,载流量下降约15%。此外还对提高变频情况下电缆的载流能力提出了建议。     

环网柜测温系统温度分析及预测研究

环网柜是配电网中的重要设备,温度异常升高会导致其故障损坏,影响供电安全,因此要对环网柜运行温度进行监测。基于SAW传感器的无源无线测温技术,具有测温装置安装灵活、可靠性高的特点。基于此技术设计了温度监测管理系统,介绍了系统的硬件构架及软件设计,展示了软件运行界面。针对现有的温度监测系统缺乏温度预测功能的情况,该系统采用BP神经网络进行温度预测,从而能够更早地发现温度异常情况。运行情况表明,该系统实现了温度监测、温度预测及故障告警的功能。     

负荷监测系统在配电网运行特性分析中的应用

配电网中大量10 kV配变负荷数据的获取是准确进行配电网运行分析的基础,负荷监测系统可实时监测配电网中10 kV配变负荷的数值,为准确进行配电网潮流计算和配电网运行特性分析提供了数据来源。研究了负荷监测系统在配电网运行特性分析中的应用。首先,介绍了负荷监测系统的组成和功能;其次,给出了基于负荷监测系统的配变负荷模型;然后,给出求解配电网潮流的前推回代计算方法;最后,以松江电网实际的一条配电出线为例,基于负荷监测系统数据对配电网运行特性进行详细分析,讨论了负荷类型、线路长度和线路类型等对配电网运行特性的影响。     

基于可视化技术的地区电网智能调度预警系统设计应用

智能调度系统是建设坚强智能电网的核心内容之一。结合地区电网智能调度预警系统的实际应用需求研究相关的可视化技术。在分析智能调度系统及可视化技术相关概念和研究现状的基础上,提出了智能调度可视化系统的设计总体思路与原则。通过对智能调度可视化系统的主要功能及软硬件的构建分析,实现了基于SVG技术的可视化展示。通过二维、三维图形展示电力一次接线图信息、状态评价信息、试验信息及设备属性信息等,直观地显示出数据之间的内在联系,便于快速获取信息,提高运行人员的工作效率。     

基于大数据分析的电网增量负荷预测研究

随着国民经济的发展和人民生活水平的提高,负荷的增长对电网发展的要求越来越高。提高电网规划的效率、最大程度发挥规划的作用既是用户的期望,也是供电企业所追求的目标,因此,在负荷预测中需要综合考虑各种因素。在用电负荷的诸多影响因素中,气象因素对用电负荷有着重要影响,现主要考虑气象因素中的日最高温度对用电负荷的影响,根据某一地区的日最高温数据和日最大负荷数据进行建模,构建相应的负荷预测模型,进而使得预测更加精细化。     

改进极限学习机应用于电网故障诊断

电网故障诊断中交叉数据模式识别问题占据重要位置,传统的人工智能方法处理效果不甚理想。提出运用改进极限学习机进行故障诊断的算法,随机选取输入权值向量和隐含层的偏差,并且利用最小二乘法分析计算输出权值,以达到提高故障诊断容错性的目的。仿真结果表明：在保护动作信息不完备的情况下,该算法的故障判断准确性明显优于BP神经网络,该算法对存在一定错误数据的故障信息也具有良好的识别能力。     

改进小生境粒子群算法应用于电网故障诊断

通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。