配电网电容电流估算公式的修正

配电网电容电流估算公式是配电网设计中经常使用的公式,随着电缆线路增多,配电网设备变化,传统估算公式已经出现了很大的误差,本文分析了造成公式误差的原因,重新推导出了新的估算公式,对从事电力工程的技术人员有一定的实用价值.     

配电网电容电流估算公式的修正

配电网电容电流估算公式是配电网设计中的常用公式。随着线路增多和设备变化 ,传统的估算公式出现了很大误差。为此 ,分析了造成公式误差的原因 ,重新推导出了新估算公式 ,对从事电力建设工程技术人员有极大的实用价值。     

配电网电容电流估算公式的修正

分析了造成传统配电网电容电流估算公式误差的原因,推导出了新的估算公式,对从事电力建设的工程技术人员有极大的实用价值。     

含分布式能源的配电网极端可接入容量估算研究

含分布式能源的大规模接入,通常依靠灵活的网络结构和较大的容量裕度来应对配电网的不确定性,以保证电力系统的安全可靠性。采用传统方法对配电网可接入容量估算时,难以处理各类不确定因素,存在估算误差大的问题。提出一种基于模糊层次分析的含分布式能源的含分布式能源的配电网极端可接入容量估算方法。该方法先结合增量法对含分布式能源的配电网极端可接入容量估算进行评价,对影响可接入容量估算的各种不确定性因素进行分析,组建含分布式能源的配电网分析模型和配电网最大准入容量模型,并依据其物理意义组建概率分布函数,求解不确定性因素的期望值和方差,在此基础上组建配电网极端可接入容量估算的指标体系,结合层次分析与灰色理论构造含分布式能源的配电网极端可接入容量估算模型。实验结果表明,所提方法能够有效提升含分布式能源的配电网极端可接入容量估算精度,且估算效率较优。     

中压配电网规划中馈线电气计算的估算方法

针对中压配电网规划的特点,介绍并推导了用于估算馈线主干线有功损耗的方法———损失系数法,提出了不同典型负荷分布情况下对馈线主干线电压损耗的估算公式及其电压损失系数表。结合电网实际情况,提出了有效考虑配电变压器损耗的配电网线损估算方法,并基于电压损失系数表提出了在各种典型负荷分布情况下对馈线低电压问题的快速判断法,为配电网规划工作提供实用性参考。     

配电网三相不平衡度近似计算方法简析

文章分析了国家标准GB/T 15543—2008《电能质量三相不平衡度》推荐的三相不平衡度近似计算公式的来历、适用范围及其引起误差的主要影响因素。分析及算例结果表明:该近似公式适用于输电系统三相不平衡度近似计算,但在短路容量较小的配电网中采用该近似公式可能引起较大的误差;文中建议在配电网特别是短路容量较小的低压配电网电能质量规划评估中,宜采用三相不平衡度的精确计算方法。     

一种多目标配电网络重构新算法

配电网络重构是配电管理系统的重要内容，从本质上讲，它是一个非线性组合优化问题，采用传统方法处理十分复杂，难以得到理想结果。文中提出一种新的配电网重构算法，充分利用并综合负荷均衡法和支路交换法的优点，改进了负荷均衡过程；采用新的配电网络分块潮流计算方法，依据支路交换配电网损估算公式导出新的启发式规则，较好地解决了多目标配电网重构问题。理论分析和算例表明，该方法高效可行，适合配电网自动化的实际应用要求。     

输电线路全寿命周期成本估算

文章提出了一套交流输电线路全寿命周期成本(LCC)的估算公式,利用已有工程数据进行了估算,并对估算误差进行了分析。     

配电网载波通信信道的分析和建模

为实现可靠和高速的10kV电力线载波通信,有必要对配电网载波信道的传输特性进行研究。基于二端口网络和传输线理论,建立了配电网载波信道的转移矩阵模型。该模型的参数容易计算和测量,能够分析网络中任意2个节点之间的信号传播规律。基于该模型给出了线路整体工作衰减的计算方法,揭示了线路产生频率选择性衰落的原因。针对配电网中大量存在的阻抗不匹配环节,分析了配电网中部分线路的工作衰减。结果表明,该衰减值与线路其他部分有关,传统简单估算的结果误差较大。基于PSpice建立了一个10kV线路的信道模型,验证了理论方法的正确性,并据此提出了对通信系统设计的建议。     

电网对地电容电流计算误差分析

配电网常需测量电网对地电容电流,当电网中性点不易引出时,采用相对地附加电容法简便易行.测量中可用不同公式进行计算,根据误差分析可看出采取适当的措施和计算公式可减小误差.     

基于改进BP神经网络的低压配电台区智能电能表误差状态评估模型

针对配电网台区中智能电能表误差估计问题,基于粒子群优化BP神经网络提出智能电能表误差估计方法。所提方法从数据搜集和数据预测、预处理建立智能电能表误差估计模型;针对传统BP神经网络隐含层节点数制定的局限性,提出采用粒子群优化算法对隐含层节点数进行优化,并采用优化得到的隐含层节点数构建BP神经网络结构对训练样本数据进行训练,基于训练得到的BP神经网络对测试样本数据进行计算得到智能电能表误差数据。针对某地区典型配电网台区中智能电网运行误差估计问题,采用所建立的方法进行智能电能表运行误差的评估。仿真算例表明,所建立的模型能够有效评估智能电能表运行误差,相比于传统的评估方法,其评估准确性有显著提升。     

考虑双侧量测误差的配电网拓扑识别及参数联合估计方法

配电网参数估计和拓扑识别是配电网规划、运行分析和安全控制的基础,传统线性回归方法对量测数据误差或噪声数据具有较高要求,只有在无噪声情况下,估计才是准确的。然而实际输入测量值(如电压幅值和相位角)和输出测量值(如有功和无功功率)均存在噪声数据,对于拓扑估计,即使量测误差很小,回归方法也无法得到准确拓扑。针对上述问题,首先构建了配电网参数估计的基本模型,并定量分析了量测误差对线路参数估计和拓扑识别的影响。在此基础上,建立了考虑双侧量测误差的线路参数估计模型。针对其非凸导致的难以求解的问题,基于拉格朗日函数进行等价转化,得到易于求解的最小化瑞利熵问题。最后,基于IEEE 8节点系统进行仿真分析,并与传统线性回归、最小二乘法进行对比,证明所提方法在量测误差达到10%时,依然具有良好的估计精度。     

面向新型配电网的能观性分析与精细化协同规划方法

现代控制理论和电力系统状态估计中的能观性定义难以满足配电网态势感知的需求,配电网规划模型中也缺乏对能观指标的考虑,为此,提出面向新型配电网的能观性分析与精细化协同规划方法。对配电网的变量与状态空间模型进行定义,并根据传统能观性定义对配电网中的传统/新型变量进行能观性分析;基于传统能观性定义的缺陷提出新的配电网能观性和能观指标定义,并建立考虑能观性的配电网精细化协同规划模型。算例分析结果表明,所提规划方法考虑了实际量测误差的影响,实现了一次网架规划和二次态势感知设备配置的综合最优,达到了经济性和能观性的平衡。     

基于误差分类的风电功率区间评估

为了提高风电功率的区间评估精度,结合预测误差数据的特性,提出了一种基于误差分类的区间评估方法。首先,引入K-means聚类算法,以欧氏距离为聚类指标对风电预测误差的整体水平进行分类。然后,建立误差区间评估模型,以风电功率数据和历史预测误差为模型输入,以预测误差区间为输出,利用长短期记忆(LSTM)神经网络深度学习模型输入和输出之间的关联。最后,利用Elia网站风电数据进行验证,结果表明,与其他评估模型和传统的误差概率分布方法相比,所提方法更能抓住误差数据的特性,能够得到更为准确的风电功率区间评估结果。     

基于自适应无迹卡尔曼滤波的配电网状态估计

随着大量分布式电源和电动汽车接入配电网,DG出力难以预测以及负荷监控复杂是配电网运行管理的难题。针对传统无迹卡尔曼滤波预测误差大,且容易受不良数据影响的问题,利用新息向量构造了自适应因子,提出自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)算法对配电网进行状态估计。当系统负荷突变以及量测存在不良数据时,利用自适应因子对相应的预测协方差矩阵进行在线修正,减小了预测误差对估计精度的影响。在三相不平衡配电网中进行仿真分析,结果表明,AUKF算法比UKF估计精度高、鲁棒性强,验证了所提算法的有效性。     

配电网状态估计的一种新算法

加权最小二乘法是当前配电网状态估计的常用算法,但它对于粗差的处理能力不足,量测量中的粗差会使估计结果严重偏离真值.介绍了一种抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将之应用于配电网的状态估计.通过测试,证明该方法可以有效减小或消除量测量里面的粗差影响,对于配电网状态估计技术有较强的实用价值.     

提高配电网状态估计精度的量测配置优化方法

为适应配电网的智能化要求,达到提高配电网状态估计精度的目的,应用M-P广义逆矩阵和加权最小二乘问题的唯一极小最小二乘解等数学方法,推导出量测误差和状态向量估计误差之间的数学关系表达式:提出了一种新颖的量测评估和配置优化的方法.利用评估算法对待考察的量测集合进行评估后,从评估结果中选出排序靠前的量测类型和安装位置,从而得到量测装置的配置优化方案.对于算例系统,应用该方法获得的量测配置优化方案,仅需安装少量量测装置就可以提高状态估计精度在60%以上.     

工程实践中合环网络等效负荷的简化分析

鉴于传统合环潮流计算方法存在支路多、计算量大的缺点,提出将合环网络中多节点负荷支路简化为单节点负荷支路的思路,并建立等值模型和推导出计算公式。取一条9节点的10 kV配电网线路进行仿真实验,采用单节点模型计算得到的末端电压幅值相对误差为1.7%,相位相对误差为15.5%。仿真结果表明,该方法能满足实际工程的要求,且大大减少了合环潮流计算的工作量。     

关于 PDR 算法步长估计模型的改进研究

为了更加精确地判别基于微惯性测量单元( IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模 型,发现传统算法所采用的判别条件单一且精准度不高。 针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基 于扩展卡尔曼滤波的误差补偿优化算法,以实现 IMU 内集成的加速度计、陀螺仪等传感器的误差补偿。 将优化后的原始数据 放入 BP 神经网络算法对单参数步长估算经验模型进行训练。 实验结果表明,基于 BP 神经网络融合基础模型的步长算法相比 单纯的基础步长模型,闭环精度提高了 0. 3%以上,开环误差减小了 8. 5 倍,基于 BP 神经网络的改进 PDR 算法可以有效抑制惯 性算法的误差发散。