配电台区中短期负荷预测方法研究

配电台区的负荷预测是台区配电扩容规划的基础工作.但受到配电台区统计数据种类单一、数据质量差甚至无法获取等因素的影响,配电台区的负荷预测存在精度低、预测模型复杂等问题.根据台区配电负荷日峰值数据表现出的周期性和渐变性,建立基于温度-负荷回归模型残差的ARIMA模型的台区配变负荷峰值预测方法.建立温度-负荷回归模型,以日最...     

计及电动汽车渗透率的台区负荷预测研究

大量电动汽车接入给配网台区负荷带来了巨大的影响,为了更好地进行配电台区的负荷调度和扩容规划,研究计及电动汽车渗透率的台区负荷预测。首先对多源的负荷预测数据进行缺失、重复、异常预处理并对处理后的数据进行负荷聚类分析;然后分析电动汽车渗透率对台区负荷的影响并建立相应的负荷预测模型;接着建立基于ANFIS-RBF算法的台区负荷预测算法,并采用某地实际模型和数据进行台区负荷预测实例仿真,分析不同电动汽车渗透率下的台区负荷预测结果并验证本文所提算法的优越性。     

基于智能配变终端的配电网故障区段判断

针对配电网故障点定位速度慢、对电网造成冲击等问题,提出了一种基于智能配变终端的配电网故障区段判断方法。故障区段判断建立在准确的台区拓扑基础上,在台区拓扑识别方面,针对人工录入方法前期工作量大、后期维护不便等问题,提出了一种基于智能配变终端和感知终端的台区拓扑动态识别算法,通过注入及检测非工频信号实现对台区拓扑动态、准确、快速识别。在获取台区拓扑的基础上,提出了一种利用智能配变终端边缘计算能力的矩阵判别法,根据判断矩阵实现故障区段快速定位。     

Microgrid technology for low voltage distribution transformer station area

大规模分布式电源、储能和电动汽车等电力电子装置分散接入配电网,致使出现用户侧供电电压频繁双向越限、台区潮流倒送、谐波超标等问题,给配电网供电电能质量、运行经济性和供电可靠性造成了重大影响;本文结合配电网台区实际建设情况,提出了一种面向低压配变台区的新型微电网配置方法,并系统阐述了面向低压配变台区的微电网技术架构、功能架构和控制目标,建立了基于台区微电网两阶段协调控制模型,通过微电网协调控制与优化调度,实现分布式电源优化并网和高效发电。采用典型台区微电网进行了仿真计算,验证了方法和模型的有效性。     

国网山东淄博供电公司综合监控业务覆盖全部台区

<正>为确保供电所各项指标的有效管控,及时处理台区配变过载、空载、停电等故障,国网山东淄博供电公司在86个供电所建立了覆盖全部台区的数据综合监控系统。数据监控系统是通过远程控制系统,将电力营销业务应用系统、用电信息采集系统、营销稽查监控平台、营销GIS平台、智能配电网运行监控平台、运营智能分析平台、班组建     

台区线损影响因素分析

根据上海市松江地区的台区基本情况,利用用电采集信息系统运行监控平台和配变负荷监测系统,分析了影响配电台区线损的原因,并结合现场情况,制定有效措施以降低台区线损。     

基于人工智能的配电网设备负载预测预警系统设计研究

提出了基于人工智能的配电网设备负载预测预警系统.该系统采用层次聚类法按照历史负载率曲线特征将配电变压器和馈线划分为多类,并为每类构建一个基于Seq2 Seq的负载率预测模型.在此基础上,该系统建立了一个重过载预警框架,筛选出未来短期存在重过载风险的配电网元件.测试结果显示,负载率预测的平均绝对百分比误差均值为6.79％,重过载预警的准确率均值超过90％.     

基于深度学习的配变停电电量损失预测

停电电量损失预测可为电网调度及规划提供参考,有利于为用户提供可靠供电服务。针对当前配变停电过程中的电量损失问题,先基于模糊C均值聚类算法实现对配变负荷曲线的分类处理及精细化分析,挖掘配变负荷数据规律;在此基础上,运用皮尔逊相关系数算法提取选择输入特征,构建基于门控循环单元神经网络的预测模型,从而得到停电时间负荷值,进而分析预测负荷曲线得到损失电量;最后,基于停电管理工作分析,实现基于粒子群优化的台区用电行为停电优化问题求解。算例测试验证了所提方法的正确性和有效性。     

低压配电台区线损变化趋势实时监测技术研究

为了降低配电网运行损耗,减少基层班组人员排查线损时间,研究了低压配电台区线损变化趋势实时监测技术。分析变电站和杆塔式配变的电气参数,利用GPRS无线上网通信方式传输数据,建立实时监测模块,完成数据收集与汇总。通过小波变换分解噪声的台区线损值,计算高频系数绝对值,得到去噪后的低压配电台区线损数据。统计配电网中各线路的线损,算出线损异常时间数据平均权重,以图表可视化形式呈现,实现低压配电台区线损变化趋势实时监测。试验结果表明,所提方法能够实时监测低压配电台区线损变化趋势,准确定位线损,提高工作效率。     

基于统计学的煤改电台区负荷特性研究

以北京通州某农村煤改电台区为案例,考虑台区用户负荷数据不具备全面采集的特点,应用统计学方法对采暖季内台区整体以及单体用户的负荷特性进行了研究,得出了台区空气源热泵机组的负荷、同时率、负载率等指标,为煤改电前期的负荷预测提供了参考依据。     

基于石墨烯辐射强化散热的变压器过载能力提升技术研究

一般配电变压器的散热系统均未考虑过负荷情况,由于油温过高引发的安全事故时有发生,提出了一种提升变压器过载能力的运行可靠性方案,介绍了石墨烯辐射涂料的特点,基于石墨烯辐射涂料,开发设计了用于变压器强化散热的辅助散热模块,并对设计方案进行了验证,对于负荷波动较大的配电变压器,能有效降低油温,大幅提升现有变压器的辐射传热能力...     

三相不平衡条件下低压配电变压器合环操作研究

采用合环操作实现不停电倒负荷可大大提高低压配电网供电可靠性,但由于低压电网中配电变压器负载不对称性和合环点存在电压差等因素,合环操作会改变配电变压器负载不平衡度,且操作中会产生合环冲击电流,对电网安全运行产生影响。对此,提出了适用于低压配电网配电变压器合环时电流和不平衡度的计算方法,给出了低压配变合环操作的判定条件,并通过仿真分析了低压配变负载率和不平衡度对合环电流及合环后配电网不平衡度的影响,验证了计算方法的正确性。     

混合绝缘系统油浸式配电变压器过载能力分析及结构优化

随着电网安全可靠性要求的不断提高,油浸式配电变压器过载性能亟待提升。在对混合绝缘系统和常规绝缘系统油浸式配电变压器的耐热等级和温升限值进行分析的基础上,采用热点温度模型评估不同绝缘系统油浸式配变的过载能力,给出了混合绝缘系统油浸式配变的结构调整建议,并进行了成本对比。结果表明,采用耐高温的DPE绝缘纸取代普通纤维素纸,可将油浸式配电变压器过载能力由1.34倍提升至1.53倍,相应成本只增加1.1倍,具有很强的实用性和经济性。     

基于加权中智C均值算法的变压器故障诊断模型

为提高变压器故障诊断准确度,提出了一种基于加权中智C均值算法的变压器故障诊断方法。该方法利用基于样本相似度的加权方法对样本特征进行加权,再引入中智理论对样本的分布重新分配,建立起基于加权中智C均值算法的变压器故障诊断模型。研究结果表明,该方法不仅弥补了传统FCM相同权重分配的不足,有效提高了故障诊断的准确率,且诊断结果产生的中智点对故障的变化预测具有重要意义。     

基于深度学习的大坝变形预测模型

鉴于高性能的混凝土坝变形动态预测模型是预测结构性态演化、评价安全服役状况和保障稳定高效运行的关键措施。以混凝土坝原型变形监测数据为基础,借助开源深度学习框架TensorFlow建立了基于深度学习的混凝土坝变形预测模型。工程实例应用结果表明,基于深度学习的混凝土坝变形预测模型各项评价指标均优于现浅层神经网络模型和传统的统计模型,实现了动态高精度预测混凝土坝运行性态,具有很强的工程实用性。     

基于模型预测的多模式供热电厂机组间负荷优化分配调度研究

为解决热电厂机组间负荷分配不合理的问题,提出一种基于模型预测的多模式供热电厂多机组间负荷实时优化分配方法。基于模块化建模原理构建热电厂全厂范围的机理仿真模型,并运用运行数据对模型辨识校准,根据机组特性和电网调峰补贴政策,建立全厂的运行经济性收益评估模型,进而设计基于粒子群算法的负荷实时优化方法,借助性能预测模型预测评估各方案的经济性。以某包含高背压、切缸、抽汽、光轴4种供热模式机组的电厂为例,对不同电、热负荷组合工况下的厂内负荷进行优化分配研究。应用结果表明：该方法可根据热、电负荷的实时指令在线获得经济性优化的厂内机组间负荷分配方案。     

计及复杂气象影响的含光伏电源的母线峰值负荷预测

光伏电源并网后,配电网母线负荷波动会更复杂,峰值负荷预测更加困难。为提高母线峰值负荷预测精度,文章提出了计及复杂气象影响的母线峰值负荷预测方法。首先,根据不同气象日下累积的历史数据,通过条件互信息分析母线峰荷数据与高维气象、社会等特征间相关性,获得特征重要度排序;其次,在条件互信息降低潜在特征集合特征间冗余性基础上,针对不同气象日,以改进粒子群优化极限学习机预测精度为决策变量,开展针对性前向特征选择,确定不同最优特征子集;最后,根据最优特征子集,针对性建立不同气象日下母线峰值负荷最优预测模型。以某地区实际含高渗透率光伏电源母线负荷开展实验,证明所提方法可有效提高母线峰荷预测精度。     

A novel online degradation model for proton exchange membrane fuel cell based on online transfer learning

A novel online degradation prediction model is proposed to prognosticate the future degradation trend (FDT) of proton exchange membrane fuel cell (PEMFC) stack in this paper. In order to overcome the fact that existing FDT prediction methods of PEMFC stack based on data-driven model rely on the assumption that the operating conditions of the training data and testing data need to be consistent, an end-to-end prediction algorithm based on the combination of transfer learning and transformer neural network, referred to as TLTNN, is proposed to predict the FDT of PEMFC stack. Besides, in order to demonstrate the effectiveness and superiority of the proposed method in prognostics tasks of PEMFC stack FDT, the prediction performance is validated on the PEMFC test system. The results show that the RMSE, MAE and MAPE values of the predicted degradation voltage are 0.00598 V, 0.004842 V and 0.1518%, respectively, which indicates that the proposed TLTNN strategy based on transfer online learning can be used to predict the degradation voltage of PEMFC stack and the superiority of the proposed method is better, thus solving the problem that the distribution of training and test data must be the same in traditional machine learning models.     

计及实时老化状态的大型变压器本体绝缘故障率预测模型研究

故障率是电力系统中一项可靠性评估参数,通过故障率计算可靠性指标与设备故障损失对于电力系统的规划与电力系统的运行至关重要。为此,提出一种考虑老化失效的大型变压器本体绝缘故障率预测模型,即先建立变压器的温升老化失效模型,得到变压器实时的老化速率及运行状态;其次,建立多状态马尔可夫故障率预测模型,对变压器本体绝缘实时故障率进行预测;最后,利用比例故障率模型结合老化失效过程对变压器当前的状态转移速率进行修正,进而得到更加精确的变压器实时预测故障率。算例分析表明,通过老化失效模型对多状态马尔可夫故障率预测模型进行修正,能够更加精确地对变压器本体绝缘实时故障率进行预测。