基于数据驱动的非全实时观测配电网无功优化方法

现阶段配电网中量测设备覆盖率较低,只有部分节点的负荷数据可以实时采集得到,因此在配电网中进行实时无功优化时无法使用基于潮流计算的优化方法.考虑到以上情况,文章提出了一种基于数据驱动的非全实时观测配电网无功优化方法.该方法基于历史运行数据使用最优潮流离线生成无功优化策略,并通过训练神经网络构建可实时量测节点负荷数据和无功...     

基于在线极限学习机的配电网无功电压控制

柔性可控资源的接入使得配电网无功电压控制关系更加复杂。提出基于数据驱动的配电网无功电压控制方法,通过蒙特卡洛方法生成配电网运行场景,构建配电网运行状态和对应的无功优化策略的映射数据集;利用在线极限学习机（Online Sequential Extreme Learning Machine,OS-ELM）构建无功优化的数据驱动模型,将配电网节点电压、负荷以及其他运行参数作为输入,将无功调节设备状态以及控制参数作为输出,建立系统的特征与优化策略之间的隐性关系;最后,将电网实时运行状态将其作为在线无功优化模型的输入得到系统实时的无功电压控制策略。基于IEEE33节点主动配电网对比仿真分析可知,所提方法在系统模型和参数建模未知的情况下实现无功电压的精准控制。     

基于图卷积网络的配电网无功优化

高级量测体系的建设和深度学习技术的快速发展使得不依赖于物理模型,而是通过挖掘历史数据和先验知识快速地找到最佳无功优化策略成为了可能。为此,提出了一种基于图卷积网络(graph convolutional network,GCN)的配电网无功优化方法。通过邻接矩阵来表征配电网节点间的拓扑信息,所提出的算法能够有效地挖掘节点负荷之间的相关性,并利用深层图卷积架构映射电力设备状态与负荷数据之间复杂的非线性关系。仿真结果表明,GCN的无功优化精度和鲁棒性皆优于卷积神经网络、多层感知机和案例推理等现有的数据驱动方法,且求解时间远低于传统的启发式算法,可以满足配电网无功优化实时性的需求。     

基于数据驱动和深度置信网络的配电网无功优化

随着分布式电源和随机负荷电动汽车等的大量接入,配电网的运行环境日益复杂,对在线无功优化及其快速性提出了更高的要求。该文将"深度学习"引入配电网无功优化,提出了基于深度置信网络的无功优化方法。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将历史控制策略进行编码作为输出,利用先无监督后有监督的方式训练深层架构,学习系统特征与无功优化策略之间的映射关系,建立基于数据驱动和深度置信网络的配电网无功优化模型。基于改造的IEEE-37节点主动配电网仿真模型,对比分析了历史数据量和分布式电源渗透率场景对传统优化方法,场景匹配方法和所提方法的无功优化效果的影响。结果表明,所提方法可明显降低网络损耗和节点电压偏移,它不依赖于系统的模型和参数,在线决策速度快,且对历史数据量要求较低,在高渗透率分布式发电等未知场景下仍能表现优良,验证了该方法的正确性、有效性和较强的鲁棒性。     

基于双状态评估器与深度强化学习的配电网无功优化

本文将“深度强化学习”引入配电网无功优化,提出了基于双状态评估器与深度强化学习的配电网无功优化方法。首先提出了一种配电网融合特征的提取方法,从配电网运行数据中提取统计特征,然后将统计特征与历史控制策略作为输入,网损与电压偏差分别作为输出,训练了网损评估器与电压偏差评估器。将无功优化问题转化为一个多步马尔科夫决策过程,以最小化网损和电压偏差之和为目标函数,以无功补偿设备的动作指令为策略,并采用基于Double DQN的深度强化学习算法进行求解。对改造后的IEEE 37节点配电网进行无功优化控制实验。结果表明,本文方法有效降低了节点电压偏移和网络损耗,他与配电网系统的模型和参数无关,在线决策速度快,可以实现在线无功优化控制,提高配电网运行经济性。     

考虑负荷多无功用电场景的城市配电网无功优化配置

高比例电力电子设备与高比例分布式光伏的广泛接入以及城市电缆化率的提升,使配电网用户侧的无功特性变得复杂,导致负荷无功用电不确定性增加,不利于配电网安全运行。因此,为了更好地进行无功优化配置,文章采用不同负荷日功率因数变化曲线的组合场景及其概率来反映无功用电的不确定性,以运行成本的期望值最小为目标,建立多无功用电场景的期望值优化配置模型。首先,利用多重一维卷积自编码器(one-dimensional convolutional autoencoders,1D-CAEs)提取不同用户日功率因数数据的低维表征;随后,利用k-means方法进行场景缩减,获得典型日功率因数变化场景,并组合出多用户的场景集;最后,建立期望值无功优化模型,采用粒子群算法求解,确定出最优配置方案。依据上海市某配电网不同类型用户实际的无功用电信息,采用改进的IEEE 33节点系统进行仿真,以验证所提方法的有效性。     

考虑负荷多无功用电场景的城市配电网无功优化配置

高比例电力电子设备与高比例分布式光伏的广泛接入以及城市电缆化率的提升,使配电网用户侧的无功特性变得复杂,导致负荷无功用电不确定性增加,不利于配电网安全运行。因此,为了更好地进行无功优化配置,文章采用不同负荷日功率因数变化曲线的组合场景及其概率来反映无功用电的不确定性,以运行成本的期望值最小为目标,建立多无功用电场景的期望值优化配置模型。首先,利用多重一维卷积自编码器(one-dimensional convolutional autoencoders,1D-CAEs)提取不同用户日功率因数数据的低维表征;随后,利用k-means方法进行场景缩减,获得典型日功率因数变化场景,并组合出多用户的场景集;最后,建立期望值无功优化模型,采用粒子群算法求解,确定出最优配置方案。依据上海市某配电网不同类型用户实际的无功用电信息,采用改进的IEEE 33节点系统进行仿真,以验证所提方法的有效性。     

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。     

数据驱动的无精确建模含源配电网无功运行优化

分布式光伏的接入使得配电网无功电压运行控制需求及解决措施与传统配电网差异较大。针对配电网测量设备安装不全、网架参数难以准确获取,无法进行精确数学建模的问题,提出了无精确建模的含分布式光伏的配电网电压优化控制模型。以节点电压合格为优化目标,使用高速公路神经网络拟合网架节点注入功率与关键节点电压之间的映射关系;考虑分布式光伏的出力约束,进而采用定向寻优策略和反馈机制对优化模型进行求解;通过改变分布式电源逆变器出力来控制电网电压,实现全局系统电压控制。以不同规模的配电网实际数据为例,验证了所提优化运行控制模型的有效性。对比分析了采用普通神经网络和高速公路神经网络的电压拟合精度及收敛速度,证明高速公路神经网络应用于解决无精确建模的多节点含源配电网无功运行问题,可以实现拟合精度和拟合速度的双重优化。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

网络通信中的远程接入技术

介绍了远程接入的定义，应用，描述了远程接入的应用前景，提出了远程接入的解决方案，比较了各解决方案的优缺点，并指出了要解决的问题。     

Higher derivative network sensitivities using adjoint network

Higher derivative sensitivity coefficients for a lumped linear time-invariant networks are derived by an extension of the method used by Richards to calculate second derivative sensitivity coefficients. A computer algorithm to generate these coefficients efficiently is provided together with array space and the number of operations required at each stage. Extensions of the above approach for networks containing distributed and nonlinear elements are also discussed. Finally, time domain sensitivity results are derived and the corresponding changes in the computer algorithm indicated.     

基于配网功率预估的输配网全局潮流计算

在输配网全局潮流计算中,当前的需求是有效减少配网潮流计算量并保证收敛精度。对此,提出一种基于配网功率预估的输配网全局潮流计算方法。首先,建立边界点交互功率预估函数,在此基础上构建主从迭代和预估迭代交替使用的输配网潮流计算模型,通过主从迭代得到配网功率和边界点电压,求解功率预估函数参数进行预估迭代,减少了主从迭代次数。在潮流迭代的过程中不断修正预估函数,使功率预估值不断逼近真实值,保证了潮流的收敛精度。采用修正函数对配网潮流计算初值进行修正,使初值更接近真实值,减少了每次主从迭代中配网子迭代次数。仿真及其分析表明,所提方法在提高计算速度方面效果非常显著,同时计算结果具有很小的误差。     

配电网快速网络拓扑分析算法

缩小搜索范围是提高拓扑速度的关键,输电网可采用厂站内搜索法来缩小搜索范围,配电网则不适合.给数据排序是缩小搜索范围的有效措施,但排序比较费时.为此,提出了把全局拓扑分成静态拓扑和动态拓扑的想法.静态拓扑仅处理排序工作,可预先计算;每次全局拓扑只运行动态拓扑,由于数据已经排序,计算速度很快.同时提出了使用节点支路关联数据形成岛的方法,由于此数据可以在静态拓扑中处理,因而进一步提高了配电网网络拓扑的计算速度.实际算例验证了所提出的算法的有效性.     

配电网快速网络拓扑分析算法

缩小搜索范围是提高拓扑速度的关键,输电网可采用厂站内搜索法来缩小搜索范围,配电网则不适合。给数据排序是缩小搜索范围的有效措施,但排序比较费时。为此,提出了把全局拓扑分成静态拓扑和动态拓扑的想法。静态拓扑仅处理排序工作,可预先计算;每次全局拓扑只运行动态拓扑,由于数据已经排序,计算速度很快。同时提出了使用节点支路关联数据形成岛的方法,由于此数据可以在静态拓扑中处理,因而进一步提高了配电网网络拓扑的计算速度。实际算例验证了所提出的算法的有效性。     

电力通信系统网络管理探讨

近年来,随着电力骨干通信网络各项工程相继完工、投入运行,网络由分部运行转入整体联网运行。因此面临着网络系统的整合问题,涉及物理网络组网、逻辑网络的科学规划、SDH网管系统的整体架构、新建线路的有序接入等一系列课题。文章针对上述问题进行了分析研究,力图探寻更加符合电力系统特点的解决方案。     

Optimal multi-reservoir network control by two-phase neural network

An approach based on two-phase neural network (TPNN) is proposed for the optimal operation of multi-reservoir network control problems. The advantage of the proposed technique is that it takes into account the concurrent interaction among all the water release variables of the problem. Here, the main objective of this work is to figure out the optimal amounts of water releases from each hydro-plant during each interval in the interconnected system and to minimize and distribute uniformly the energy deficit if any. This TPNN approach is basically a two-stage solution method. In stage 1, the neural network is developed to bring the solution trajectory close to the boundary of the feasible region. In stage 2, the directional vector of the constraints is slowly shifted to the corresponding Lagrange multipliers and this moves the solution trajectory to the feasible region which satisfies all practical constraints. Application of this technique to a 10-reservoir network demonstrates efficacy of the proposed algorithm. It is concluded from the results that the proposed method with proper selection of network control parameters is very effective in providing a good optimal solution.     

电力通信网SDH网络优化研究

随着SDH光通信技术的进步以及国家电网公司管理理念的创新,在新的形势下电力通信网SDH网络面临着越来越多新的压力与挑战。针对如何提高电力通信网SDH网络的服务质量,提出了评估网络的可靠性、可控性、扩展性及其对电力通信网SDH网络优化的评估考量,最后还提出有关网络优化流程和实施的建议。     

电力通信网综合网管系统建设思路

针对当前电力通信网络管理面临的诸多挑战和难题,提出了进一步加强电力通信综合网管系统建设的必要性。文章将电力通信网综合网管系统定位在多专业的电力通信综合网管上,通过论述电力通信网综合网管系统的概念,详细阐述了该系统的建设原则、体系结构、功能要求,并对系统建设中的关键问题、发展步骤进行了探讨,展望了其美好前景。     

面向大型计算机网络的网络管理研究

目前,计算机网络正逐步成为各行各业业务系统的基础,如何加强计算机网络的管理,提高工作效率已成为一个新的研究课题,针对大型计算机网络维护过程中遇到的各种问题,提出切合实际的网络管理系统的解决方案.