智能配电网安全态势感知系统构建与评估

智能配电网作为新一代电力系统，是推动国家能源战略转型、助力国家经济发展的重要举措，也是支撑现代智慧城市建设的关键基础设施。构建了基于大数据的智能配电网安全态势感知系统，并结合智能配电网的典型场景进行了仿真验证，结果表明基于大数据的智能配电网安全态势感知系统能对智能配电网的运行状态进行实时监控，并实现对安全风险的快速评估和有效管控。     

面向能源互联网的智能配电网安全态势感知

面向能源互联网,提出基于柔性直流互联,以交流变压器为核心、直流母线为框架的交直流混合城市配电网互联结构。以能源互联网的目标和特性为准则,说明该种方案符合能源互联网要求,对可再生能源发电具有高兼容性。利用拓扑可视化工具,将传统电网、BA网络以及所提混合配电网结构抽象成拓扑模型,通过随机删除网络结点模拟网络攻击,对以上3种网络进行安全态势分析,证明所提结构具有更强的鲁棒性。     

基于状态评估的智能配电网态势感知方法研究

针对传统智能配电网态势感知方法缺少对特征向量的一致性检测,导致评估结果不准确的问题,提出基于状态评估的智能配电网态势感知方法。构建智能配电网模型,利用最小二乘拟合法剔除智能配电网计量异常数据,建立评价指标体系,引入层次分析法计算权重。利用所得权重两两比较建立矩阵,确定特征向量,基于状态评估检测矩阵的一致性,提取特征向量矩阵最大值,实现智能配电网的态势感知。实验结果表明,基于状态评估的智能配电网态势感知方法的评估结果与实际结果吻合度极高,能够真实还原智能配电网态势。     

智能配电网态势感知和态势利导关键技术

智能配电网态势感知是配电系统可靠、经济和安全运行的重要基础。为此,从技术层面对智能配电网态势感知和态势利导的内涵、架构和关键技术进行了深入分析和阐述。首先,给出了态势感知和态势利导技术的含义和目标;其次,构造了智能配电网态势感知和态势利导技术的总体架构;最后,为了实现对配电网运行态势的全面准确把握,并为复杂配电网智能调度控制提供有力支撑,从态势觉察、态势理解、态势预测、态势呈现、态势利导5个方面阐述了智能配电网态势感知和态势利导的关键技术内容及其面临的挑战,以期为后续研究工作提供借鉴。     

基于态势感知的智能配电网运行状态评估

围绕智能配电网的态势感知关键技术,综合考虑安全性、供电可靠性和经济性,提出了基于态势感知的智能配电网运行状态综合评估方法。研究基于量测系统的态势要素采集方案,对配电网运行状态进行实时评估和态势理解,进而基于负荷的超短期预测进行态势预测,并建立了配电网运行状态评估指标体系,从不同层次、不同角度反映系统当前与未来时刻的运行状态以及故障发生后系统所面临的风险,并通过IEEE 33节点配电系统对所提出的方法进行验证。结果表明,该方法可准确反映配网的运行状态,判断系统态势发展的趋势,为配电网安全运行提供一定参考。     

基于同步相量测量装置的配电网安全态势感知方法

配电网安全态势感知是全面动态分析配电侧网络安全运行状态及潜在隐患的关键技术。针对配电网安全态势感知的快速性和准确性需求,该文提出一种基于同步相量测量装置的配电网安全态势感知方法。首先,构建在同步相量测量装置优化布点前提下的配电网网络拓扑分层模型,快速捕获系统安全态势要素;其次,提出融合信息熵值的支持向量数据描述算法,实现配电网安全态势要素中异常信息的辨识和理解;然后,采用长短期记忆网络对正常运行和故障扰动下的配电网运行趋势进行预测,并提出零序电压、电压越限裕度、支路过载严重度和电压相位变化量等安全态势预警指标,感知系统实时态和未来态的安全风险。最后采用IEEE 33和PG&E69配电网验证所提方法的有效性。结果表明,该方法提高了配电网安全态势要素获取速度和精度,缩短了安全态势要素异常辨识时间,实现对配电网各节点的安全态势感知。     

基于微型PMU数据挖掘的智能配电网态势感知方法研究

智能配电网态势感知是配电系统可靠、经济和安全运行的重要基础,其数据的规模和类型正在快速增长,呈现出典型的电力大数据特征。针对智能配电网微型PMU系统采集和处理的数据呈海量增长的趋势,文章介绍了一种基于微型PMU数据挖掘的智能配电网态势感知方法,快速准确地判断出系统安全状态。该方法首先通过移动和动态时间窗口对采集数据进一步挖掘各类事件的典型特征量,然后根据区域选择和事件类型进行分层标记,降低机器学习算法的运算维度,提高计算效率。随后文章设计了三类型分类器并通过与其他两类分类器进行比较。通过算例测试数据得出所提分类器各项性能指标优异,可见该分类器对于智能配电网态势感知体系建立具有重要的参考价值。     

智能配电网态势感知关键技术及实施效果评价

智能配电网态势感知技术是智能配电网状态可观测性提升与系统稳定运行的重要保障.然而在实际应用过程中因场景差异性较大和实施效果的有效定量分析方法缺失,常出现其难以完成对突发事件的智能快速响应.为此,从配电网高效运维的角度阐述并分析了智能配电网态势感知及实施效果评价的涵义、框架和关键技术.首先,介绍了智能配电网态势感知技术的...     

输配协同的配电网态势快速感知方法

智能配电网的发展呈现更加灵活多变的趋势,使得输配电网间的相互作用日趋显著,对配电网态势感知提出更高的要求。为提升配电网态势感知能力,文中从输配协同的角度,提出了配电网态势快速感知的方法。首先,针对预估的配电网负荷变化计算输电网的状态;其次,从配电网根节点处将输电网进行戴维南等值并辨识等值参数;最后,将戴维南等值后的输电网接入配电网感知配电网负荷变化后的态势。该方法无需多次交互输配电网信息,感知速度快,计算结果精度高。在该方法的基础上,可通过对未来状态的多步预估,预测配电网静态电压稳定裕度指标轨迹,然后根据该轨迹评估配电网静态电压稳定态势。仿真算例验证了所提方法的可行性和有效性。     

面向态势全感知的高弹性配电网一二次协同规划问题研究

在新型电力系统背景下,新能源比重的增加为配电网带来了更多不确定因素。为提升配电网应对不确定因素扰动的能力,提出了面向态势全感知的高弹性配电网一二次协同规划模型。首先,给出了高弹性配电网态势全感知的定义,基于高弹性配电网的关键业务得到优选的态势感知设备集合;然后,在此基础上,对高弹性配电网的态势感知设备进行优选,在保证配电网安全、经济、可靠运行的基础上追求最大的经济与环保效益;最后,实际案例分析表明,所构建的高弹性配电网一二次规划模型能够以较低的经济成本为代价显著改善网络的可靠性、自愈能力,并在一定程度上削减碳排放量。     

基于深度神经网络和内外部因素的大电网安全态势感知研究

随着电网结构的日益复杂,运行调度变得更加困难,大停电事故发生的风险也日益增加,因此能够及时有效地对大电网的安全态势进行感知显得尤为重要。在态势要素提取阶段,从内部因素与外部因素两个方面出发,构建大电网安全态势评价体系,其中外部因素通过统计分析1981年~2015年全国电网的大停电事故得出;在态势理解阶段,通过层次分析法与改进的熵权法获得各指标的综合权重,加权平均得到大电网的安全态势评估值,实现对大电网安全态势的综合评价;在态势预测阶段,构建深度神经网络模型,完成对大电网安全态势的预测。为进一步验证预测模型的有效性,将其与BP神经网络和RBF神经网络对比分析,验证了深度神经网络模型可以有效地对大电网的安全态势进行预测,且预测精度高于传统的神经网络模型。     

面向电力信息网络的安全态势感知研究

针对电力信息网络的安全态势精确判断问题,提出一种基于机器学习的安全态势感知方法,并将其应用于实际现场环境.该方法将安全态势感知抽象为分类问题,将实际现场监测设备的记录做为数据源输入到分类器以得到感知结果.基于球向量机设计分类器,并利用量子遗传算法搜索球向量机最优训练参数以提高分类精度.基于KDD Cup 99数据集的实验和系统的实际运行情况表明,该方法在态势感知精度方面优于传统方法.     

网络安全态势感知研究综述

为提升电网信息安全防御能力,电力企业越来越关注信息网络安全态势感知技术以实现安全事件的预测与预防。文章从该角度出发分析网络安全态势感知研究的必要性,从网络安全态势感知研究框架出发,详细阐述目前国内外网络安全态势感知研究的体系结构和主要方法,对网络安全态势感知技术进行了归纳总结并对未来感知技术的趋势进行了展望。     

基于人工智能代理的负荷态势感知及调控方法

负荷态势感知是需求侧资源管理愈加精细化发展需求下的关键技术之一。针对典型负荷动态态势估计及其调控需求,提出一种基于人工智能代理的负荷态势感知方法,并构建人工智能代理与云端平台协作的实现架构。通过用户侧负荷模型的学习认知,进而建立负荷空间集,并提出时域特征拓展的随机森林算法以实现对于负荷运行状态的评估分析,为负荷调控提供决策依据。进而根据评估结果及电力系统调控需求,在云端平台实现差量计算,并基于态势指标计算结果遴选优化组合,实现负荷精准控制。最后,通过仿真验证了所提方法能够准确预测负荷行为并达到良好的负荷整形效果。     

基于趋势分析的电力系统态势感知方法

电力系统态势感知是系统安全防御的重要环节。针对目前电力系统态势感知方法无法定量描述当前系统安全距离以及未来系统演化趋势速度的问题,提出基于趋势分析的电力系统态势感知方法。基于趋势分析,提出新型态势感知框架;在信息获取的基础上,引入N-1静态安全距离模型评估系统当前状态和未来状态的安全等级;通过将安全距离模型与定性趋势分析相结合,自动捕捉未来变化状态下运行点的移动方向和趋势变化率,从而对系统安全进行态势感知。经过IEEE 118母线系统和实际电力系统的应用结果表明,文章所提方法可以有效地帮助系统运行人员监测、预测和预防潜在问题。     

基于深度学习的110kV电网监控信号语义解析及态势感知模型

新型电力系统的大力建设对电网监控信号的高效准确识别技术提出了更高的要求。首先分析了Soft-Masked BERT语言模型的基本原理,建立了基于Soft-Masked BERT的信号文本纠错模型。根据国家电网典型事件表梳理了包含常规与故障情况下的“信号语义—电网事件”规则字典。综合上述模型建立了基于RNN的电网态势感知模型,提出了基于深度学习的电网监控信号语义解析及态势感知求解流程。最后,以某地110kV变电站实际监控信号为测试数据,利用所提RNN模型并结合Pycorrector工具包及Pytorch软件对该地区电网监控信号进行语义解析及态势感知仿真分析,验证了模型的有效性及正确性。     

基于改进区域全卷积网络的电网图像自主识别及运行态势感知模型研究

针对基于先验特征的电网图像自主判读机制存在的诸多不足,提出了一种基于改进区域全卷积网络的电网图像自主识别及运行态势感知模型。首先构建电网运行图像特征数据池;然后构建电网运行图像异常特征全息感知机制;最后实现电网运行异常态势精准感知。模型效能分析结果表明,模型可以自主学习辨识换流站运行图像异常特征知识,换流站运行图像异常自主识别均值准确率达93.27%,换流站运行异常态势感知均值有效率达96.65%,为电网一线运维工作者提供了良好辅助。     

基于多层次指标体系的电网综合态势感知体系架构设计

为提高对特高压交直流混联大电网的感知和掌控能力,在分析现有电力系统运行规程、规范,以及现有监测指标的基础上,提出全维度多层次电网运行轨迹指标体系,然后从现有调度自动化系统D5000的平台功能、电网模型、实时数据、应用模块等出发,提出基于指标体系的电网综合态势感知体系架构设计。实验结果验证了体系架构设计的有效性。     

基于CNN-LSTM-Attention的配电网拓扑实时辨识方法

配电网中准确的拓扑结构辨识对运行和控制具有重要意义,针对实际配电网拓扑结构变动的情况,搭建了可智能辨识配电网拓扑结构的深度学习模型。首先,生成不同拓扑结构下的配电网量测数据并进行数据预处理。其次,构建了融合CNN（卷积神经网络）、LSTM（长短期记忆网络）和Attention（注意力机制）的拓扑结构智能辨识模型,并结合历史量测数据对模型训练并测试。最后,在IEEE 33节点和PG&E69节点配电系统仿真算例中,验证了该基于CNN-LSTM-Attention模型的拓扑辨识方法相较于传统辨识方法在辨识精度上的优越性,实现了该模型的在线应用。