智能电表运行状态评估技术研究综述

智能电能表运行状态评估包括可靠性分析、电能表故障分析以及电能表可靠性寿命预计;针对目前智能电能表运行状态评价研究所必须面对的问题,对当前应用于智能电表状态评估的质量评价方法、异常分析和故障预测算法、寿命预测算法等内容进行了梳理和对比,盘点智能电表运行状态评价技术的研究现状和最新研发进展;最后从智能电表数据特点的角度阐释了目前应用算法的特点和不足,并探讨了研究基于多源数据融合技术的智能电表运行状态评估技术的必要性、可行性和努力方向,为智能电表数据数据分析技术和状态评估技术提供可靠的借鉴意义。     

RFID智能电表技术方案与质量评估

随着科学技术进步和用电管理的精细化,RFID预付费智能电表得到了广泛的应用,目前国内大中城市正在逐步推广使用预付费智能电表。     

数据采集异常下的车用动力电池状态监测与故障诊断EI北大核心CSCD

实时准确的状态监测对车载动力电池至关重要,其依赖于大量传感器采集的信息数据。在长期使用中,高频振动和连接器松动使局部传感器失效,导致数据采集异常。由于针对数据缺失和更新停滞异常的相关研究较少,该文提出一种基于双向长短期记忆网络和最小二乘支持向量回归的异常数据监测与校正方法。建模和参数辨识分别采用戴维宁模型和数据驱动方法,同时输入和状态估计算法用于电池状态估计。实验中,该方法在6种混合异常测试条件下的估计误差保持在5%左右,其有效性得到验证。     

实验室环境下的智能电表载波模块通信测试

随着智能电网的建设,智能电表在国内居民用户大批量推广并已开始全面挂网运行,而作为智能电表最主要的通信模块之一的低压电力线载波模块的通信性能将直接影响使用效果。本文在实验室内模拟居民用户用电情况搭建了一个低压电力线载波测试环境,采集了6种居民用户常用的用电设备电力线噪声,并在此环境下对国内6种载波模块进行了通信成功率测试,得到了载波信号在线路衰减和用电设备噪声干扰情况下的通信数据。通过测试有助于深入了解低压电力线载波通信的特点以及为现场通信方案的选择实施与故障分析提供了参考依据。     

智能电表环境下窃电量和追补电费估算方法研究

针对当前窃电量估算方法过于笼统的不足,提出以智能电表分相电参量测量功能为依托,构建基于窃电方式差异化分析的实际用电量估算和实际功率因数估算方法,并在此基础上推进三相四线制用户窃电量计算的科学性和追补电费形成的合理性。算例结果表明,构建的方法相较于传统方法具有明显优势,可作为电力计量领域的有效参考。     

基于复合核SVM的智能电表基本误差预测方法

智能电表作为电网的终端设备,其退化情况与工作环境、运行时间等因素密切相关.针对复杂变量条件下智能电表退化情况难以预测的问题,提出一种基于复合核支持向量机(support vector machine,SVM)的智能电表基本误差预测方法.首先对智能电表退化数据进行分析,采用皮尔逊相关性分析找出与智能电表基本误差相关性极强...     

高干热现场环境下智能电能表可靠性验证方法

智能电能表通用技术规范要求电能表可靠寿命不低于16年,如何验证智能电能表可靠性不仅是行业亟需解决的现实问题,也是学术界面临的难点问题。在Weibull分布场合下首先给出了针对可靠寿命、平均寿命和失效率三项指标的可靠性验证抽样特性函数,结合高干热环境的加速效应,借助加速因子构建基于加速试验的电能表抽样特性函数,进而针对智能电能表的工程背景确定二参数抽样方案。最后在实验验证与分析中给出了高干热环境下智能电能表可靠性验证方案,在不同使用方风险、可接受的故障数条件下计算了试验样本容量与试验时间的组合,给出了表格和绘图,方便工程应用。对电力行业量测设备在高干热环境下开展可靠性验证具有示范作用。     

电网热稳定输送能力辅助决策系统EI北大核心CSCD

智能电网对进一步提高电网热稳定输送能力提出了更高要求。基于移动互联、在线监测的热稳定输送能力扩容研究是目前线路动态增容的主要技术解决手段。相比以往线路动态增容技术往往将重点放在线路热稳定输送能力增容计算上,而缺乏对计算结果的后期处置应用和系统整合,基于国内主流能量管理系统(D5000,OPEN3000)平台和在线动态监测增容技术,综合考虑线路通道所在地理区域的气象预报信息,现场部署安装在线监测装置,采集现场导线状态及环境信息,将采集信息通过电力物联网网络传输技术发送到后台监控主站,由系统热稳定输送能力计算模块进行增容计算,得到输电线路高、中、低3档允许载流量、大潮流转移后线路温升时间等信息,结合专家辅助决策系统,实时动态给出线路正常允许输送能力和事故处置辅助决策,实现"外网安全接入,内网增容应用,辅助决策智能推送"。系统为电网提升热稳定输送能力提供有效智能技术支持手段,进而为扩大跨区新能源消纳能力提供有效支撑。     

典型电能质量稳态指标预测模型研究EI北大核心CSCD

电网典型电能质量稳态指标的准确预测对优化电网运行方式和提高电网供电质量具有重要意义。根据电能质量稳态指标似周期、非周期的特点,提出一种基于混沌理论和最小二乘支持向量机（least squares support vector machine,LSSVM）的电能质量稳态指标预测模型。首先采用混沌理论对典型电能质量稳态指标历史数据进行相空间重构,构造包含吸引子的新数据空间;其次利用最小二乘支持向量机在高维空间下进行样本训练,并结合粒子群算法优化最小二乘支持向量机参数;最后得到最佳预测模型。基于某地配电网电能质量实际监测数据,采用所提模型进行典型电能质量稳态指标预测,平均相对误差均在8%以下,优于传统BP神经网络预测方法。     

面向调度决策的智能机器调度员研制与应用EI北大核心CSCD

随着电网运行方式时变性和复杂性日益增强,传统基于人工离线规则的调度决策机制难以为继,成为国内外复杂电网运行迫切需要解决的问题。基于人工智能、立足现有调度机制,研究面向调度决策的智能机器调度员(automatic operator,AO)关键技术及应用。在总结10余年研究的基础上,提出了电网调度运行“邻域知识”模型,构建了AO体系架构,提出了知识自动发现、管理和在线应用的技术路线,研发了复杂电网AO系统,并在多个省级电网调控中心在线投运。AO将“专家智能”离线制定粗放运行规则的模式,变革为“人工智能”在线发现精细运行规则的模式,推动调度决策从“自动化”到“智能化”的跨越。最后,指出了尚待研究的问题。     

强对流天气下输电线路多因素风险动态评估方法EI北大核心CSCD

强对流天气下输电线路面临着雷击、风偏放电以及降雨引起的绝缘子闪络等多因素风险,如何评估这种多因素风险对于强对流天气下电网运维决策、保障线路安全运行具有重要意义。提出一种强对流天气下计及雷、风、雨的输电线路多因素风险动态评估方法。根据临近时段雷电活动的雷电定位系统(lightning location system,LLS)数据,基于雷电流幅值分布计算了线路雷击风险;考虑风、雨荷载,根据杆塔结构推导了风偏放电最低风速,并基于风速分布及风预报计算了线路风偏风险;考虑绝缘子串的盐密分布,基于降雨预报计算了线路的雨闪风险;通过综合雷击、风偏放电、雨闪3种风险,基于强对流过程中未来各个时段的风、雨预报,进而实现强对流天气下对输电线路多因素风险的动态评估。最后通过算例验证了所提方法的有效性及适用性。     

基于动态线损及FMRLS算法的智能电表误差在线评估模型

针对当前智能电表现场检定效率低、人力成本高、实时性差、无法全量监测等问题,提出一种基于动态线损和渐消记忆递推最小二乘法(dynamic line loss and fading memory recursive least square,DLL-FMRLS)的智能电表误差在线估计算法。首先,通过分析台区线损与供电量之间的关系,对传统模型进行改进,提出动态线损误差模型,该模型中线损可随实际供电量变化,使得模型获得的误差估计值更接近实际值;然后,利用FMRLS算法求解动态线损误差模型,以获得智能电表运行误差;最后,根据某省电网公司的实际数据对算法现场验证。结果结果表明,与列文伯格–马夸尔特(Levenberg-Marquardt, LM)算法和限定记忆最小二乘(limited memory recursive least squares,LMRLS)算法相比,所提算法可以有效提高智能电表的误差估计的准确度。     

基于Elastic Net的暂态稳定裕度在线评估EI北大核心CSCD

随着电力系统规模的扩大和新能源技术的广泛应用,电力系统暂态稳定特性更加复杂,在线暂态稳定裕度评估面临严峻挑战。提出一种基于Elastic Net的电力系统暂态稳定裕度在线评估的新方法。该方法无需计算形成输入特征,直接面向量测数据,将系统稳态运行节点电压幅值与相角作为样本特征,利用Elastic Net算法完成特征筛选并构建量测数据与故障极限切除时间之间的映射关系,进一步将原始特征映射至高维空间以提高预测模型的准确性。最终,实现根据系统稳态运行信息对暂态稳定裕度的快速预测。对接入风电场的新英格兰39节点系统和IEEE 118节点系统进行算例分析,结果表明,该方法通过少量数据训练即可有效筛除无关特征并具有较高的预测精度。     

基于遗传-支持向量回归的离心泵性能曲线预测北大核心CSCD

针对离心泵多工况下性能预测不准确的问题,提出了一种基于遗传算法和支持向量回归的离心泵多工况性能预测模型。从35组离心泵性能曲线中提取673组多工况性能数据作为本次试验的样本,选择其中538个样本作为训练数据,135个样本为测试数据。选取比转速为32.2、47.2、58.7、92.8、128.2的5台离心泵,分别对其6个不同工况下的扬程和效率进行预测,最后与试验结果进行对比。对比结果表明,所提出的遗传-支持向量回归模型能有效的预测离心泵不同工况下的性能。其中,5台离心泵的扬程和效率的平均相对误差分别为0.49%、3.76%,而神经网络模型预测的扬程和效率的平均相对误差分别为1.12%、4.66%,平均相对误差同比上升128.57%、23.94%。     

基于MFOA-GRNN模型的年电力负荷预测EI北大核心CSCD

精确的年电力负荷预测为电力建设和电网运行提供可靠的指导。受多种因素的影响,年电力负荷曲线呈现出非线性特性,因此年电力负荷预测问题的解决需要建立在非线性模型的基础之上。广义回归神经网络（GRNN）已被证明在处理非线性问题上是非常有效的。该网络只有一个扩展参数,如何确定适当的扩展参数是使用GRNN进行预测的关键点。提出了一种将多种群的果蝇优化算法（MFOA）和GRNN相结合的混合年电力负荷预测模型,用以解决上述问题。其中,MFOA用作为GRNN电力负荷预测模型选择适当的扩展参数。最后通过模拟实验数据分析,MFOA-GRNN模型的年电力负荷预测平均绝对百分比误差为0.510%,均方误差为0.281。并且将其结果与差分进化的支持向量机模型（DE-SVM）、粒子群优化的GRNN模型（PSO-GRNN）、以及果蝇优化的GRNN模型（FOA-GRNN）的预测结果进行了比较。最终得出,文中所提出的MFOA-GRNN模型在年电力负荷预测中的预测性能优于上述3种模型。     

主从控制孤岛运行微电网的短期可靠性评估EI北大核心CSCD

针对主从控制孤岛运行微电网短期可靠性的时变性和通信系统冗余的动态特性,提出一种基于时变动态故障树的短期可靠性评估方法。首先,定义时变动态故障树,给出动态子树和静态子树的求解过程。再以负荷点供电中断为顶事件,将顶事件划分为直接事件和间接事件,并进行概率计算。在此基础上,计算主从控制孤岛运行微电网的负荷点切负荷概率和系统停电期望值,给出可靠性评估流程。算例分析验证了所提方法的正确性及有效性,评估结果可为主从控制孤岛运行微电网的调度及运行提供一定的依据。     

对智能电网评估指标体系中的生态位的研究北大核心

将智能电网的评估过程与评估环境比作生态系统,从仿生的角度,以"生态位"为主线,对智能电网的评估指标体系的生态特性进行分析,建立了智能电网评估指标体系中的生态位的模糊模型与生态位重叠的模糊模型,并把已建立的模型引入对智能电网评估指标体系进行选择的应用中。