基于态势感知的电网停电用户敏感度及投诉预测

在电网停电用户敏感度及投诉预测中,由于预测结果不准确影响了电网公司的精准化服务,因而设计一种基于态势感知的电网停电用户敏感度及投诉预测方法。通过SAS软件中的Enterprise Miner workstation模块和Enterprise Guide模块采集电网停电用户敏感度及投诉相关数据,具体包括停电敏感用户标签数据、故障处理数据、停电事件数据、客户通话数据、95598工单数据。对挖掘数据实施缺失数据处理、异常数据处理以及告警误报漏报数据处理等预处理。基于态势感知技术与随机森林算法构建电网停电用户敏感度及投诉预测模型,实现用户对于停电的敏感度及投诉预测。利用该方法对某地区电网实施用户关于停电的敏感度及投诉预测,测试该方法的预测性能。测试结果表明该方法有着高于90%的查准率、查全率,F测度数据值较高,AUC面积较大,数据灵敏度始终大于97%,说明设计方法有着优越的电网停电用户敏感度及投诉预测性能。     

基于态势感知的变电站站用电节能关键技术研究

无人值守的变电站站用电消耗巨大,亟待充分挖掘节能潜力。现有的相关研究工作主要考虑站用电负荷的“静特性”,即从设备性能本身入手研究其节能技术,或通过一定历史数据统计分析用户的用电习惯,生成场景化的节能运行策略。为此,引入了态势感知与态势利导的理念,基于反馈式动态控制逻辑,提出了完整的变电站站用电节能框架,定义了各层次的具体内涵,以此作为站用电节能优化研究的一般思路。针对变电站用电的实际情形,针对时间型设备及空调负荷设计了节能策略,并以某变电站为例进行了实地验证。该变电站监控的时间型设备年节能潜力高达19105.74 kWh,空调在冬季每月节能潜力约为1070.79 kWh。     

基于深度学习的配电网安全态势感知研究

配电网作为电力系统的关键环节,有必要识别配电网潜在危害,避免失稳。为了解决数据中噪声干扰的问题并提高态势预测准确性,提出了一种基于深度学习的配电网安全态势感知方法。首先,采集配电网运行量,利用奇异值分解（singular value decomposition,SVD）对运行量进行降噪;其次,分析运行量与安全态势的关系,采用评估值指标评估配电网态势;最后,利用注意力时域卷积网络（temporal convolution network-attention mechanism,TCNAM）对降噪后的输入数据预测得出态势评估值,预测配电网潜在危害,若失稳,则发出预警信号。通过对IEEE 33节点系统和实际配电网系统仿真可知,TCN-AM预测效果好,且进行降噪处理后预测准确性有所提高,能够在满足预警条件后,发出相应的预警信号。所提方法在降噪处理后能够更准确地实现配电网的安全态势感知。     

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。     

基于电网调度系统的网络安全态势感知方法研究

由于网络外界病毒入侵的隐蔽性极高、入侵类型较多,病毒难以被全面地被感知,导致电网调度自动化系统运行安全受到威胁。为提升电网调度自动化系统网络的安全性,提出基于随机矩阵理论(Random Matrix Theory , RMT)的电网调度自动化系统网络安全态势感知技术。采集电网调度自动化系统网络安全信息数据,构建病毒入侵环境下的安全状态分布模型,并利用该模型完成电网调度系统网络安全态势特征信息的提取。采用RMT中的M-P模型及单环定律对网络安全态势特征值在随机矩阵内的分布情况进行谱分析,根据特征值分布状态获取网络安全态势在稳定情况及异常情况下的变换规律,实现电网调度系统网络安全态势感知。实验结果表明,通过对该方法开展安全态势感知测试,验证了该方法应用在电网调度系统中组件安全态势感知及网络安全态势感知的精准度均较高,体现了该方法的有效性。     

面向负荷管理过程的工业用户安全用电风险态势感知方法

为评估工业用户内部负荷设备受调控时存在的风险态势并加以防范,基于态势感知技术,提出了一种面向负荷管理过程的工业用户安全用电风险态势感知方法。首先,基于工业用户负荷设备的历史出力数据和故障率,训练贝叶斯长短期记忆网络(longshort-term memory,LSTM)模型预测风险传播时刻的对应值;然后,类比SI(susceptible and infective)模型,提出了考虑负荷不确定性的风险传播模型;其次,从负荷设备自身安全风险、生产过程风险和经济损失风险3个角度提出了工业用户安全用电风险态势呈现指标体系;最后,基于风险传播模型和指标体系,有效实现工业用户内部负荷设备调控对象优选和指导风险防控方案制定。采用钢厂工业用户进行仿真算例分析,验证所提方法的合理性和有效性。     

基于态势感知技术的电网潮流计算模型

为解决传统电网潮流计算模型在潮流计算过程中,负荷点潮流计算值与实际值具有较大误差的问题。本文结合态势感知技术,设计一种新的电网潮流计算模型。根据电网的运行状况与运行特征,布设电网潮流下垂节点;采用态势感知技术的预测功能,预测电网内静态行为与动态行为的变化趋势,在此基础上,计算电网潮流。实验分析可知,新的计算模型较传统模型相比,其电网各个负荷点潮流计算值与实际值更加接近,相对误差较小,计算结果精度更高,其电网安全态势预测值变化趋势的拟合度较高,优势显著。     

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。     

人工智能技术在智能电网中的应用分析和展望

人工智能技术的进步和突破,对于电网智能化程度的提高具有重要意义。从智能电网内涵出发,梳理电网发展的智能化需求,结合各类人工智能技术的特征和适用性,设计了具体的应用场景,开展了关键技术应用的SWOT分析,并对可能的困难进行估计。指出：许多人工智能技术在智能电网各环节的规划、预测、辅助决策、智能控制、视频监控、巡检、故障诊断等应用场景普遍具有重要参考价值,神经网络、专家系统、数据挖掘等技术各有其优劣和适用范围,应用中需要重视各类技术的科学选择,并对可靠性、可解释性、数据样本积累、基础设施准备、知识库的修正维护、机密性等可能的挑战有所准备。     

基于油色谱数据的变压器状态智能诊断方法

利用变压器的油色谱试验数据对神经网络进行训练,将训练后的神经网络用于变压器的状态诊断。同时利用遗传算法优化神经网络的结构。算例结果表明,利用遗传算法和神经网络相结合的人工智能方法可以有效地诊断变压器的状态。     

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。     

基于电能质量态势感知的分布式发电主动运行决策方法

可再生能源的随机性和不确定性使得电网运行环境异常复杂,对配电网电能质量产生很大影响。为解决配电网电能质量问题,首先利用态势感知技术,在广域时空范围内,对涉及配电网电能质量变化的各类信息元素进行采集、理解与预测,准确有效地掌握电能质量变化态势;其次,在精准预测电能质量未来变化趋势基础上,通过对微电网变流器主动运行决策模式的控制,来改善配电网电能质量。文中提出了电网与微电网变流器之间的信息交互架构,利用马尔可夫决策过程建模知识,建立了变流器态势感知与主动运行决策马尔可夫决策模型,并提出先进变流器控制策略,以实现对配电网的态势感知与最优运行模式决策,为解决电网电能质量控制提供了更多有效的手段,保证了配电网的安全可靠运行。     

高压电网超短期负荷预测的软件研究

在研究了EMS、面向对象技术,数据库技术和网络技术的最新发展的基础上,阐述了超高压电网负荷预测软件的设计思想及具体实现,从而实现了负荷预测理论在实际中的应用。文章首先就EMS负荷预测软件的总体设计思想、数据库的建立以及与SCADA数据库接口连接进行阐述,然后详细的论述了负荷预测的数学建模、计算结果存储等方法。所阐述的方法同样适用于潮流计算,短路电流计算,网络重构等重要功能。     

基于卷积自编码器的日负荷深度嵌入聚类方法

负荷聚类是电力大数据分析的重要基础.针对高维日负荷数据时序特征提取困难,以及特征提取与聚类处理分离降低负荷聚类准确性的问题,文章提出了一种基于一维卷积自编码器的日负荷深度嵌入聚类方法(deep embedding clustering method based on one dimensional convolutio...     

基于人工神经网络和模糊集的电力系统短期负荷预测方法

综合考虑到温度、日期类型和天气等因素对短期电力负荷的影响,提出了一种将人工神经网络(ANN)RBF模型和模糊逻辑相结合的短期负荷预测方法.该方法将电力负荷分为周期性的基本负荷和受多种因素影响的变动负荷两部分,对于周期负荷用ANN进行预测,采用负荷预测中比较精确的RBF算法;变动负荷采用模糊逻辑对天气因素、温度、日期类型分别做不同的模糊处理,然后利用模糊推理规则对基本负荷预测结果进行修正.通过典型算例与普通BP法预测结果相比较,结果表明该方法具有较高的预测精度.     

基于人工智能方法的高压直流阻尼调制研究

在对传统比例一积分（PI）控制所存在的问题进行剖析的基础上,对人工智能方法在高压直流阻尼调制中的研究现状进行了全面的综述。主要分析模糊控制以及神经网络控制在高压直流输电系统直流调制中的研究运用,指出目前各种直流输电控制策略研究所存在的问题并提出相应的解决方案。在此基础上,提出一种新型的在线神经网络自学习控制策略,并对其在直流阻尼调制中的运用前景进行了展望。     

面向事件的智能化电网调度运行日志管理系统

从系统设计、人工智能技术应用、系统主要功能等方面阐述了一个已经投入运行的调度日志管理系统.该系统以事件为主线管理调度运行日志内容,实现了设备状态自动关联、当前工作查询和设备可靠性统计功能.实际运行情况表明,该系统可以提高日志数据的利用率和调度员的工作效率.