电力系统电压稳定分区和关键断面的确定

电网的关键断面能够体现电力系统运行的薄弱环节,是电网稳定性分析和监视的重点对象。文中针对电压稳定研究的需要,提出了电力系统节点间的连接关系和联系紧密程度的评价方法,建立与电网网架结构相对应的图模型,然后引入了谱聚类算法,进行输电网分区分析,可层次递推地给出系统的合理分区,继而可确定各分区间的关键断面。通过IEEE 14节点算例和河南电网的应用分析结果表明,该算法能够准确有效地确定系统的电压稳定关键断面。     

基于Dijkstra算法的电网分区方法研究

随着高电压网架的发展,解开电磁环网,进行电网分层分区运行是未来电网的发展趋势。电网分区运行可有效缓解目前网架结构错综复杂和短路电流超标严重等问题。提出了一种基于Dijkstra算法的电网分区新方法。首先,结合图论的有关知识将电力网络转换成网络拓扑图,将网架中的站点和线路阻抗与拓扑图中节点和权值相对应。然后,利用Dijkstra算法寻找距离初始点最短路在规定距离内的站点,将符合要求的站点与初始点划分为同一分区。以500 kV/220 kV电网为例,由于未来电网的发展趋势为高电压等级网架起支撑作用,区间通过联络线进行连接,故选取500 kV站点为初始点,最终确定以500 kV站点为支撑的若干分区。所提出的方法可通过编程进行快速运算,无需多次求解。最后,以IEEE30节点系统和某地区实际电网为例,验证了所提方法的可行性和实用性。     

基于改进局部拓展算法的电力系统并行恢复分区方法

并行恢复是电网大停电事故后系统恢复供电的主要措施,而灵活有效的电网分区策略对缩短停电时间、减少社会经济损失有重要意义。首先,综合考虑电力系统的网架结构与运行特性,对输电线路加权化处理,构造加权无向复杂网络模型,并为算法提供执行环境;之后,通过对比复杂电网与无权无向网络的结构特性,结合电网黑启动过程对恢复效率的要求,将局部拓展算法进行适应性改良,并在上述模型的执行环境内实现电网分区;最后,IEEE-39节点系统算例展示了分区算法计算处理过程,验证了算法的有效性,并对该算法的缺点进行总结,为电网并行恢复分区阶段研究提供了新方法。     

北京电网分层分区与调度运行分析

根据北京电网、上海电网年度运行方式报告,结合电网规划理论与国内外电网规划运行经验,对北京、上海电网网架结构、电源布局、设备利用情况进行了分析。从电网规划、电网建设、电网调度系统建制、电网分层分区运行可行性等方面,对北京电力系统电网现有网架结构进行具体分析,总结了目前北京电网规划及分层分区运行中存在的问题,并就北京电网调度系统地调建制调整、电网规划、电网分层分区运行提出一些可行性意见。通过对北京调度系统地调建制调整两种方案的比较分析,提出了关于北京电网调度系统建制调整一种可行性方案。最后结合国内外电网发展趋势对北京电网未来规划及分层分区运行进行了展望。     

昆明电网网络结构优化研究

介绍了昆明电网网架结构优化研究过程中首次提出的以空间负荷分布水平划分供电区域的分区研究思想,适应不同区域特征网架结构分析、研究、优化,基于供电区域划分的城市电网网架结构可靠性全面分析、评价理论和方法,以及基于电网转供电能力评估的网架结构优化研究方法。     

宁夏交直流混联送端电网规划研究

随着宁夏电网逐步形成高电压、大电源、交直流混联的送端电网,短路电流越限问题已成为限制宁夏电网发展的主要问题之一。采用电网分区供电、网架结构优化调整、限流电抗器等高电压等级短路电流限制措施,以网架坚强、结构合理、安全可靠为目标,提出了2030年宁夏电网750 kV目标主网架规划方案,通过网架结构、潮流和短路、实施难度、方案投资等多方面比较分析,明确了宁夏电网750 kV目标主网架推荐方案和330 kV/220 kV电网分区方案,为"十四五"和"十五五"期间宁夏电网的规划、建设指明了方向。     

基于K-Medians谱聚类的无功电压分区方法研究

为满足无功功率就地平衡要求,电力系统电压控制一般采用分区控制原则进行就地平衡,但由于电网结构愈趋复杂,电压分区过程受网架结构影响也愈发呈现高维特征,高维拉普拉斯矩阵的线性化求解为电压分区带来了巨大困难,为此提出了一种基于K-Medians谱聚类方法的无功电压分区方法。通过构建低维度特征矩阵实现对拉普拉斯矩阵的降维处理,并引入区域连接性条件、静态无功平衡条件、无功备用裕度条件等约束条件,实现分区结果量化评价。通过IEEE-39节点标准测试系统对算法进行仿真,结果验证了该算法的可行性与优越性。     

乌昌主电网分区方案研究

开展电网分区的研究,对电网短路电流水平控制、降低电网复杂度,提高输配电系统运行的可靠性和灵活性具有重大意义。为深入开展乌昌主网架优化工作,提高电网运行的可靠性和灵活性,本文结合当前乌昌电网运行的实际情况及目标网架规划情况,从短路电流水平、网架强度、分区功率平衡、N-1等方面对分区运行方案适应性进行了研究,提出乌昌电网"十三五"目标网架推荐分区方案。相关结论及建议为今后新疆电网主网架分区运行提供参考和借鉴。     

基于拓扑分区并行的高压配电网优化重构

高压配电网备供线路多、网架结构灵活,利用网架重构能够提高系统运行的经济性与安全性,有效降低电网阻塞风险。为实现高压配电网拓扑放射性约束的在线实时判别,针对其拓扑结构特点对其进行分区,同时考虑网络拓扑放射性约束的必要条件与不可开断支路缩小分区网络拓扑可行解搜索空间,提出快速判别算法。构造了以网损率、110 kV线路负载率均方差、220 kV变电站负载率差异度均方差的高压配电网多目标优化重构模型,以支路通断状态为控制变量应用非支配排序遗传算法（NSGA-II）求解,并将分区网络支路集合作为遗传算法交叉与变异的操作对象,加快智能算法的寻优速度。以某城市电网为例进行仿真分析,结果表明,所提模型能够有效降低网损,提高系统全局的负荷均衡性,消除局部输电阻塞,同时拓扑约束分区判别能够有效提高算法的求解效率,满足在线实时重构的要求。     

基于复杂网络理论的无功分区算法及其在上海电网中的应用

基于复杂网络理论的最新进展,提出了一种电力系统无功分区的新算法。该算法由“分裂”和“凝聚”2部算法组合而成。前者利用灵敏度矩阵对电网进行预分裂,确定分区的基本结构。该算法可保证无功分区内部发电机的控制能力,并且显著减少分区合并时的迭代次数。后者基于模块度的概念,构建了分区合并新指标,并据此进行分区合并。该算法可以保证各分区内部的无功就地平衡,同时准确地评估无功分区的划分质量,确定最优分区数目。最后,将提出的算法分别应用于IEEE 39节点系统、IEEE 118节点系统以及上海电网,仿真分析证明了所提出算法的有效性。     

基于谱聚类的无功电压分区和主导节点选择

传统无功电压分区常采用基于潮流运算的聚类算法。该算法计算较复杂,且难以体现出电网拓扑结构。针对这些问题,提出一种基于复杂网络理论的谱聚类无功电压分区新算法。该算法首先基于电网的节点导纳矩阵构建无功电压分区模型,其次利用谱聚类对模型进行分析得到低维度聚类样本,再应用改进的K-means 聚类算法获取分区方案。为了确保分区方案的可行性,基于模块度、无功平衡与无功储备等三个指标建立了一个评价体系,并对分区方案进行校验。为了提高主导节点选择的准确度,引入了程度中心性评价指标。通过IEEE-39节点标准测试系统对算法进行仿真,仿真结果验证了算法的可行性与优越性。     

改进谱聚类与遗传算法相结合的电力时序曲线聚类方法

为改善传统聚类算法在电力时序数据上的聚类效果,提出一种基于优化特征向量选取的遗传谱聚类算法。针对应用数据结构特点,合理优化谱聚类算法中特征向量的提取过程,避免传统方法可能造成的数据信息缺失问题;采用遗传聚类优化算法对优选后的特征向量进行聚类划分,并将最终划分结果映射回原始数据。以UCI标准合成时间序列数据与美国区域电网运营商PJM提供的日负荷数据为例,对比分析现有常用聚类算法与所提算法测试结果的聚类有效性指标与形态特征。研究结果表明,所提算法分类效果显著,有较高的聚类质量和算法稳健性,具有工程应用前景。     

电力系统主动解列断面搜索方法与孤岛调整策略

主动解列是一种基于电力系统实时动态信息的紧急控制手段。及时而恰当的主动解列可以阻隔故障传播,避免保护连锁动作可能导致的系统崩溃,有利于大扰动后电力系统的快速恢复。在此背景下,提出一种包括快速搜索解列断面和优化调整孤岛的系统主动解列方案。首先,对在机器学习领域发展起来的谱聚类算法进行改进,提出含约束谱聚类算法,以计及发电机组的同调约束,从而将解列断面搜索问题转化为广义特征值求解问题。为克服在含约束谱聚类算法中采用传统k-medoids算法存在的对初始中心点敏感、搜索效率低的缺点,提出改进k-medoids算法并将其与约束谱聚类算法相结合,以求取最优解列断面。然后,对于解列后每个不满足安全约束的孤岛,优化调整其发电机组出力,必要时也可削减一些负荷,以维持每个孤岛的安全运行。最后,以IEEE 118节点系统和实际电网为例,说明所提方法的可行性和有效性。     

基于半监督谱聚类的黑启动分区策略

采用并行恢复策略可以有效加快电力系统发生大停电事故后的恢复进程,而合理的分区策略是并行恢复的基础。现有分区方法多数存在对算法初值依赖性强、难以获得全局最优解等缺点,而半监督谱聚类具有能够识别任意形状的样本空间并能够收敛于全局最优解,且适用于分区问题的特点。在此背景下,提出了基于半监督谱聚类的黑启动分区策略。首先,给定节点间电气距离的倒数为相关线路的权重,在此基础上建立电力系统无向加权图,进而依据比例割集准则建立黑启动分区策略。该策略由2步构成:第一步建立待恢复机组的分组模型,其以给定时间段内最大化系统发电量和最小化恢复线路总电容为优化目标,从而保证机组的安全快速启动;第二步以得到的机组分组信息为基础,利用半监督谱聚类算法求解黑启动分区模型。为了克服传统k-means算法对初始聚类中心敏感的缺点,在利用半监督谱聚类算法对特征向量进行聚类的最后一步采用了k-means++算法对特征向量进行聚类。最后,以新英格兰10机39节点系统和IEEE 30节点系统为例说明了所发展的模型和方法的基本特征。     

基于超像素锚层收敛选点的高光谱图像聚类算法

针对传统高光谱图像聚类算法难以有效处理数据量快速增长的高光谱图像的问题，提出基于超像素锚层收敛选点的高光谱聚类算法。采用SuperPCA对原始数据进行基于超像素切割的降维；利用K-means选取具有代表性的锚点，构建基于锚点的邻接矩阵；通过无核邻近分配的方法构建相似图，避免对热核参数的调整；最后进行谱聚类分析获得聚类结果。在Indian Pines和Pavia Centre高光谱数据集进行仿真实验，结果表明该算法获得的分类图所含错分点更少，地物分布更加平滑，与当前高光谱图像聚类算法相比具有更优的聚类效果。     

采用谱聚类的风电典型出力场景选取方法

为有效地减少原始场景数量,以较小的工作量和较高的精度表征风电出力的全时空特性,本文提出了一种基于谱聚类算法的风电日出力典型场景生成方法。首先采用谱聚类算法对风电日出力场景进行聚类分析,得到能有效反映样本亲疏关系的聚类簇。随后考虑风电的反调峰特性,从聚类后的风电日出力场景中选出能够很好的反映各类场景中原出力曲线调峰效益的出力曲线,将其作为典型场景。最后,以云南某地区2017年风电实际出力数据为算例进行聚类分析,验证所提方法的正确性及有效性。     

基于谱聚类分析的托辊故障诊断

有效地诊断托辊故障,对提高选煤工作效率和工厂智能化水平具有重要的作用。针对工业现场环境复杂,噪音类型多且杂的特点,首先提出利用差分法来消除托辊音频序列数据时间趋势影响的有效方法,在此基础上提取托辊音频序列特征,分别利用K-Means和谱聚类算法进行聚类分析以及故障识别,并从噪音音频序列数据中挖掘有用的信息。然后为了评价聚类模型的优劣,创新提出将同一音频序列分割得到子音频序列的相同聚类标签的平均比率,以此作为聚类优劣的评判标准。实验结果表明,谱聚类算法的效果优于K-Means,动态选取谱聚类的参数值能够提高局部诊断准确率,且具有较强的鲁棒性,能够实现对生产范围内多种类型噪音音频信号进行有效聚类识别。智能化托辊故障诊断系统的应用提高了选煤工作效率,减少了非计划停机次数,产生了较好的经济效益。     

基于马尔可夫模型的光伏出力聚类与模拟

恰当地处理光伏数据并建立合理的出力模型是含光伏发电系统运行与规划的基础。该文基于马尔可夫模型和谱聚类算法,综合考虑光伏出力的天气特性、日特性、季节特性,提出了一种光伏出力聚类和模拟方法。首先,从光伏出力中提取幅值、基准出力和波动出力,基于马尔可夫模型针对波动出力进行聚类分析,并利用Alpha值、Silhouette指数、贝叶斯准则确定最佳聚类数;然后,整合聚类结果并搭建基于月内天气状态和日内出力状态的双层马尔可夫模型;最后,利用双层抽样得到中长期光伏模拟时序出力。与传统K-means算法相比,基于马尔可夫模型的谱聚类算法能够更好地解决光伏出力数据可能出现的数据丢失与误测问题,并具有更好的天气区分性。与马尔可夫蒙特卡洛模拟相比,该文所提光伏出力模型能够更好地保持光伏出力的天气特性、时序特性和概率特性,并具有更高的精度。算例分析验证了该文所提模型的有效性。     

基于二次聚类弱监督学习的图像语义分割

针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。     

考虑双尺度相似性的负荷曲线集成谱聚类算法

负荷聚类可以依据形态特性差异对负荷曲线进行归类,实现用户用能行为规律分析,为需求侧响应、电网客户服务等提供重要的决策信息。文中提出一种考虑双尺度相似性的负荷曲线集成谱聚类算法。首先,为了克服欧氏距离在负荷特性相似程度度量上的局限,基于负荷差分向量的余弦距离实现负荷形态变化的相似性度量,提出一种双尺度相似性度量方式;然后,基于双尺度相似性与谱聚类算法,建立差异化基聚类模型;最后,依据聚类评价指标自适应计算基聚类模型权重,以加权一致性矩阵与谱聚类实现聚类集成。算例结果证明,所提方法可有效挖掘负荷形态特性差异,在不同数据集中性能表现稳定,具有显著的聚类有效性和鲁棒性。