带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

计及多种扰动源的有源配电网电能质量分析方法EI北大核心CSCD

随着波动性负荷的增多和分布式电源的接入,有源配电网的扰动源增加,电能质量问题涉及更多不确定性因素,使得传统的基于确定监测值的电能质量分析方法不再适用。提出了一种基于区间-仿射算法的有源配电网电能质量分析方法,利用潮流计算得到仿射型电能质量指标,建立相对影响因子定量分析各扰动源对电能质量的影响程度,并以IEEE 33节点配电网为例验证该方法有效性,仿真结果表明所提方法在特定场景下能够定量计算不同扰动源的波动对配电网电能质量的影响程度大小。     

计及多种扰动源的有源配电网电能质量分析方法

随着波动性负荷的增多和分布式电源的接入,有源配电网的扰动源增加,电能质量问题涉及更多不确定性因素,使得传统的基于确定监测值的电能质量分析方法不再适用。提出了一种基于区间-仿射算法的有源配电网电能质量分析方法,利用潮流计算得到仿射型电能质量指标,建立相对影响因子定量分析各扰动源对电能质量的影响程度,并以IEEE 33节点配电网为例验证该方法有效性,仿真结果表明所提方法在特定场景下能够定量计算不同扰动源的波动对配电网电能质量的影响程度大小。     

具有容错能力的电能质量扰动源定位方法

为改善传统符号型定位方法的不足,实现扰动信息不可靠时扰动源的准确定位,提出一种基于遗传算法的电能质量扰动源定位方法。通过对扰动信号高频分量产生机理的分析,利用小波变换提取高频分量,将高频扰动能量的极性作为扰动方向判别的依据,给出了一种扰动方向判别的通用算法。根据系统拓扑结构及监测点布置情况,建立了扰动源定位优化模型,将扰动源定位问题转化成为0-1整数规划问题,采用遗传算法进行求解。仿真结果表明该方法具有定位准确,容错能力强等优点,为扰动源定位问题提供了一种新的解决思路。     

配电网暂态电能质量扰动的定位与识别研究

针对配电网暂态电能质量扰动的非平稳性、突变性和短时持续性的特点,提出一种基于小波变换和BP神经网络的扰动定位与识别方法。首先对暂态电能质量扰动信号进行小波分解,提取其高频系数得到扰动时刻信息,然后利用模极大值对扰动突变点峰值进行定位检测,再用扰动信号的能量分布序列来构造特征向量并用BP神经网络设计扰动识别器。MATLAB仿真结果表明,该方法对暂态电能质量扰动信号起止时刻定位快速,精度较高,能有效地识别五种电能质量扰动,识别率高。     

用小波变换和瞬时功率定位电能质量扰动源

为经济合理地精确定位电能质量扰动,根据监测点的电压电流波形,基于小波多分辨率,提出了一种扰动源定位新方法。该法首先对电压电流波形进行小波变换确定扰动的起止时刻,然后基于瞬时功率计算扰动功率和扰动能量,最后通过分析确定扰动源在监测设备的位置。针对电压暂降和电容器投切造成的扰动,运用此法分别依据ATP仿真数据和实际监测数据进行了分析,准确判断了扰动源在监测点的位置。结果表明,只要电网中的监测设备足够多,依据对扰动源定位的方法可实现扰动源的精确定位。     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

基于FTU检测方法在含DG配电网故障区段定位的应用综述

本文分析了含分布式电源配电网故障区段定位的关键问题,对基于FTU检测的含分布式电源配电网故障区段定位的矩阵算法和智能优化算法的优缺点进行详细综述;并提出目前含分布式电源配电网故障区段定位方法存在的问题;最后针对当前人们对供电可靠性和电能质量的需求日益增高以及智能配电网快速发展的情况,对未来含分布式电源配电网故障区段定位的发展方向进行了展望。     

基于数据关联分析的配电网谐波问题研究及薄弱点辨识方法∗

非线性负荷、以电力电子逆变器并网的分布式可再生电源等接入配电网会影响配电网的电能质量,结合电能质量实时量测数据进行各节点的谐波关联分析,有助于谐波源定位分析及电能质量治理.基于数据关联分析FP-grow th算法,结合实际电能质量数据,解析各监测节点的谐波关联关系,寻找各次谐波中具备高关联性的监测节点的频繁项集;然后根据各监测节点的谐波序列关系,计算各监测节点/监测节点组合的谐波单独作用时间占比,判断监测节点为谐波注入源的可能性.最后,根据实际电能质量数据,对采用的FP-grow th算法及谐波序列关系分析的效果进行验证.     

含分布式电源电网电压跌落定位

电压跌落已经成为现今社会最为关注的电能质量问题之一,电压跌落位置的准确定位是保障电力系统运行稳定以及电力市场化进程的充分条件。分布式电源（distributed generation, DG）在配电网的广泛接入改变了配电网的运行方式和潮流,现有的几种定位方法已经不能满足对含DG电网电压跌落进行准确定位。针对含DG的配电网电压跌落故障源定位,本文基于馈线终端单元的配电网故障定位方法,提出了一种利用改进的具有自适应矩阵法初步确定电压跌落所在的故障区段,然后通过利用改进的阻抗法精确定位电压跌落源位置的方法。算例和仿真结果验证了该矩阵法和阻抗法结合的方法计算量小且具有很好的准确性优势。     

风电接入的电力系统电能质量扰动的检测与定位

风能的波动性、间歇性和随机性等特性使接入风电的电力系统运行特性和电能质量受到复杂的影响。针对风电接入的电力系统电能质量扰动问题,重点研究电能质量扰动的小波检测方法,提出了基于Euclidean分解算法的db4复小波的提升方案。通过Euclidean分解算法得到复小波提升方案,求取了db4复小波自适应提升因子并构建了分解与重构模型,对扰动信号和基波分量进行提升变换后得到幅值和相位信息分别作差。利用幅值差和相位差来确定扰动的幅度和时间,并根据扰动段的幅值差和相位差值实现了扰动起止时刻定位。基于Matlab的仿真结果表明,与复小波相比,该方法能进一步提高风电接入电力系统电能质量扰动信号定位的速度和精度。     

基于并行隐马尔科夫模型的电能质量扰动事件分类

为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(MaximalOverlapDiscrete WaveletTransform, MODWT)和并行隐马尔科夫模型(ParallelHiddenMarkovModel, PHMM)的电能质量扰动分类方法。首先利用MODWT提出一种实用的电能质量扰动检测算法,该算法无需设定检测阈值,可准确获取扰动时段的起止时刻。接着提取扰动时段的电压谐波成分并组成特征向量。然后用PHMM分类器对扰动信号进行分类识别。PHMM方法克服了人工神经网络方法收敛性较差、训练时间较长的缺陷,使分类器性能大大提升。通过应用于现场实测扰动数据表明,所提出的方法适用于多种类型的电能质量扰动检测,分类正确率高,训练速度快,具有良好的应用价值。     

配电网电能质量测试系统的设计与仿真

针对目前几种电能质量干扰发生装置的模型存在的不足之处,提出了一种基于电力电子技术的电能质量干扰源设计方案。采用DSP控制器、三相PWM有源可控整流和可控逆变控制技术,结合不对称与高谐波条件下的MRF补偿算法,以15 kVA 容量为例对加入干扰源的配电网动模系统进行了仿真分析。仿真结果表明,加入干扰源的动模系统可以模拟多种电能质量干扰环境,并且可用于大功率场合,运行经济,效益较好,较好地满足了对电能质量控制治理设备测试的有效性和实用性要求。     

基于卷积-长短期记忆网络的电能质量扰动分类

为了提高电能质量扰动分类准确率,针对扰动信号时序性的特点,采用了基于卷积-长短期记忆网络的电能质量扰动分类方法。首先,将扰动信号进行采样作为输入。然后,通过卷积神经网络(CNN)提取特征数据,再对提取到的特征数据以序列的形式作为长短期记忆网络(LSTM)的输入,对特征数据进行筛选更新。最后,再对输出的特征数据进行学习分类。仿真结果显示,该方法对电能质量扰动信号的平均分类准确率为99.6%,优于单一的CNN法和单一的LSTM法。     

基于概率潮流法的含分布式光伏的配电网电压状态评估

为克服高渗透分布式电源接入所导致的传统配电网运行状态评估方法存在盲区的困难,对计及分布式电源随机特性的配电网电压质量的状态定量评估方法进行研究。首先引入一种半不变量结合Gram-Charlier级数展开的概率潮流计算方法,并建立含系统电压平均越限概率、节点电压置信区间和节点电压最大越限概率指标的评估体系。然后以分布式光伏为代表,构建了其有功出力服从Beta分布的概率模型,并定义一种改进的计及光伏波动特性的光伏渗透率指标,由此定量评估不同光伏渗透率对配电网电压质量的影响。最后验证该算法用于配电网电压质量状态评估的可行性。     

考虑电动汽车不确定性因素的配电网分布式电源优化布置

分布式电源和电动汽车的规模化接入对配电网经济运行和电能质量产生了较大影响。分布式电源和电动汽车的功率具有不确定性。为实现分布式电源的合理配置,提出了一种考虑电动汽车不确定性因素的分布式电源优化布置方法。首先,以网络损耗最小、电压偏移最小和系统稳定性高为优化目标,利用机会约束规划方法建立分布式电源优化配置模型。然后,采用支持向量机算法和多目标粒子群算法对上述模型进行求解,得到其Pareto解集。以IEEE 37节点配电网为例对所提模型进行验证,结果表明该模型可以有效得到合理的配置方案。     

基于改进LMD方法的电压骤降检测与分析

随着新能源并网技术的普及和发展,大量非线性装置接入电网对其电能质量产生了一定影响,因此有必要对电能质量进行检测和分析。针对现有检测识别方法存在抗噪性和精确性不足的问题,提出一种改进的LMD方法。该方法首先对自适应分解方法筛选过程的机理进行研究,分析了极值点拟合分布程度容易受到高频间断信号干扰,提出对原始信号先加入受控高斯白噪声再进行LMD分解。其次针对特征参数提取部分存在端点能量泄漏问题,提出采用经验调制分解方法对瞬时参数进行检测的方式。通过仿真实验表明所提方法可以有效抑制模态混叠和端点效应。最后搭建了电压骤降实验平台,运用实测数据验证了所提方法能够准确提取电压骤降的各个扰动参数,从而为电能质量扰动分析提供了一种新思路。     

基于PSO-SVM的直流配电网电能质量扰动辨识

直流配电网是未来配电系统发展趋势,为更好地针对性治理改善直流电能质量问题,推动直流配用电技术的发展,需要提出一种适用于直流电能质量扰动特征的辨识方法。文中剖析了直流配电网中4类电能质量问题的形成机理和扰动特征,并针对各类问题的特点提出了5种特征指标,以此作为辨识直流电能质量问题的特征要素。采用k-means聚类分析的方法对所提特征集的类内聚集性和类间分离性进行了验证。最后利用PSO-SVM分类器实现了直流电能质量事件的准确辨识,仿真算例验证了所提方法的准确性与有效性。     

基于分段改进S变换的复合电能质量扰动识别

针对存在多种单一电能质量扰动的复合扰动分类识别问题,提出了一种基于分段改进S变换和RBF神经网络相结合的复合电能质量扰动识别新方法。首先对离散S变换进行了分段改进,将时域分辨率和频域分辨率进行分段处理,通过分析改进S变换得到的模时频矩阵,绘制了能够反映扰动信号不同突变参数的特性曲线。其次利用统计方法优化计算提取了10种用于模式识别的特征量,并用局部逼近的RBF神经网络设计了分类器对提取的特征样本进行训练和分类,最后在不同噪声环境下对5种单一扰动及谐波+电压暂降、电压暂降+闪变等6类复合电能质量扰动的分类识别进行了仿真验证。仿真结果表明,该方案时频处理、分类能力和学习速度等方面均优于普通改进S变换+全局逼近网络的方法,且鲁棒性强,能准确识别多种单一扰动及两种扰动同时存在的复合电能质量扰动。