配网工程的设计优化措施

1配网工程设计中应注意的问题从近年来配网工程实施与结算过程中,笔者发现了设计流程中的薄弱环节与存在的一些管控问题。     

基于支路交换法的配网重构方法分析

根据配电系统特点,建立配网重构数学模型,详细介绍了启发式方法中的支路交换算法,提出对该算法的改进思路,对当前研究较多的解析类、启发式、随机优化及智能优化方法进行分析,就部分算法提出相应改进措施,并提出结合四类方法中的两种或多种方法的思路以求解连续变化的大规模复杂配电网络重构问题。     

基于CycleGAN与深度残差网络的局放数据增强与模式识别方法

为了解决局放模式识别的准确性受不平衡样本与神经网络深度结构制约的问题,提出了一种基于CycleGAN与深度残差网络的局放数据增强与模式识别方法。首先对稀疏表示去噪及脉冲提取得到的局放脉冲信号进行S变换得到局放时频谱图作为训练样本。然后利用CycleGAN实现对局放时频谱图的重构增强,同时引入对抗损失函数、循环一致性损失函数,以保证局放数据的高质量生成,扩充后的局放样本库丰富度更高。最后利用增强后的局放数据集训练深度残差网络,利用残差块的恒等映射结构自适应调节网络深度,解决了深度网络不易收敛的问题,同时实现对局放信号的精准辨识。实验结果表明,经数据增强的深度残差网络模式识别准确率达到98%,较增强前提高了6.8%。     

基于生成对抗网络的电能质量扰动数据增强方法

针对当前电能质量扰动自动识别受样本集的规模和质量影响较大及扰动数据匮乏的问题,提出一种在二维尺度上结合深度卷积生成对抗网络(deep convolutional generative adversarail networks, DCGAN)对电能质量扰动数据进行增强的方法。将典型扰动二维图像数据作为输入,以提高数据特征提取能力,再通过深度卷积生成对抗网络不断生成优化扰动数据,并选择验证集上取得最高AUC值的增强数据集进行电能质量扰动的识别测试。在某电网公司提供的真实数据集上进行测试,结果表明：基于DCGAN数据增强方法能生成较大规模、高质量的数据,在网络训练速度及电能质量扰动识别的准确率上有明显提升。     

基于WBS的配网变电工程造价数据结构分解与分类

为有效解决配网变电工程管理工作中"跨阶段、跨模块"间的数据资源共享问题,规范配网变电工程造价数据结构和项目层级.从配网变电工程造价数据特点的角度,运用工作分解结构(work breakdown structure,WBS)方法,从工程本身的固有属性、物理结构、技术特性等方面进行分解和分类,并对细分后的项目层级和数据单元...     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提...     

基于多目标拟态物理学优化算法的城配网安全性评价方法研究

提出一种城配网安全性综合评价方法。该方法首先采用多目标优化方法构建安全性综合评价模型,模型包含了短路容量比、N-1越限数、重载变压器比例和电压越限率等4个子目标,然后基于不同运行方式的运行数据采用拟态物理学优化算法对指标值进行优化,最后采用组合赋权法量化计算安全性综合评价值和安全排名。以某城配网的实际运行情况作为仿真算例,首先验证了所提算法的计算性能,收敛速度最快约为28步,迭代结果也最小,安全性最好;然后实现了对不同城配网的安全性评价,EZ网安全性最好,AP网安全性最差,对城配网运行具有一定的指导意义。     

基于生成对抗网络和随机森林算法的配变低压跳闸预测

配变台区低压跳闸预测对供电部门掌握配电网运行态势至关重要.针对传统处理样本不平衡抽样方法容易造成信息丢失、引入噪声的缺陷,提出了一种领域清理(neighbourhood clean rule,NCL)欠采样和生成对抗网络组合的不平衡数据处理方法.首先采用NCL欠采样合理清除正常运行样本;然后采用稀疏自编码器学习大规模配...     

基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

基于改进生成式对抗网络的电气数据升频重建方法

高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建.因此,文中利用改进生成式对抗网络将低频电气数据重建为高频.通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取.利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习...     

基于馈线偶的配电网快速减小网损重构方法

作为配电网自动化高级应用模块,网络重构应满足快速性的要求而达到在线应用的目的。而许多配电网重构方法因追求全局最优或多次潮流计算而不能满足该要求。文中提出一种基于馈线偶的快速减小网损重构方法。该方法利用馈线偶内网损估算公式推导馈线偶内最佳转移负荷来寻找最优分段开关,可以避免多次潮流计算,完成馈线偶内重构。以馈线偶内重构为基础,并按照全网所有馈线偶的联络开关两侧压差的大小顺序进行全网网络重构。全网重构时对所有馈线进行"优化标定",可以起到避免重构死循环和结束全网重构的作用。最后采用13节点和185节点配电网进行了编程计算,结果表明了该方法的快速性和有效性,可以满足配电网重构在线应用的要求。     

配电网建设项目筛选优化研究

对配电网建设项目进行筛选优化可以促进配电网项目的有序规划和建设,缓解需求与投资资金、自然资源有限的矛盾,实现有限投资资金利用效用最大化.本文按照电网企业配电网建设项目选择的实际工作流程,将筛选优化过程分为单项目排序筛选、多项目组合优化和项目实施结果跟踪反馈三步,提出了单项目筛选优化指标体系和应用方法,给出了多项目组合筛选优化模型,可以指导配电网建设项目的筛选优化.     

基于空调负荷数据挖掘的配电网扩展规划方法

针对配电网规划领域负荷数据挖掘问题,基于实际数据,应用隐马尔科夫模型算法,建立空调负荷挖掘及需求侧响应评估模型,将空调负荷从用电数据中分离,准确描述需求侧响应限值。以配电系统折算到年的总成本最小为目标函数,提出扩展规划模型并进行求解,最后通过IEEE 33节点算例对模型有效性进行验证。结果表明,所提数据挖掘算法能够有效挖掘用户需求侧响应潜力,有利于优化配电网规划方案,降低系统总成本,延缓配电网扩展投资,提高配电系统整体经济性,对配电网规划具有重要的现实意义和作用。     

基于改进Dijkstra算法的配电网网架扩展规划

电气工程领域中配电网网架扩展规划的目的是确定最优的配电网网架接线方案。配电网网架扩展规划的本质与最短路径问题有相同之处。作为典型的最短路径求解算法之一的Dijkstra算法,在进行配电网网架扩展规划时,需要建立邻接矩阵,并反复对无序排列的初始数据进行遍历搜索,反复遍历搜索影响了算法的计算速度。针对Dijkstra算法对无序排列的初始数据反复遍历搜索对计算速度造成的影响,基于排序思想,提出了改进Dijkstra算法,以提高Dijkstra算法在进行配电网网架扩展规划时的计算速度,然后根据某10 kV中压配电网网架扩展规划算例,基于全寿命周期概念建立了中压配电网网架扩展规划的数学模型,经算例分析验证了所提方法的有效性。     

基于生成对抗和双重语义感知的配电网量测数据缺失重构

传统的数据缺失重构技术大多依赖数理统计方法和先验知识结合机理分析构建数学模型,但是配电网量测数据具有高维、时变、非线性特征,复杂度高、表征难度大,难以保证高精度重构。文中提出一种利用无监督生成对抗训练方式自主提取数据特征并结合双重语义感知重构约束实现数据缺失重构的方法。其中,基于二维卷积的重构模型和量测数据二维灰度图像化训练增强了模型泛化能力和稳定性。该方法无需先验知识的分布假设与显式物理建模,在保证数据特征提取最大化的同时,有效提高了重构数据的精确性。最后,利用实测数据验证了该方法在重构缺失数据上的有效性。     

基于生成对抗网络的小样本数据生成技术研究

基于数据驱动的深度学习技术成为新一代智能电网的应用趋势,该技术对电网中有标注训练数据的量级提出更高的要求。为了获取更多有标注的智能电网样本数据,文章提出了一种基于改进的生成对抗网络（generative adversarial network,GAN）的训练样本生成算法。该方法通过交替训练改进GAN的生成模型与判别模型,无需先验知识的指导,自主学习原始样本的分布规律,生成新的数据样本。然后采用人工神经网络作为基础分类器,计算样本分类的准确率,检验生成样本的有效性。实验表明,改进GAN模型可以有效学习样本的分布规律,提升谐波分类的准确率,该方法同时具有良好的抗噪性和泛化性,对深度学习技术在智能电网中的深入发展具有重要意义。     

基于主从博弈的配电网扩展规划

随着电力体制改革的不断推进以及“碳达峰、碳中和”的愿景,给电力行业的发展带来一系列机遇与挑战。以我国的电力改革实际情况为背景,提出一种基于主从博弈的配电网扩展规划双层优化模型。上层配网公司作为主导者,以最小投资运行成本为目标,同时考虑了各配网公司间的博弈关系;下层独立系统运营商作为追随者,根据负荷需求以发电成本最小为目标决策出节点边际电价。针对模型难以求解的问题,采用原对偶公式将双层博弈问题转化为离散约束广义纳什均衡问题进行求解。仿真结果表明：考虑市场环境下多个配网公司间的博弈关系可有效降低规划成本,保证了市场投资运营主体规划策略的精确性和有效性。     

基于目标级联分析的配电-气网分布式协同扩展规划方法

针对高比例可再生能源接入背景下输电网、配电网、配气网间耦合程度日益密切的现状,构建了一种考虑输电网影响的多个配电-气网分布式协同扩展规划方法。首先基于分解建模原理构建输电网子问题、配电网子问题与配气网子问题的混合整数二次规划模型;其次基于目标级联分析算法,在满足共享变量一致性约束的前提下分布式迭代求解各子问题;最后构建含3个待规划配电网和3个待规划配气网的算例进行验证。算例分析结果表明了所提方法的有效性。     

基于原对偶优化模型的配电网规划方法研究

将规划模型中的变量分为决策变量和场景参数,不同场景下场景参数的变化会导致规划方案的变化。为获得最优规划方案,采用原对偶优化理论寻找最优的决策变量和场景参数。首先,建立配电网规划的原模型获得初始规划方案;并且建立配电网规划的对偶模型,根据原对偶问题的强对偶性,进行经济性与可靠性的量化分析。其次,通过场景参数的灵敏度分析结果,修改初始规划方案中的场景参数以协调可靠性与经济性,获得最优的规划方案。最后,采用某地区网格规划作为算例,验证了所提方法可在较少的计算次数中有效地改善规划的可靠性和经济性。