基于时序数据相关性挖掘的WAMS/SCADA数据融合方法

在电力系统多运行方式的背景下,研究WAMS/SCADA等量测数据融合是解决大电网在线稳定分析的关键点之一。为此,基于理论分析,从2者数据相关性角度研究了WAMS/SCADA相关性系数,提出了基于时序数据相关性挖掘的WAMS/SCADA数据融合方法。通过构建Pearson相关性系数,对WAMS/SCADA的相关性进行评估;运用广义EM算法对量测数据曲线时差问题进行函数模型求解;在考虑量测权值的情况下对量测有效性进行分析。结果表明:对3种不同数据进行状态估计后,经过数据融合后的曲线结果在系统稳定时段与出现扰动时段均保持平稳;基于时序数据相关性融合法所得到的状态估计曲线变化趋势与其他算法相同,混合量测状态估计结果误差5%。IEEE 118节点母线系统算例的仿真结果验证了上述方法的有效性与稳定性。     

基于数据挖掘技术的时序数据质量维护研究

随着电力系统智能化水平的不断提高,电网中产生的数据体系也越来越庞大,而数据的质量会直接影响电力系统的运行分析和规划决策。文中基于数据挖掘技术提出一种电网时序数据质量维护体系,筛选不合格的数据,并确定数据所存在的问题,为分析出现问题的原因提供便利。对电力数据及传输过程进行了分析,并指出了可能存在的问题。不同地区的数据具有自身不同的特点,为了提高检测速度,基于决策树算法先对历史数据样本进行决策分析。以某地区的数据训练集为例,对该地区电力数据检测流程进行分析,得到适合该区的检测顺序。针对数据合理性难以检测的问题,利用基于聚类的离群检测法筛选出问题数据,并尝试分析问题数据产生原因。通过算例证明了所提时序数据质量维护流程的有效性和可靠性。     

基于最小二乘法的新能源出力时序数据重构方法

分析了风电和光伏的出力特性和相关性,进而得到新能源出力的概率模型。根据不同的数据样本,利用最小二乘法作为参数估计方法,计算得到概率分布模型参数。在此基础上,提出新能源出力时序数据重构的方法和数据重构步骤,为清洁能源的有序开发和发电并网提供参考。     

基于时序数据的火电厂主变压器绕组变形异常诊断方法

通常在变压器停电后才可以对火电厂主变压器进行检测工作,导致异常运行的诊断结果的准确性受限,为此研究基于时序数据的火电厂主变压器绕组变形异常诊断方法。首先对主变压器绕组变形时序数据预处理,获得更精准的时序数据,接着根据时序数据信息选取主变压器绕组变形异常因素集,再通过输入主变压器绕组变形异常因素集定位变压器绕组变形异常,进而确定主变压器绕组变形故障程度,实现火电厂主变压器绕组变形异常诊断。实验结果表明该方法可准确诊断绕组变形异常,实际应用价值更高。     

湖南特高压交直流输电建设时序问题研究

基于湖南电网2015年的规划数据,搭建不同特高压建设时序的网架,从静态安全和暂态稳定2方面分析评价各网架方案的合理性,并通过计算不同网架方案下湖南电网逆变站的短路比,分析特高压交流对湖南电网作为直流受端系统强度的作用。分析结果表明:优先建设特高压交流线路有利于湖南电网的安全稳定运行,并能加强湖南电网的强度,为特高压直流入湘提供有力的支撑。     

多级线圈发射系统触发时序配合方法研究

提出了一种应用于多级线圈电磁发射装置的时序控制策略,通过现场可编程门阵列(FPGA)实时控制后级晶闸管最佳延时触发,优化各级脉冲电流的配合,实现驱动线圈加速效果的叠加性.通过原理分析及仿真验证,完成系统主平台的参数整定,确定时序控制器的运算逻辑,引入电磁兼容模块以防止前后级相互干扰.最后在实验室搭建平台进行验证,结果表明在多个电压等级下,该策略能够实现多级线圈加速过程的时序配合,验证了控制策略的准确性和有效性.     

考虑社会信息的多元电力能耗时序数据缺失值补全方法

多元时间序列数据已经广泛应用到多个领域,其中在对发电厂能量输出和电力消耗等电力系统数据的预测与分析方面,对于能源设施的合理布局与管控、提高能源利用率具有重要意义。然而,在现实操作中,由于传感器损坏、数据传输失败或存储损坏等各种原因,多元时序数据往往存在缺失值,呈现出不完整性。因此如何有效地填补缺失的电力数据成为亟待解决的问题。提出一种基于自注意力的时序数据缺失插补（temporal missing data imputation,TMI）方法,用于补全带有缺失值的电力消耗多元时序数据。Transformer模型在捕获变量间依赖关系等方面具有优秀的性能,基于此,引入记忆模块以存储全局的时间模式信息,辅助补全缺失值,使模型能够同时捕获数据的全局和局部相关性。此外,将优惠电价政策、用户特征等社会信息因素融入模型中,可以进一步提升缺失值补全的有效性。在实际采集的多元电力系统时序数据集上的实验表明,提出的模型能有效解决多元时序数据的缺失问题。     

基于GAT-AGRU的多元时序数据异常检测

在复杂工业系统因传感器数量急剧增加,产生了高维噪声和随机干扰,严重影响多元时间序列的数据连续性和控制精度。然而现有对多元时间序列存在随时间变化的时序不一致性、空间矢量的偏差性以及时空图模型的冗余度等问题。本文提出了一种新的多元时间序列异常检测方法STGAD。首先,从高分辨率的粒度级别上,引入门控机制改进多尺度卷积网络,控制特征间的信息交互过程。然后,设计了两种图结构,剔除了冗余的时空依赖关系,利用GAT有效地学习时空相关性。此外,提出了一种基于注意力机制的GRU模块,来捕获变量在不同时间窗口上的重要性。最后,联合优化预测和重构的模块。在三个公开数据集上进行广泛的实验,结果表明所提出模型的平均F1分数高于0.94,在高维数据集上明显优于其他基准模型。     

信号时序逻辑方法识别电机运行状态研究

矢量控制是目前永磁同步电机（PMSM）的主流控制方法,针对其计算复杂,依赖电机参数辨识等缺点,提出采用信号时序逻辑（STL）的形式化方法对电机运行状态进行识别,从而可以通过控制电机驱动电路的脉宽调制（PWM）实现最大转矩电流比控制(MTPA)。采集与驱动电路直流母线串联的shunt电阻在电机同种工况不同运行状态下的电压数据,采用5折交叉验证,基于决策树学习STL公式,最后使用STL公式判断电机运行状态正常,欠调制,或过调制。定义了一阶基元和二阶基元分别作为决策树节点,学习过程使用粒子群优化（PSO）,并采用了不同不纯性度量作为优化时的损失函数。实验结果表明,使用一阶基元的STL对电机状态识别准确率可达98.78%,程序运行耗时0.1509s;使用二阶基元识别准确率可达95.06%,程序运行时间2.3979s,对基于STL实现电机控制算法具有重要意义。     

基于近邻传播聚类与MCMC算法的风电时序数据聚合方法

为减少风电功率时序数据的冗余信息,提高电力系统仿真的计算效率。该文提出一种基于近邻传播聚类与马尔科夫链蒙特卡洛(affinity propagation clustering andMarkov Chain Monte Carlo,AP-MCMC)的风电功率时序数据聚合方法。首先,采用自相关函数与快速傅里叶变换分别对风电时序数据进行时–频域周期特性分析,选取聚类场景样本的最佳时间尺度。其次,利用近邻传播(affinity propagation,AP)算法对场景样本聚类,获取多类场景簇,并基于马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法,构建各类场景簇间的状态转移概率矩阵,生成自定义长度的聚合状态序列,最后,按照状态序列逐次单向顺序抽取场景簇中的样本,构建成具有代表性的风电时序聚合序列。以某省级电网为算例,将提出的AP-MCMC法与典型日法、典型场景集法的多元评价指标对比分析。结果表明,AP-MCMC法生成的聚合序列能更准确地反映风电功率的特征和优化策略,提高了计算精确度和效率,具有一定的工程应用价值。     

面向微电网时序多态不确定性的选择性数据驱动

针对微电网时序多态不确定性带来的可靠性评估收敛缓慢的问题,提出了选择性数据驱动算法。首先,定义了单位区间上的系列连续随机变量,以其概率分布特性反映光储微电网元件及负荷的时序多态不确定性;其次,通过将可靠性指标表示为系列连续随机变量在超立方体范围内的积分函数,建立了兼容时序蒙特卡罗模拟的可靠性评估多维积分模型;再次,以方差最小为目标,基于拉格朗日乘子法得到了最优概率密度函数解析式,并运用蒙特卡罗积分法估计解析式的数值解;同时,定义了密度方差指标,定量评价各随机变量对可靠性评估计算费用的贡献;最后,提出选择性数据驱动算法,将可靠性评估过程分为选择性数据驱动和高效仿真评估两个阶段,通过选择性数据驱动确定主导随机变量及其最优密度函数,形成数据驱动策略,支撑高效仿真评估阶段的可靠性分析。在MATLAB环境下编制了相应的可靠性评估程序并开展了算例分析,结果表明:系统条件变化会导致主导随机变量迁移,选择性数据驱动算法能够确定主导随机变量并形成有效的数据驱动策略,大幅降低可靠性评估的计算费用。     

基于双向循环插补网络的分布式光伏集群时序数据耦合增强方法

分布式光伏点多面广、局部渗透率高、安装环境复杂多变,真实可靠的量测数据是其性能分析、出力预测、运维调控的基础。然而,传感器故障和通信堵塞等因素会造成量测值缺失,恶化原始数据质量,进而影响配电网运行决策的准确性。传统数据修复方法只考虑单一量测值的分布特征,忽略了多维时序数据的潜在耦合关系,修复精度有限。为此,该文提出一种基于双向多阶段循环插补网络和Seq2SeqAttention的时序数据耦合增强方法,改进了循环插补网络的结构,并引入衰减机制,能利用少量未缺失数据,潜在地挖掘原始数据的整体分布规律,一次性对多个光伏场站完成高质量数据修复。实验结果表明,所提方法在高比例缺失情况下仍有良好的修复性能,可明显增强分布式光伏集群的基础数据质量,提升电网运营商对光伏集群的细粒度感知能力。     

特高压交直流建设时序优化评估指标体系

为全面衡量整个建设期内特高压交直流工程不同时序方案的合理性并比较优劣性,建立包含经济、技术、安全稳定及社会环境等因素的评估指标体系。结合特高压交直流电网发展的特点,提出采用输电阻塞费用、结构均衡度、社会环境影响等指标,与静态安全性等常规输电网规划评估指标共同组成综合评估指标体系,用以反映不同时序方案对清洁能源接入的适应性、网络结构的均衡性和节能减排效果等。     

电力企业级数据治理体系的研究

随着电力业务集约化、精益化、标准化的要求越来越高和信息化支撑能力的不断提升。数据治理已成为电力企业信息系统集中建设（一级部署）、大数据应用、智能分析决策应用的重要基石。目前,电力企业数据治理工作仍然偏重于技术,各业务条线内虽开展了数据治理相关工作,但推动力度不强,缺乏业务部门之间的相互协调与配合,开展工作主要还停留在现有业务环节的数据质量问题等方面,而对企业级更深层次的数据治理体系建设尚未涉及。数据治理不仅是技术上的治理工作,更是以有效满足自上而下管理的数据使用需求,电力企业的数据治理体系应定位为包括数据、应用、技术和组织4位一体的均衡的信息化架构的关键一环。从而推动电力企业业务的和谐发展。     

电力企业HSE体系建设研究

由于电力企业自身的特殊性,倡导健康、安全与环保是国际电力行业发展的趋势。在初步介绍HSE概念和内涵的基础上,提出我国电力企业建设HSE体系的必要性,并重点论述了其建设思路、建设方法和建设步骤,对电力企业HSE体系建设具有一定的指导意义。     

电力通信风险管理体系建设研究

安全管理实质是风险管理,应用风险管理将使安全管理更科学、更全面、更系统、更规范和更有针对性.文章简要介绍了通信风险管理框架,分析比较了国内外通信风险管理经验,结合江苏电网通信风险管理特点和生产实际,提出了一套侧重于调度系统运行的通信风险管理体系,使安全管理模式由“关注事后分析与控制”向“关注事前风险分析与控制”转变,用于指导无锡电力通信风险管理,也为推动完善电力通信全面风险管理提供数据和积累经验.     

基于时序运行数据的输电网线路重要度评估

针对传统基于物理模型进行仿真模拟的方法,基于电网实际运行数据,提出一种在较长时间尺度下,面向不同运行方式的输电网线路重要度评估框架。首先基于输电网络线路有功潮流数据样本,通过模糊C-均值（fuzzy C-means,FCM）聚类与谱系聚类两步式聚类技术,划分输电网络不同的典型运行方式,建立典型场景;然后提出一种新的时序潮流熵计算方法,并将其和典型相关系数理论结合形成一种新的输电网线路重要度指标,用来对各个运行场景下输电网线路重要度进行评估,克服以往传统关键线路评估方法时不变性的缺点;最后根据复杂网络理论,从输电网络拓扑结构角度对所得结论进行分析对比,证明所提评估方法的合理性。