基于改进深度学习的刀闸状态识别方法研究

识别刀闸状态对于现代电力系统至关重要,传统的刀闸状态识别方法不能很好地解决多刀闸目标干扰问题。为了解决此问题,提出了一种基于改进深度学习的刀闸状态识别方法。首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs);其次利用改进CNNs在训练数据库上获得训练模型;然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置;最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态。实验结果表明此方法能够精确地定位绝缘子和刀闸的位置,显著提高刀闸状态识别的精度。     

含光伏发电与储能的配电网基于源—网—荷互动模式下电压安全最优控制策略

针对光伏发电与储能设备大量接入配电网,考虑多种电压无功资源协调的电压最优控制问题,该文研究“源-网-荷”互动模式下的含光伏发电与储能配电网最优电压控制策略。采用LQR理论,建立含光伏发电与储能配电网最优电压控制模型,并针对含光伏发电与储能配电网稳态运行点多变且模型和参数信息不完整或不精确的情况,引入ADP算法设计最优控制策略的在线计算方法。算例仿真表明,基于ADP的最优电压控制策略可以在配电网和分布式光伏的不同运行情况下取得良好的电压改善效果。因此该方法适用于电力系统在线控制应用。