基于邻接矩阵的图形化网络拓扑分析方法

介绍了基于面向对象的网络拓扑模型,在此基础上,针对不同元件类型利用面向对象的方法定义了元件类.利用自动生成的邻接矩阵来进行分析搜索,能够很好地得出节点间的拓扑关系,并且能够根据网络中开关的变化实现动态修改,完成了拓扑分析的两个任务:等值节点划分和电气岛划分,从而避免了利用常用邻接矩阵法拓扑分析时,邻接矩阵的(n-1)次自乘运算,提高了分析的效率.实际应用表明,这种基本邻接矩阵的分析方法具有一定的实用价值.     

利用PMU测量节点间相角差进行孤岛故障诊断

电力系统的非计划孤岛运行严重影响电力系统运行的稳定性,对含分布式电源的配电网进行实时的孤岛检测,尽量缩短孤岛运行的时间具有重要意义。为了更快、更准确的进行孤岛检测,利用PMU(Phasor Measurement Unit)测得配电网系统侧与微电网接入端相角数据,通过判断计算得到的两节点处的相角差值是否超过设定阈值进行孤岛检测;通过改进PMU频率跟踪DFT(Discrete Fourier Transform)算法,提高了PMU测量数据的测量精度;利用Matlab仿真软件对非计划孤岛运行场景进行仿真分析,验证了文中所提出方法的有效性。     

基于小波设计和数据挖掘算法协同训练的非侵入式负载识别

居民用电信息细化对于规划居民电器使用和降低电能消耗具有重要的意义。文章在非侵入式负载识别技术的基础上,提出了一种利用数据挖掘算法进行协同训练的方法,小波设计用于提取家庭常用电器的开、关暂态特性的特征信息,利用小波的能量系数作为特征值,使用k近邻算法和决策树算法协同训练分类出负载样本,对测试集进行了算法验证实验,在简化了计算复杂性的基础上获得了更高的识别精度,克服了一对余算法在分类真实负类事件上存在的缺陷,为用电可视化的研究工作打下基础。     

基于假设检验的快速事件检测算法

针对非侵入式负荷监测的传统方法存在实现复杂,难以实时计算,数据集需要反复训练阈值等弊端。本文提出了一种基于假设检验的的快速事件检测算法,该算法将智能电表采集到的总功率信号通过卡方拟合优度检验找出可能存在事件发生的时间点,然后对前后两个窗口使用Z检验,只针对可疑点进行事件检验,进而由测试结果确定是否存在事件的发生,运算简单迅速。通过在BLUED数据集上仿真测试该算法与标准卡方检验方法检测事件的对比实验,验证了本文复合假设检验算法对不同基负载的检测结果具有稳定性与鲁棒性。得出了本文所提方法在精确识别开关事件的同时,还能保证运算速度快速简洁的特点,提高了事件检测的识别精度,具有一定的应用价值和参考意义。     

基于大规模风光互补的发电侧可调节鲁棒优化调度策略

随着间歇性新能源并网率不断提高,太阳能和风能出力随机性和不确定性对电网运行的影响越来越大。为了衡量风光出力的相关性,提出将Copula理论引入到调度策略中,采用Kendall秩相关系数来衡量其相关性。同时为了协调系统的经济性和可靠性,提出引入模糊机会约束来界定风光互补可信水平,减少了配置风光出力和旋转备用容量决策的盲目性。最后将该鲁棒优化调度模型化简成经典的非线性二次规划问题,采用优化对偶内点法求解,并用经典算例进行测试,结果验证了该模型的可行性、鲁棒性和经济性。     

修正克隆遗传算法在分布式电源规划中的应用

在分析微电网中分布式电源特性的基础之上,构建了相关的目标函数与数学模型,提出一种针对微电网系统的修正克隆遗传算法.该算法在传统克隆遗传算法基础之上,加入修正表和局部搜索操作,提高了搜索效率,从而能更快速地获得微电网中分布式电源的最优化配置.最后在IEEE39节点算例上,应用此算法在计算机上进行仿真,结果表明了该算法的可行性和有效性.     

基于NCP理论的光滑牛顿法在无功优化中的应用

采用经典的无功优化模型,以系统网损最小为目标函数。依据非线性互补理论,构造NCP函数,将KKT条件中的不等式约束转换为等价的非线性方程,然后用牛顿法求解。用同样的方法来处理离散变量,即构造一个与离散变量的约束条件等价的离散NCP函数,嵌入牛顿法中迭代计算。最后,由经典IEEE系统的计算结果表明：该算法收敛速度与传统方法相当,能有效降低网损,具有大范围收敛性。     

基于MCMC方法的二次系统风险评估研究

据统计,电力系统的大面积停电事故中,有70%以上都与二次系统有着直接或间接的关系,因此一个高可靠二次系统对建立坚强、健康的电网有着至关重要的作用。从二次系统的风险程度对电力系统可靠性的影响入手,应用MCMC方法进行研究,提出了系统的四个可靠性指标作为二次系统风险大小的衡量标准。MCMC方法继承了传统MC方法的优点,且有着收敛速度快、计算结果精确、指标稳定的特点,并实现动态模拟。通过IEEE-RTS 24节点的算例仿真,说明了MCMC方法的有效性和稳定性。最后以贵州地区某电网为算例,研究该地区四种典型运行方式下的可靠性指标,结果表明在冬大的运行方式下二次系统的风险程度更大,这对于建立更加可靠安全的电力系统来说有一定的参考价值。     

基于遗传优化BP神经网络算法的光伏系统最大功率点跟踪研究

针对恒压控制法中采用BP神经网络预测最大功率点处电压存在较大误差的情况,提出了用遗传算法来优化BP神经网络,然后用优化后的算法来预测光伏系统最大功率点之处的电压,并以此值代替基于恒电压的光伏发电系统MPPT控制算法中的恒电压参数;同时结合恒电压控制法建立了基于GA-BP神经网络学习算法的改进恒压型光伏系统MPPT控制的仿真模型。最后算例仿真结果证明所提的基于GA-BPNN的光伏系统MPPT控制算法能够快速准确地进行光伏最大功率点跟踪,并且相比于BP神经网络算法、干扰观察法及FUZZY控制算法其稳定性更好、精度更高。     

基于PCA-SVM模型的中长期电力负荷预测

电力系统负荷预测模型可以分为单一指标模型和信息集(多指标)模型,为客观准确地对中长期负荷预测进行研究,就要避免重要信息的遗漏,尽可能多的考虑与其有关联的信息。针对信息集模型中的大量信息,通过主成分分析法把综合信息集简化为少数几个主成分,降低了数据的维数;引入核函数和对偶技巧对支持向量机算法进行改进,有效避免了维数灾难和目标函数不可微的问题。通过标准SVM和PCA-SVM模型仿真对比,验证PCA-SVM模型预测结果更为准确,所提方法具有一定的实用性和有效性。