智能配电网统一模型云与应用服务技术系统

为了解决智能电网建设过程中配电网的信息交叠浪费、数据孤岛以及软硬件平台异构导致的信息无法交互问题,提出配电网异构信息模型融合,将配电网各应用服务系统及软件进行模型融合,搭建了虚拟化模型中心。利用云计算技术协调配电网各应用系统服务,构建了基于模型中心与云计算的统一数据模型应用平台,将配电网主要应用服务系统进行整合并将其部署在云平台上。与传统分散式配电网服务系统相比,智能配电网统一模型云与应用服务系统大幅提高了信息交互共享的效率。     

新型城镇配电网影响因素解释结构模型

总结了影响新型城镇配电网发展的因素集,分析了各影响因素的相互影响关系,依据形成的可达矩阵将影响因素分层,构建了新型城镇配电网影响因素解释结构模型。为了直观反映各因素对新型城镇配电网的影响大小,提出了一种扩展的层次分析法计算解释结构模型中各影响因素的权重,进而分析了影响新型城镇配电网发展和建设的主要因素,为我国新型城镇配电网的发展和建设提供参考。最后,通过2个算例验证了新型城镇配电网影响因素解释结构模型的可行性和适应性。     

智能电表状态检验评价指标体系及在线平台开发

针对城市电网中海量智能电能表现场超差核准工作的费时费力而查找缺陷针对性不强的实际情况,介绍了一种智能电网状态在线检验评价指标及其在线平台设计方案,为在线运行的智能电能表缺陷检查和运行维护提供有力依据。首先,分析了智能电能表状态检验的影响因素,详细阐述了智能电能表状态检验评价指标体系;其次,设计了智能电能表在线检测评价平台的系统架构和业务流程;最后,通过天津市一个城区的实际案例,验证了评价指标和在线系统的适用性,以期为智能电能表的精益化运维提供一定的参考价值。     

基于C#．NET的GSMMODEM短信猫应用设计开发

短信猫(GSM MODEM)是无线数据通信应用的重要组成部分.这里主要研究短信猫应用软件开发,介绍GSM MODEM短信猫的开发架构和应用软件开发流程,重点是运用C#语言在Visual Studio 2005编译器平台下实现GSM MODEM的应用开发.然后在GSM MODEM短信猫上进行调试,通过多次调试验证,与VB,VC,Java等语言开发的应用软件相比,软件用户界面友好,运行稳定,可靠性高.     

面向城市能源互联网的电力物联网内涵、架构和关键技术

电力物联网是保障电力系统安全可靠、经济高效运行的重要基础,也是支撑城市能源互联网的基础平台。为此,文章对面向城市能源互联网的电力物联网内涵、架构和关键技术进行了深入探讨和分析。首先,梳理和分析了城市能源互联网和电力物联网的区别,并指出了面向城市能源互联网的电力物联网内涵;其次,分别提出了面向城市能源互联网的电力物联网的体系架构、物理架构和系统架构;最后,结合现有的“云大物移”、电力光纤入户、“四网融合”和“三表集抄”等技术,从信息化和通信化2个角度阐述了面向城市能源互联网的电力物联网关键技术内容及其现存的不足,以期为未来城市能源互联网的发展和研究提供一定的借鉴。     

数据不足条件下基于改进自动编码器的变压器故障数据增强方法

变压器发生故障的情况较少,使得基于机器学习的变压器故障诊断方法存在数据不足的问题.为此,提出一种基于改进自动编码器(IAE)的变压器故障数据增强方法.首先,针对传统自动编码器生成的数据有限和缺乏多样性的问题,提出改进的变压器故障数据生成策略.其次,考虑到传统卷积神经网络的池化操作会丢失大量特征信息,构建改进的卷积神经网络(ICNN)作为故障诊断的分类器.最后,通过实际数据验证了所提方法的有效性和适应性.仿真结果表明,相对于随机过采样算法、合成少数类过采样技术及自动编码器等传统的数据增强方法,IAE能同时兼顾数据的分布和多样性特征,生成的变压器故障数据对分类器的性能提升效果最好.和传统分类器相比,ICNN在数据增强前、后都具有更高的故障诊断精度.     

智能配电网态势感知和态势利导关键技术

智能配电网态势感知是配电系统可靠、经济和安全运行的重要基础。为此,从技术层面对智能配电网态势感知和态势利导的内涵、架构和关键技术进行了深入分析和阐述。首先,给出了态势感知和态势利导技术的含义和目标;其次,构造了智能配电网态势感知和态势利导技术的总体架构;最后,为了实现对配电网运行态势的全面准确把握,并为复杂配电网智能调度控制提供有力支撑,从态势觉察、态势理解、态势预测、态势呈现、态势利导5个方面阐述了智能配电网态势感知和态势利导的关键技术内容及其面临的挑战,以期为后续研究工作提供借鉴。     

面向能源互联网的零碳园区智能感知设备优化规划方法

面向能源互联网的零碳园区以新能源为主体,汇集了高比例风/光/生物质等可再生能源、氢发电、煤电等能源形式。然而,目前零碳园区设备数据状态感知研究较少。为合理规划零碳园区中用于数据收集与分析的智能感知设备,保证零碳园区能源系统可靠、安全、优质、低碳和经济运行,提出一种面向能源互联网的零碳园区智能感知设备优化规划方法。首先,分析零碳园区状态感知设备的要求,制定了智能感知设备优化规划的原则,考虑投资成本、维护成本、故障成本等方面,提出了零碳园区智能感知设备优化规划的数学模型;其次,为实现所制定数学模型的准确求解,提出一种灰狼-教与学混合优化(grey wolf and teaching-learning hybrid optimization,GWO-TLBO)算法;最后,以一个零碳园区的实际案例作为仿真验证,验证了文章所提出的零碳园区智能感知设备优化规划方法可显著降低生命周期成本,与现有智能算法的对比实验表明所提出的GWO-TLBO算法具有较高的求解精度。     

基于灰色关联理论和BP神经网络的分布式光伏电站运维数据虚拟采集方法

由于分布式光伏电站的布置点多面广、分散无序,要实现其运维数据的全覆盖采集,最佳方式为每一个分布式光伏电站均配置一套数据采集装置,由此也将面临投资成本巨大、运维任务繁重等难题.为此,提出了一种基于灰色关联度和BP神经网络的分布式光伏电站数据虚拟采集方法,实现了在安装少量数据采集装置条件下完成对全区域内分布式光伏电站运维数...     

基于图信号交替优化的居民用户非侵入式负荷监测方法

非侵入式负荷监测(non-intrusive load monitoring,NILM)是研究居民用户负荷信息的常用方法，但存在分解准确度低、算法泛化性能低等系列问题。为此，该文应用图信号处理(graph signal processing,GSP)理论，提出一种基于图信号交替优化的居民用户NILM方法。该方法根据总负荷数据构建图信号模型，并基于图信号模型得到关于功率损耗的约束条件，较好地解决了传统方法缺乏负荷数据相关性研究的问题。相比于传统方法需要对模型参数多次调整，交替优化法可以自动调整参数，提高了实时监测能力，降低了电网运营成本。仿真结果表明，在1min采样率下，基于图信号交替优化法的总负荷分解准确度比NILM-GSP提高了15%，计算时间降低了10%，充分体现了该文算法性能的优越性。